wenzi/docs/OPS_CHECKLIST.md

🦟 蚊子项目 - 运维检查清单

清单版本: v2.0
创建日期: 2026-01-21
适用环境: 生产环境
检查频率: 每日 + 发布前

---

📋 检查概览

检查维度

维度	检查项数	通过率	状态
系统健康	15项	-	⏳ 待检查
性能监控	12项	-	⏳ 待检查
安全合规	18项	-	⏳ 待检查
数据安全	10项	-	⏳ 待检查
运维自动化	8项	-	⏳ 待检查
备份恢复	7项	-	⏳ 待检查

总计: 70项检查项

---

🏥️ 一、系统健康检查

1.1 服务状态检查

检查项	检查方法	预期结果	实际状态	备注
应用服务运行状态	curl http://localhost:8080/actuator/health	UP	⏳	-
数据库连接状态	curl http://localhost:8080/actuator/health/db	UP	⏳	-
Redis连接状态	curl http://localhost:8080/actuator/health/redis	UP	⏳	-
磧存命中率	Redis CLI: info stats	>80%	⏳	-
JVM堆内存使用	curl http://localhost:8080/actuator/health/jvm	<80%	⏳	-
应用启动时间	curl http://localhost:8080/actuator/health/liveness	< 60s	⏳	-
依赖服务状态	curl http://localhost:8080/actuator/health/readiness	UP	⏳	-

1.2 基础设施检查

检查项	检查命令	预期结果	实际状态	备注
CPU使用率	top 或 htop	< 70%	⏳	-
内存使用率	free -h	< 80%	⏳	-
磁盘空间使用率	df -h	< 80%	⏳	-
网络连接状态	ping 8.8.8.8	正常	⏳	-
防火墙状态	ufw status	正常	⏳	-
系统时间同步	timedatectl status	同步	⏳	-

---

📊 二、性能监控检查

2.1 应用性能指标

检查项	检查方法	目标值	实际值	状态
API响应时间	Grafana Dashboard	< 200ms	⏳	-
API错误率	Grafana Dashboard	< 0.1%	⏳	-
吞吐量	Grafana Dashboard	> 500 QPS	⏳	-
数据库连接池使用率	Grafana Dashboard	< 80%	⏳	-
数据库查询时间	Grafana Dashboard	< 100ms	⏳	-
缓存命中率	Grafana Dashboard	> 80%	⏳	-
GC停顿时间	Grafana Dashboard	< 100ms	⏳	-

2.2 前端性能指标

检查项	检查方法	目标值	实际值	状态
首页加载时间	Lighthouse	< 2s	⏳	-
首屏渲染时间	Lighthouse	< 1.5s	⏳	-
JavaScript执行时间	Lighthouse	< 200ms	⏳	-
资源加载优化	Lighthouse	绿色评分	⏳	-
图片优化率	PageSpeed Insights	> 80%	⏳	-

---

🔒 三、安全合规检查

3.1 应用安全

检查项	检查方法	预期结果	实际状态	备注
API密钥安全	代码审查	前缀8位，强加密	⏳	-
输入验证	代码审查	完整验证	⏳	-
SQL注入防护	OWASP扫描	无漏洞	⏳	-
XSS防护	OWASP扫描	无漏洞	⏳	-
CSRF防护	OWASP扫描	有保护	⏳	-
文件上传安全	代码审查	类型限制+扫描	⏳	-

3.2 网络安全

检查项	检查方法	预期结果	实际状态	备注
HTTPS证书状态	curl -I https://api.example.com	有效	⏳	-
TLS配置	SSL Labs Test	A+	⏳	-
端口开放扫描	nmap -sS	只开放必要端口	⏳	-
防火墙规则	iptables -L	只允许必要流量	⏳	-
速率限制	负载测试	有效拦截	⏳	-

3.3 数据安全

检查项	检查方法	预期结果	实际状态	备注
数据库访问控制	代码审查	最小权限	⏳	-
敏感数据加密	代码审查	字段级加密	⏳	-
审计日志	日志检查	完整记录	⏳	-
数据备份加密	备份检查	加密存储	⏳	-
GDPR合规	合规审查	符合要求	⏳	-

