检测到您已登录华为云国际站账号，为了您更好的体验，建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
检测到您已登录华为云国际站账号，为了您更好的体验，建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
常见的运维流程有： 变更管理流程：适用于生产环境软、硬件的变更活动管理，减少变更导致服务意外中断或服务质量下降，确保企业的环境安全、稳定地运行，并最大化的提升系统的可用性，满足所承诺的服务水平。
设计原则如下： 路由层是系统唯一的一个共享组件，因此需要尽可能的稳定，减少修改。 避免业务逻辑，保证尽可能的稳定，减少修改。 由于爆炸半径大，需要足够轻，足够简单，但是不能太简单。 某些情况，要考虑避免路由所有调用，有助于减少延迟，并减小路由层的规模。
OPS04-02 采用持续部署模型 当部署出问题时，通过使用持续部署模型来实现尽早发现问题，减少对最终用户的影响。 金丝雀部署是持续部署的常见模型，通过一小群内部或外部用户首先部署新功能，当新版本没有问题后，陆续部署到更大的组，直到所有用户群体都运行新版本。
OPS04-04 自动化工程运维任务 在日常开发工作中，尽可能自动化一切，以减轻管理负担并最大限度地减少人为错误。为了最大限度地提高自动化投资的价值，优先考虑简单、程序化且长期的任务。应用自动化并不是一种全有或全无的策略。
2）持续导入服务可服务性、运维需求基线，实现标准化、减少例外操作，帮助服务快速上云。 3）持续提升自动化验证能力，减少手工评估，提升产品的交付与运维效率。 相关云服务和工具 COC PRR评审 父主题： OPS05 运维准备和变更管理
如果日志太多，将会成为一个负担，因为它们需要占用存储空间，并且需要花费很长时间来查找有用的信息。因此，需要对日志进行过滤和归档，以便更好地管理它们。 设计建议 可参考LTS最佳实践 父主题： OPS06 可观测性体系
定义关键指标与阈值并监控 日志统计监控 监控到异常后发送消息通知 监控数据存储和分析 端到端跟踪请求消息 RES08 您如何减少依赖影响？ 减少强依赖项 依赖采用松耦合 减少被依赖项故障的影响 RES09 您如何进行重试？
华为云中网络高可用主要涉及三个场景： 公有云网络：构建应用系统相关的公网网络连接的高可用，可减少由于网络连接中断而导致的业务中断。
自动化测试和验证：验证变更的正确性以及性能、可靠性影响，减少人工测试的错误和延迟。 监控和审计变更过程：追踪和记录变更执行情况，及时发现和解决问题，提供透明度和可追溯性。
修改用户个人空间的行为（如系统或应用配置变更、下载软件、对用户系统或软件升级），须得到用户的同意。 对未成年人提供服务或收集了包含年龄信息的个人信息时，需要实现从未成年人的监护人处获取同意的功能。 数据控制者应提供对用户的同意和撤销同意行为进行记录的机制。
SEC05 运行环境安全 SEC05-01 云服务安全配置 SEC05-02 实施漏洞管理 SEC05-03 减少资源的攻击面 SEC05-04 密钥安全管理 SEC05-05 证书安全管理 SEC05-06 使用托管云服务 父主题： 基础设施安全
RES15 升级不中断业务 软件版本在重新部署或升级过程中，需要尽可能避免业务中断，减少业务影响。 RES15-01 自动化部署和升级 RES15-02 自动化检查 RES15-03 自动化回滚 RES15-04 灰度部署和升级 父主题： 变更防差错
RES08 依赖减少与降级 RES09 故障重试 RES10 故障隔离 RES11 可靠性测试 RES12 应急恢复处理 父主题： 韧性支柱
故障数量相比上年减少数量：本年度故障数量相比上年度减少多少。 相关云服务和工具 MAS 混沌工程 COC 故障演练 父主题： OPS03 完备的测试验证体系
声明性定义文件还有助于减少维护命令式代码（例如部署脚本）的技术债务，这些技术债务会随着时间的推移而增加。 使用云平台工具和其他经过行业验证、集成到平台中的工具：云平台提供的工具可以使 IaC 的部署变得简单直接。利用这些工具而不是开发自己的解决方案。
韧性支柱结合了华为公司韧性设计经验和业界最佳实践，总结并提炼出一系列设计原则与最佳实践，用以帮助企业利用华为云平台基础设施达到高可用、面向各种故障场景进行韧性设计，并具备一定的灾备能力；同时通过规范化变更、部署及应急恢复等处理流程，减少业务中断时长，提升可用性。
当使用serverless构建 Web 服务时，冷启动和Web服务初始化时间一共超过了5秒钟，那么无疑将会使用户体验大打折扣，因此设法减少冷启动时间，提高终端用户的使用体验，是构建无服务器架构时亟待解决的问题。
基于故障本身打造分布式系统韧性，持续提升软件质量，增强团队对软件生产运行的信心，减少业务运行中出现类似问题。 为了保证测试的有效性，测试环境需要与生产环境保持一致。
在进行应急恢复处理时，通常需要尽快缓解或恢复业务，快速结束业务中断对客户的影响，然后再启动问题定位和修复处理流程，以减少业务中断时间。 组织协调：故障发生后，应急恢复主席需要迅速组织相关人员快速恢复业务。
在实施过程中，更多应该将错误视为学习和改进流程的机会，这将减少不成熟的团队和管理团队对成本优化的恐惧心理。指标自身也需要不断优化，一开始可以从比较保守的目标开始推动，避免IT成本迅速下降造成的业务风险。而后不断迭代预算分配、IT 支出和预测，不断优化这些指标。
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
