这是 Beta 探索课程，内容结构、实验步骤和示例可能会继续调整。
服务健康检查
场景
多服务器运行后，偶尔有服务挂掉。
问题：
- 某个应用服务器进程崩溃
- 某个数据库连接池耗尽
- 某个 Redis 实例内存溢出
- 人工发现和恢复太慢
解决方案：健康检查
1. 健康检查端点
设计流程
1. 健康检查端点
- 步骤 1：检查健康状态并触发告警
- 步骤 2：刷新上游健康检查结果和路由配置
- 步骤 3：失败重试、熔断或降级
- 步骤 4：采集健康状态并触发告警
关注点：实例健康、转发策略、故障摘除和扩容验证。
2. 自动重启脚本
设计流程
2. 自动重启脚本
- 步骤 1：检查健康状态并触发告警
- 步骤 2：准备健康指标、阈值、兜底方案和恢复步骤
- 步骤 3：确认恢复状态、告警收敛和用户影响范围
- 步骤 4：确认恢复状态、告警收敛和用户影响范围
关注点：故障隔离、恢复路径、用户影响和告警收敛。
3. Systemd 服务配置
设计流程
3. Systemd 服务配置：运行配置
- 步骤 1：识别故障信号、受影响服务和降级边界
- 步骤 2：根据失败率、超时和依赖状态选择保护策略
- 步骤 3：返回降级或恢复结果，并记录告警和影响范围
关注点：故障隔离、恢复路径、用户影响和告警收敛。
4. 进程管理
设计流程
4. 进程管理
- 步骤 1：检查健康状态并触发告警
- 步骤 2：计算用量、账单或套餐状态
- 步骤 3：采集健康状态并触发告警
关注点：故障隔离、恢复路径、用户影响和告警收敛。
监控告警
设计流程
监控告警
- 步骤 1：检查健康状态并触发告警
- 步骤 2：检查健康状态并触发告警
- 步骤 3：写入队列并异步消费
- 步骤 4：采集健康状态并触发告警
关注点：故障隔离、恢复路径、用户影响和告警收敛。