🧩 系统稳定性治理
从入门到专家
⭐ 30章 · 完整知识体系 · 友好色系
📚 共30课
第1章
系统稳定性概述
什么是系统稳定性
为什么需要稳定性治理
核心理念与目标
第2章
故障模式与影响分析
常见故障类型 (硬件/软件/网络/人为)
故障影响评估方法
FMEA基础
第3章
可观测性基石：日志
日志规范与最佳实践
结构化日志
日志采集与存储
第4章
可观测性基石：指标
指标体系设计
黄金指标 (USE/RED)
Prometheus基础
第5章
可观测性基石：链路追踪
链路追踪原理
OpenTelemetry入门
分布式追踪实践
第6章
监控系统设计
监控分层架构
告警规则设计
告警风暴治理
第7章
容量规划与压测
容量评估方法
全链路压测设计
JMeter/Locust实战
第8章
高可用架构设计
冗余设计
负载均衡
故障转移 · 异地多活
第9章
限流与降级
限流算法 (令牌桶/漏桶)
分布式限流
服务降级 · 熔断器 (Hystrix/Sentinel)
第10章
流量调度与灰度发布
DNS流量调度 · 网关路由
蓝绿/金丝雀发布
A/B测试
第11章
缓存策略与一致性
缓存穿透/击穿/雪崩
本地缓存 & Redis
缓存一致性方案
第12章
数据库稳定性
慢查询治理 · 连接池
读写分离 · 分库分表
备份与恢复
第13章
消息队列稳定性
消息丢失/重复消费
消息积压处理
Kafka/RocketMQ高可用
第14章
容器化 & K8s稳定性
Pod健康检查 · 资源QoS
HPA自动伸缩
集群故障排查
第15章
混沌工程入门
混沌工程原则
实验设计 · ChaosBlade/Litmus
故障注入实战
第16章
变更管理
变更风险评估
流程规范 · 灰度策略
变更回滚机制
第17章
应急预案与故障响应
故障分级 · MTTR
应急响应流程
故障止损 · 复盘改进
第18章
SLA/SLO/SLI体系
定义与区别
SLO制定 · 错误预算
SLO告警
第19章
稳定性文化建设
Ops与DevOps协作
稳定性责任制
故障演练 · 知识沉淀
第20章
容量与成本优化
资源利用率分析
弹性伸缩 · Spot实例
成本控制最佳实践
第21章
安全稳定性
DDoS防护 · WAF策略
身份认证与权限
安全漏洞应急响应
第22章
网络稳定性
DNS解析优化 · CDN
TCP调优
BGP多线接入
第23章
存储稳定性
分布式存储 (Ceph/MinIO)
数据一致性校验
数据迁移与容灾
第24章
大数据平台稳定性
Hadoop/Spark调优
任务调度稳定性
数据倾斜治理
第25章
AI/ML系统稳定性
模型服务高可用
特征工程稳定性
模型漂移 · GPU资源
第26章
稳定性治理工具链
Prometheus/Grafana
ELK/Loki · 日志平台
Alertmanager/PagerDuty
第27章
稳定性治理自动化
自动化巡检 · 故障自愈
ChatOps实践
AIOps入门
第28章
稳定性治理度量
MTBF/MTTR/MTTF
可用性计算 · 评分卡
治理效果评估
第29章
行业案例剖析
Google SRE · Netflix Chaos Monkey
金融行业稳定性要求
大型互联网实践
第30章
稳定性治理未来趋势
服务网格 · eBPF可观测性
FinOps与稳定性
AI驱动稳定性