---

🔒 四、数据安全检查

4.1 数据完整性

检查项	检查方法	预期结果	实际状态	备注
外键约束	数据库检查	完整约束	⏳	-
数据一致性	数据库脚本	一致性验证	⏳	-
事务完整性	代码审查	正确使用	⏳	-
幂等性保证	接口测试	幂等实现	⏳	-

4.2 数据备份

检查项	检查方法	预期结果	实际状态	备注
数据库备份状态	备份脚本	成功执行	⏳	-
备份文件完整性	校验脚本	完整无损坏	⏳	-
备份恢复测试	恢复测试	成功恢复	⏳	-
备份保留策略	配置检查	30天滚动	⏳	-
异地备份	备份脚本	异地安全存储	⏳	-

---

⚙️ 五、运维自动化检查

5.1 部署自动化

检查项	检查方法	预期结果	实际状态	备注
Docker配置完整性	Dockerfile检查	多环境支持	⏳	-
CI/CD流水线	GitHub Actions	完整流程	⏳	-
自动化测试	流水线检查	全量执行	⏳	-
滚动更新机制	流水线检查	自动部署	⏳	-
回滚机制	脚本测试	快速回滚	⏳	-

5.2 监控告警

检查项	检查方法	预期结果	实际状态	备注
监控配置完整性	Grafana检查	全量监控	⏳	-
告警规则覆盖	规则审查	全场景覆盖	⏳	-
告警通道测试	告警测试	多渠道通畅	⏳	-
监控数据准确性	数据校验	准确可靠	⏳	-
通知及时性	响应时间 < 5分钟	⏳	-

---

💾 六、备份恢复检查

6.1 备份策略

检查项	检查方法	预期结果	实际状态	备注
数据库备份频率	脚本检查	每日	⏳	-
配置文件备份	备份检查	每次变更	⏳	-
日志备份策略	日志配置	每日轮转	⏳	-
备份存储位置	备份检查	异地安全	⏳	-

6.2 恢复验证

检查项	检查方法	预期结果	实际状态	备注
数据库恢复测试	恢复演练	30分钟内完成	⏳	-
应用恢复测试	部署测试	10分钟内完成	⏳	-
配置恢复测试	恢复演练	5分钟内完成	⏳	-
灢复文档完整性	文档检查	详细的操作指南	⏳	-

---

📈 检查工具和脚本

7.1 自动化检查脚本

#!/bin/bash
# ops-checklist.sh - 系统健康检查脚本

echo "🦟 蚊子项目 - 运维检查开始 $(date)"
echo "=================================================="

# 1. 系统健康检查
echo "📋 1. 系统健康检查"
health_status=$(curl -s -o /dev/null -w "%{http_code}" http://localhost:8080/actuator/health)
if [ "$health_status" = "200" ]; then
    echo "✅ 应用服务: UP"
else
    echo "❌ 应用服务: DOWN ($health_status)"
fi

# 2. 数据库连接检查
db_status=$(curl -s -o /dev/null -w "%{http_code}" http://localhost:8080/actuator/health/db)
if [ "$db_status" = "200" ]; then
    echo "✅ 数据库连接: 正常"
else
    echo "❌ 数据库连接: 异常 ($db_status)"
fi

# 3. Redis连接检查
redis_status=$(curl -s -o /dev/null -w "%{http_code}" http://localhost:8080/actuator/health/redis)
if [ "$redis_status" = "200" ]; then
    echo "✅ Redis连接: 正常"
else
    echo "❌ Redis连接: 异常 ($redis_status)"
fi

echo "=================================================="

# 2. 性能检查
echo "📊 2. 性能检查"

# API性能测试
api_response_time=$(curl -o /dev/null -s -w "%{time_total}" "http://localhost:8080/api/v1/health")
echo "API响应时间: ${api_response_time}s"

# 检查缓存命中率
cache_hit_rate=$(redis-cli info | grep "keyspace_hit" | head -1)
echo "Redis缓存命中率: $cache_hit_rate"

echo "=================================================="

