SuperAPI AI 工具集

sre-runbooks

通用与其它

查看项目

更新于 10-16 03:41

技能介绍

用途:为生产环境可靠性运维提供可复用的模板与实践指南,覆盖值班流程、事件响应、事后复盘、容量规划与混沌工程。

主要能力:提供 SLI/SLO 定义模板(含可用性、延迟指标与 PromQL 查询示例、错误预算策略分级);值班手册(轮值结构、响应时限、交接模板、升级矩阵);基础设施运行手册,针对节点高 CPU、Pod CrashLoopBackOff、数据库连接池耗尽、证书过期、Kubernetes 节点 NotReady 给出症状、告警、诊断命令、缓解与验证步骤;无责事后复盘模板(时间线、5 Whys、行动项表);容量规划模板;混沌工程实验模板与常见实验表;减少 toil 的识别与自动化优先级框架。

使用方式:按需复制对应模板,替换服务名、阈值与负责人;诊断步骤中保留原样命令,如 kubectl top pods --all-namespaces --sort-by=cpu | head -20、kubectl describe pod POD -n NAMESPACE | tail -30、kubectl logs POD -n NAMESPACE --previous、kubectl drain NODE_NAME --ignore-daemonsets --delete-emptydir-data,以及 PostgreSQL 查询 SELECT count(*), state FROM pg_stat_activity GROUP BY state; 等。

适用场景:SRE/运维团队建立值班与事件响应规范、编写运行手册、开展复盘与容量评估、规划混沌实验。

限制:资料未提供具体工具版本、平台绑定、收费或价格信息;部分命令依赖 Kubernetes、cert-manager、Karpenter、PgBouncer 等环境,需按实际环境调整;模板中的阈值与时限为示例,非通用标准。