TDSQL 运维 Checklist

日常运维 Checklist

每日检查项目

实例状态检查

[ ] 检查所有实例状态是否为"运行中"
[ ] 检查主从复制状态是否正常，复制延迟是否在合理范围内（< 30秒）
[ ] 检查只读实例同步状态
[ ] 检查分布式实例各分片状态

硬件资源监控

[ ] 检查 CPU 使用率，确保不超过 80%
[ ] 检查内存使用率，确保不超过 85%
[ ] 检查磁盘空间使用率，确保不超过 80%
[ ] 检查磁盘 I/O 利用率，确保不超过 80%
[ ] 检查网络带宽使用率，确保不超过 80%

数据库性能监控

[ ] 检查 QPS/TPS 变化趋势，是否有异常波动
[ ] 检查慢查询数量，是否有新增的慢查询
[ ] 检查连接数，确保不超过最大连接数的 80%
[ ] 检查锁等待时间和死锁数量
[ ] 检查事务执行情况，是否有长时间运行的事务

告警检查

[ ] 查看当日所有告警信息
[ ] 确认所有告警已处理或正在处理
[ ] 记录告警原因和处理方法

备份检查

[ ] 检查每日自动备份是否成功
[ ] 确认备份文件大小和数量是否正常
[ ] 检查备份存储状态

每小时检查项目

实时监控

[ ] 监控 CPU、内存、磁盘 I/O 等关键指标
[ ] 监控 QPS/TPS 实时变化
[ ] 检查慢查询实时情况
[ ] 关注实时告警信息

业务健康度

[ ] 检查业务响应时间是否正常
[ ] 确认业务功能是否正常
[ ] 关注业务投诉或反馈

定期检查 Checklist

每周检查项目

数据库结构检查

[ ] 检查表碎片情况，清理超过 30% 碎片的表
[ ] 检查索引使用情况，删除无用索引
[ ] 检查表空间增长情况
[ ] 检查分区表状态

性能优化

[ ] 分析慢查询日志，优化排名前 10 的慢查询
[ ] 更新统计信息
[ ] 检查执行计划是否异常

安全检查

[ ] 检查用户权限，确保符合最小权限原则
[ ] 检查 IP 访问白名单，移除不必要的 IP
[ ] 检查审计日志，关注异常操作
[ ] 检查 SSL/TLS 配置是否正常

备份验证

[ ] 随机抽取一个备份文件进行恢复测试
[ ] 验证恢复后的数据完整性
[ ] 记录恢复时间

监控配置检查

[ ] 检查监控告警规则是否合理
[ ] 确认所有关键指标都已配置监控
[ ] 检查告警通知方式是否正常

每月检查项目

系统配置检查

[ ] 检查操作系统参数配置
[ ] 检查数据库参数配置，根据业务变化进行调整
[ ] 检查网络配置
[ ] 检查防火墙规则

容量规划

[ ] 分析数据增长趋势，预测未来 3-6 个月的存储需求
[ ] 分析性能增长趋势，预测未来 3-6 个月的计算资源需求
[ ] 评估是否需要扩容或升级实例规格

安全审计

[ ] 进行漏洞扫描
[ ] 检查安全补丁是否已安装
[ ] 检查敏感数据保护措施
[ ] 审查访问日志，查找异常访问

备份策略调整

[ ] 评估当前备份策略是否合理
[ ] 根据数据增长情况调整备份频率和保留时间
[ ] 检查备份存储成本，优化存储策略

文档更新

[ ] 更新数据库架构文档
[ ] 更新运维手册
[ ] 更新应急预案
[ ] 整理常见问题和解决方案

每季度检查项目

全面性能评估

[ ] 进行全量性能测试
[ ] 分析性能瓶颈
[ ] 制定性能优化计划

容灾演练

[ ] 执行主从切换演练
[ ] 执行跨可用区切换演练
[ ] 执行数据恢复演练
[ ] 记录演练过程和结果，更新应急预案

架构评审

[ ] 评审数据库架构是否满足业务需求
[ ] 评估架构扩展性
[ ] 评估架构高可用性
[ ] 提出架构优化建议

知识分享

[ ] 组织团队内部技术分享
[ ] 整理季度运维工作总结
[ ] 分享典型故障案例和解决方案

每年检查项目

全面安全评估

[ ] 进行渗透测试
[ ] 全面审查安全策略
[ ] 更新安全管理制度
[ ] 组织安全培训

变更管理 Checklist

变更前检查

变更计划准备

[ ] 明确变更目的和范围
[ ] 制定详细的变更步骤
[ ] 评估变更风险和影响范围
[ ] 制定回滚计划
[ ] 确定变更时间窗口
[ ] 通知相关人员和团队

