用途
本技能用于运营全栈系统，提供实用的可观测性、发布安全控制、事故准备和回滚纪律。适用于以下场景：
- 发布高风险的全栈变更
- 改进生产就绪度和事故恢复能力
- 标准化发布与回滚实践
工作流程
- 为用户关键路径定义服务级别指标（SLI）和目标（SLO）。
- 为前端和后端埋点，覆盖日志、指标、追踪和业务事件。
- 构建与客户影响挂钩的仪表盘和告警，而非基础设施噪音。
- 设计发布策略（功能开关、金丝雀、影子、分阶段流量切换）。
- 定义回滚触发条件、负责人和沟通协议。
- 执行发布后验证并记录经验教训。
可观测性基线
- 从浏览器到后端服务图的相关性ID（Correlation ID）传播
- 按面向用户的严重程度和可恢复性进行错误分类
- 每个端点及关键页面交互的延迟百分位数
- 异步管道的队列深度和重试指标
- 值班响应者的告警路由和升级路径
必需检查
- 功能开关具有默认回退和终止开关（kill switch）
- 数据库变更与先前应用版本向后兼容
- 依赖故障时健康检查和就绪探针仍准确
- 回滚计划包含数据完整性考量
决策框架
- 在用户旅程（结账、登录、搜索）上定义SLI，而不仅是服务器CPU。
- 将相关性ID从浏览器传播经BFF到所有下游服务。
- 根据爆炸半径和回滚速度选择发布机制（金丝雀、蓝绿、功能开关）。
- 在部署开始前，基于SLO燃烧、错误预算或业务KPI回归设定回滚触发条件。
常见合理化与反驳
- “监控基础设施就够了。” —— 基础设施指标会遗漏用户可见的故障；应针对用户旅程SLI进行埋点。
- “测试通过就周五部署。” —— 发布工程包括回滚就绪和值班覆盖，而不仅仅是测试。
- “回滚就是重新部署上一个标签。” —— 数据迁移和功能开关可能阻碍简单的重新部署；应记录完整的回滚路径。
证据包
- 链接到仪表盘和告警路由的SLI/SLO定义
- 从UI操作到后端服务图的相关性ID追踪捕获
- 包含触发阈值和回滚步骤的发布运行手册
- 在定义窗口内的发布后验证清单结果
退出标准
- 团队能够快速检测、分诊并从回归中恢复
- 发布可度量、可回滚、低风险
- 运行时行为的运营归属明确
限制
关于本技能的具体安装方式、支持的平台、收费模式、价格或实际效果，资料中暂未提供。