圣诞节到元旦这两周,你的团队在休假,买家在购物——站点恰好在最没人盯的时候承受全年最高的流量。停机一小时,损失的不只是订单,还有假期里最贵的广告费。这篇给一份假期前的三项巡检清单,12 月 20 日前做完,假期就能睡个整觉。三项都不复杂,但每项都要"做到底"——巡检最怕的不是漏项,是每项都只做一半。

工程师在终端检查备份状态

第一项:服务器与 uptime 监控

两件事。一,确认监控告警真的能吵醒你:用 uptime 监控工具盯着首页和结账页,告警发到手机短信或即时通讯——只发邮件的告警等于没有告警,没人半夜刷邮箱。二,给服务器留出余量:看看 CPU 和内存的日常水位,假期流量按日常的两到三倍估,余量不够就提前升配——升配的钱比停机一小时亏的少得多。服务器的选型逻辑在独立站服务器怎么选那篇,升配的时机跟着流量预估走,别等出事再补。

第二项:备份——要"能恢复"的备份

大多数站点的备份是"看起来在做":备份任务显示成功,但从来没人恢复过。假期前做一次真实恢复演练:把备份拉起来,恢复到一个测试环境,确认数据完整、能跑通。三件事查清:备份频率(数据库每天、文件每周起)、备份存在哪(不能和主机同一家——主机出事,备份一起没)、恢复要多久(超过 4 小时的恢复方案,假期里等于没有)。没恢复过的备份等于没有备份,这句话每年都有人用真金白银验证一遍。还有一个容易漏的:备份要包含上传的图片和附件,很多备份方案只备数据库——数据库恢复了一半,图片全 404,站点等于残废。

手机支付成功页面与信用卡

第三项:支付与风控的"假期模式"

假期里支付通道出问题,客服不在线,订单直接流失。三件事。一,确认支付网关的余额和结算周期——有些网关节假日结算顺延,别让现金流断在节里。二,把风控规则调到"假期档":欺诈高峰在假期,但风控太紧会误杀正常订单,松紧的取舍参考旺季防欺诈三层防线那篇。三,给支付失败设置告警——失败率超过 5% 就发通知,这是站点出问题最早的信号。

最后:一份值班表比什么都重要

三项巡检做完,把值班表排出来:每天谁看一眼监控、谁处理客服、出事找谁,电话写进表里。假期运维的目标不是"不出事",是"出事能在 30 分钟内有人响应"——做到这一点,这个假期就是合格的。

一个真实的教训:挂在圣诞前夜

前年圣诞前夜,我们一个客户的站点在晚上九点打不开——查下来是主机商在节前做了机房维护,恰好撞上流量高峰。恢复用了 50 分钟,正好是当晚欧美流量最大的时段,第二天看数据,那一小时的广告费全打了水漂。自那以后我们给所有客户定了两条规矩:节前一周给主机商发一封维护计划确认邮件(要求书面回复节日期间无计划维护);监控告警直接发到两个人的手机(一个人漏看还有第二个人)。这两条不花一分钱,但比任何技术方案都管用——假期运维一半靠技术,一半靠把责任提前落到人。

大促前的技术检查如果还没做,先按大促前压力检查那篇把并发和缓存过一遍,再回来做这份假期巡检——两份清单是递进关系,不是二选一。下一步动作:把这三项排进 12 月 20 日前的日历,恢复演练留半天,练过的备份才叫备份。