变更测试

[ ] 在测试环境进行充分测试
[ ] 验证变更效果
[ ] 验证回滚计划有效性
[ ] 记录测试结果

变更审批

[ ] 提交变更申请
[ ] 获取相关人员审批
[ ] 确认变更时间和人员

变更中检查

变更执行

[ ] 按照变更计划执行变更
[ ] 执行过程中实时监控系统状态
[ ] 记录变更执行时间和步骤
[ ] 遇到问题及时执行回滚计划

变更验证

[ ] 验证变更效果是否符合预期
[ ] 检查系统状态是否正常
[ ] 检查业务功能是否正常
[ ] 监控性能指标是否正常

变更后检查

后续监控

[ ] 变更后 24 小时内加强监控
[ ] 关注系统性能变化
[ ] 关注业务反馈

故障处理 Checklist

故障发现与响应

[ ] 确认故障现象和影响范围
[ ] 记录故障发生时间和初步症状
[ ] 通知相关人员和团队
[ ] 启动故障处理应急预案

故障定位与分析

[ ] 收集故障相关信息（日志、监控数据等）
[ ] 分析故障原因
[ ] 定位故障点
[ ] 评估故障严重程度

故障处理与恢复

[ ] 执行故障处理方案
[ ] 实时监控处理过程
[ ] 验证故障是否解决
[ ] 恢复业务服务

备份与恢复 Checklist

备份配置检查

[ ] 确认自动备份策略是否正确配置
[ ] 检查备份保留时间是否合理
[ ] 检查备份存储位置是否安全可靠
[ ] 确认备份加密设置

备份执行检查

[ ] 检查每日自动备份是否成功
[ ] 检查手动备份是否按计划执行
[ ] 确认备份文件完整性
[ ] 检查备份文件大小是否正常

恢复测试检查

[ ] 定期执行恢复测试（至少每月一次）
[ ] 验证恢复后数据完整性
[ ] 记录恢复时间
[ ] 评估恢复效率
[ ] 更新恢复流程和文档

安全管理 Checklist

访问控制

[ ] 使用最小权限原则分配用户权限
[ ] 定期审查和清理无用用户和权限
[ ] 限制 IP 访问范围
[ ] 定期更换数据库密码
[ ] 禁用或删除默认用户

数据保护

[ ] 开启数据传输加密（SSL/TLS）
[ ] 开启数据静态加密
[ ] 敏感数据字段加密存储
[ ] 实施数据脱敏策略
[ ] 定期备份数据，确保数据可恢复

安全审计

[ ] 开启审计日志
[ ] 定期审查审计日志，关注异常操作
[ ] 保存审计日志至少 90 天
[ ] 定期进行安全审计

漏洞管理

[ ] 定期进行漏洞扫描
[ ] 及时安装安全补丁
[ ] 关注数据库厂商发布的安全公告
[ ] 定期更新数据库版本

性能优化 Checklist

数据库结构优化

[ ] 设计合理的表结构
[ ] 创建必要的索引
[ ] 优化索引使用
[ ] 定期清理无用数据和索引
[ ] 合理使用分区表

SQL 语句优化

[ ] 优化慢查询语句
[ ] 避免全表扫描
[ ] 优化 JOIN 操作
[ ] 合理使用子查询
[ ] 避免在查询中使用函数

参数调优

[ ] 根据业务特点调整数据库参数
[ ] 优化缓冲区配置
[ ] 调整连接数参数
[ ] 优化日志刷新策略
[ ] 调整锁相关参数

架构优化

[ ] 采用读写分离架构
[ ] 实施分库分表
[ ] 增加缓存层
[ ] 优化数据分布
[ ] 采用多可用区部署

工具与自动化 Checklist

运维工具管理

[ ] 维护常用运维工具列表
[ ] 确保工具版本最新
[ ] 定期测试工具功能
[ ] 培训团队成员使用工具

自动化脚本管理

[ ] 维护常用自动化脚本库
[ ] 定期更新和优化脚本
[ ] 测试脚本功能
[ ] 文档化脚本使用方法

监控与告警自动化

[ ] 配置自动化监控规则
[ ] 配置自动化告警通知
[ ] 实现自动化故障检测
[ ] 考虑实现自动化故障恢复

常见问题（FAQ）

Q1: 如何使用运维 Checklist 提高运维效率？

A1: 使用运维 Checklist 提高运维效率的方法包括：

将 Checklist 整合到日常工作流程中，形成习惯
使用自动化工具执行部分检查项目
根据实际情况调整 Checklist 内容
定期回顾和优化 Checklist
团队成员共享和更新 Checklist

Q2: 如何确保 Checklist 的执行效果？

A2: 确保 Checklist 执行效果的方法包括：

明确责任人和执行时间
记录执行结果，便于跟踪和审计
定期检查 Checklist 执行情况
对未执行或执行不到位的项目进行跟进
建立奖惩机制，激励团队成员严格执行

Q3: 如何根据业务特点调整 Checklist？

A3: 根据业务特点调整 Checklist 的方法包括：

分析业务的重要性和敏感度
根据业务负载调整检查频率
根据业务类型调整检查重点
结合历史故障情况调整检查项目
定期评估 Checklist 的适用性，进行必要的调整

Q4: 如何将 Checklist 与自动化工具结合使用？

A4: 将 Checklist 与自动化工具结合使用的方法包括：

识别可以自动化的检查项目
选择合适的自动化工具
将自动化工具的输出与 Checklist 结合
定期验证自动化工具的准确性
对无法自动化的项目继续人工执行

Q5: 如何确保 Checklist 的持续更新和优化？

A5: 确保 Checklist 持续更新和优化的方法包括：

定期回顾 Checklist 的执行情况
结合新的技术和工具更新 Checklist
根据业务变化调整 Checklist
结合故障案例和经验教训更新 Checklist
鼓励团队成员提出改进建议

Q6: 如何使用 Checklist 进行团队协作？

A6: 使用 Checklist 进行团队协作的方法包括：

共享 Checklist 给所有团队成员
明确团队成员的职责和分工
使用协作工具跟踪 Checklist 的执行情况
定期召开会议讨论 Checklist 的执行情况
建立团队共享的 Checklist 知识库