01
故障自愈概述
什么是故障自愈 · 自愈体系的价值 · 自愈与监控的关系 · 成熟度模型
基础概念
02
故障发现机制
告警风暴治理 · 告警收敛策略 · 阈值检测 · AI异常检测
监控告警
03
故障诊断与定位
根因分析(RCA) · 日志分析 · 链路追踪 · 指标关联
诊断RCA
04
自动化恢复策略
自愈动作编排 · 回滚机制 · 灰度恢复 · 熔断限流
恢复策略
05
自愈脚本与工具链
Python自愈脚本 · Ansible · Kubernetes · ChatOps
自动化工具
06
自愈体系架构设计
分层自愈架构 · 闭环控制 · 事件驱动 · 平台设计
架构设计
07
数据库自愈实践
MySQL主从切换 · Redis哨兵 · MongoDB副本集 · 备份自动化
数据库高可用
08
中间件自愈实践
Kafka重平衡 · RabbitMQ恢复 · Nginx健康检查 · ES分片
中间件自愈
09
应用层自愈实践
微服务健康检查 · 容器重启 · 优雅上下线 · 流量降级
应用K8s
10
基础设施自愈实践
硬件故障预测 · 磁盘迁移 · 网络冗余 · DNS切换
基础设施硬件
11
自愈剧本(Playbook)设计
剧本生命周期 · 原子动作 · 条件分支 · 超时重试
编排Playbook
12
混沌工程与自愈验证
混沌工程原则 · ChaosBlade/Litmus · 覆盖率评估 · 红蓝对抗
混沌测试
13
告警与自愈联动
告警分级映射 · 自动触发自愈 · 静默抑制 · 闭环管理
告警联动
14
自愈策略配置中心
策略模板化 · 动态配置下发 · 版本管理 · A/B测试
配置策略
15
自愈执行引擎
任务调度 · 并发控制 · 分布式锁 · 状态机工作流
引擎调度
16
自愈结果反馈与度量
成功率统计 · MTTR优化 · 动作审计 · 报告生成
度量反馈
17
自愈安全与权限控制
最小权限 · 审批流 · 敏感操作保护 · 回滚撤销
安全权限
18
多云/混合云自愈
跨云故障切换 · 云厂商API · 资源自动伸缩 · 成本优化
多云混合云
19
自愈与AIOps
ML预测故障 · 智能根因 · 动态阈值 · 策略自动优化
AIOps智能
20
自愈体系持续演进
策略迭代 · 故障复盘 · 成熟度提升 · 团队文化
演进文化
21
案例实战一：Web全链路自愈
从DNS到应用的全链路自愈
实战Web
22
案例实战二：电商大促自愈
大促期间高可用保障
电商大促
23
案例实战三：金融核心交易自愈
金融级交易系统自愈
金融交易
24
案例实战四：游戏服务器自愈
游戏集群自愈方案
游戏集群
25
案例实战五：IoT设备自愈
物联网设备自愈实践
IoT设备
26
自愈平台开发实战一
需求分析与架构设计
平台架构
27
自愈平台开发实战二
后端API与数据库设计
后端API
28
自愈平台开发实战三
前端可视化与交互设计
前端可视化
29
自愈平台开发实战四
集成测试与部署上线
测试部署
30
课程总结与未来展望
全景回顾 · SRE最佳实践 · AIOps未来 · 职业发展
总结展望