用途：在业务连续性要求严格、需要抵御区域级故障时，设计跨区域与跨云的灾难恢复方案，并配套演练与运维手册。
主要能力：按关键业务旅程定义 RTO 与 RPO；梳理依赖清单与故障切换顺序；实现备份与恢复自动化；执行可度量的故障切换演练；维护运行手册与沟通模板。
必要检查：演练是否满足 RTO/RPO 目标；恢复后数据一致性是否验证；DNS 与流量切换流程是否测试；失败切换的回滚是否记录。
决策框架：实现前先明确契约与兼容规则；依赖风险高时，每条调用路径需有超时、重试与降级策略；使用异步消息时需幂等、重放与死信处理；流量波动大时，上线前需完成负载、故障切换与扩缩容验证。
常见误区：无界重试会放大故障，应使用重试预算；跳过运行手册会拖慢事故恢复；契约的小改动也可能引发下游大面积回归。
证据包：契约兼容性说明与迁移策略（如适用）、依赖降级与恢复的故障模式测试证据、可观测性快照（延迟、错误、饱和度或队列健康）、带明确触发阈值的发布与回滚步骤。
退出标准：工作流具备已验证证据并达到生产可用；运维与安全护栏到位；发布与回滚预期已文档化。
限制：资料未提供具体云厂商、工具链、价格或平台支持范围，需结合自身环境补充。