# 3. 安全检查
echo "🔒 3. 安全检查"

# 检查HTTPS证书
if command -v openssl &> /dev/null; then
    cert_expiry=$(openssl s_client -connect api.example.com:443 -servername api.example.com 2>/dev/null </dev/null | openssl x509 -noout -dates | grep "notAfter" | cut -d= -f2)
    echo "HTTPS证书到期时间: $cert_expiry"
fi

# 检查磁盘使用率
disk_usage=$(df -h / | awk 'NR==1 {print $5}' | sed 's/%//')
echo "磁盘使用率: $disk_usage%"

# 检查内存使用率
memory_usage=$(free | grep Mem | awk '{print ($3/$2)*100}')
echo "内存使用率: $memory_usage%"

echo "=================================================="

# 4. 备份检查
echo "💾 4. 备份检查"

# 检查最近备份时间
last_backup=$(find /backup/database -name "*.sql" -type f -mtime -1 | head -1)
if [ -n "$last_backup" ]; then
    echo "最后备份时间: $last_backup"
else
    echo "❌ 未找到备份文件"
fi

echo "=================================================="
echo "🦟 运维检查完成 $(date)"

7.2 手动检查命令

# 应用健康检查
curl -s http://localhost:8080/actuator/health | jq .

# 详细健康信息
curl -s http://localhost:8080/actuator/health/details | jq .

# 性能指标
curl -s http://localhost:8080/actuator/metrics | grep '.http_server_requests'

# 数据库连接数
psql -U postgres -h localhost -c "SELECT count(*) FROM pg_stat_activity WHERE state = 'active';"

# Redis信息
redis-cli info

# 系统资源
top -bn1 | head -20

# 磀查日志错误
tail -100 /var/log/mosquito/application.log | grep ERROR

# 检查备份状态
ls -la /backup/database/ | tail -5

---

🚨 告警和处理

8.1 告警级别定义

级别	条件	通知方式	处理时限
P0-严重	服务不可用	立即电话 + 短信	15分钟内
P1-高	性能严重下降	电话 + 邮件	30分钟内
P2-中	资源使用率高	邮件	2小时内
P3-低	预防性维护	邮件	24小时内

8.2 应急响应流程

P0-严重故障处理流程

1. 立即响应 (5分钟内)

   • 通知运维团队和产品团队
   • 启动应急响应小组
   • 评估故障影响范围

2. 快速诊断 (15分钟内)

   • 检查服务状态
   • 查看日志和监控
   • 定位故障根因

3. 应急处理 (30分钟内)

   • 执行应急恢复方案
   • 切换到备用系统（如有）
   • 发布状态更新

4. 根因分析 (2小时内)

   • 详细分析故障原因
   • 制定永久解决方案
   • 更新操作文档

5. 事后改进 (24小时内)

   • 编写事故报告
   • 完善预防措施
   • 更新检查清单

---

📋 检查频率和时间

定期检查

检查类型	频率	执行时间	负责人
每日健康检查	每日	09:00	运维团队
每周性能检查	每周一	10:00	运维团队
每月安全扫描	每月1日	安全团队
每季度灾备演练	每季度	DevOps团队

临时检查

情况	执行时机
发布前检查	每次发布前
重大变更后	变更完成后
节假日检查	长假开始前
异常事件后	事件处理后

---

✅ 检查完成确认

检查结果确认模板

🦟 蚊子项目运维检查报告
检查时间: 2026-01-21 XX:XX:XX
检查人: [运维负责人]
检查环境: [生产环境]

总体评估: [⚠️/✅] 

系统健康: [通过/失败]
性能监控: [通过/失败]  
安全合规: [通过/失败]
数据安全: [通过/失败]
运维自动化: [通过/失败]
备份恢复: [通过/失败]

发现问题:
1. [问题描述]
2. [解决方案]
3. [责任人]
4. [完成时限]

下次检查时间: 2026-01-22 09:00

---

📞 联系信息

角色	姓名	联系方式	在线时间
运维负责人	[姓名]	[电话]	7x24
安全负责人	[姓名]	[电话]	7x24
产品负责人	[姓名]	[电话]	9:00-18:00

紧急联系方式:

• 技术支持群组: [群组链接]
• 电话值班: [值班电话]
• 邮件告警: [告警邮箱]

---

清单版本: v2.0
最后更新: 2026-01-21
维护团队: DevOps团队