
大促弹性入口
入口层按 QPS 峰值 8 倍预留,30 秒内完成横向扩容;观测口径固定为 1 分钟粒度 P95。
阈值:P95 ≤ 120 ms每个场景都给出可复用的观测入口与阈值,便于把「创意策划」落成「可验证参数」。建议先在预发环境复现,再进入生产灰度。

入口层按 QPS 峰值 8 倍预留,30 秒内完成横向扩容;观测口径固定为 1 分钟粒度 P95。
阈值:P95 ≤ 120 ms
主备区域双向健康探测 3 次失败触发切换,DNS TTL 预置 30 秒,回切需人工确认。
目标:RTO ≤ 5 分钟
专线双路 + 加密隧道兜底,BGP 优先本地优先;每季度做一次断链演练验证收敛。
收敛:≤ 90 秒
网格内按服务对采集 RED 指标,采样率 1%,异常链路自动打点并关联发布单。
采样:1% 全量兜底以下为一套可直接抄用的纵横网络基线,按季度复核一次,偏差超过 15% 触发复盘。
观测建议:时延取 P95 而非均值,避免长尾被平均数掩盖;丢包与重传同时看,单看丢包会漏掉链路抖动。
每张卡片给出一个可度量的落点,避免「能力很强」这类无法验收的描述。
以区域为行、可用区为列组织子网路由表,变更前先做冲突检测,避免路由环路。
验收:拓扑变更回滚 ≤ 60 秒
按权重的加权轮询配合主动探测,探测间隔 5 秒、连续 3 次失败摘除节点。
验收:节点摘除 ≤ 20 秒生效
按 1:4 预留与突发比例配置实例池,冷启动超过 30 秒的工作负载改用预热池。
验收:扩容就绪 ≤ 30 秒
东西向流量默认拒绝,按服务身份发证,令牌有效期 15 分钟并强制轮换。
验收:越权调用拦截率 100%
指标 / 日志 / 链路三合一,原始数据保留 15 天、聚合数据保留 13 个月。
验收:告警到达 ≤ 30 秒
按业务打标签归集流量成本,跨区回程流量单独计账,月度输出优化建议。
验收:出口成本下降 ≥ 12%
按顺序执行,每步都留出可验证的观测点;跳步最容易在第三步埋下时延隐患。
用表格列出「区域 × 可用区 × 子网」三列,标注每个子网的 CIDR 与用途。建议预留至少 2 个空闲网段,避免后期扩容时被迫重排路由。验收:草图评审通过后再申请资源。
同区域内跨可用区先跑 ping 与 tcpdump 采样,连续观测 30 分钟,确认 P95 ≤ 40 ms 再叠加跨区域链路。均值达标但 P95 超标时,优先查安全组与 NAT 跳数。
可用区级组合 SLA 参考 99.95%,丢包告警线设 0.1% 且连续 3 分钟触发,时延告警线设 P95 的 1.5 倍。避免只配一个总告警,否则定位要花 3 倍时间。
每季度演练一次,流程包含:冻结发布 → 摘除主区 → 验证写入 → 回切确认。目标 RTO ≤ 5 分钟,每次演练记录实际耗时并与上次对比,偏差超过 20% 需复盘。
路由与安全策略变更控制在单可用区内灰度,灰度比例从 5% 起步,观察 15 分钟无异常再放量;回滚脚本必须与变更脚本同批提交,确保 ≤ 60 秒可回退。
按业务标签归集出网流量,跨区回程单独计账;若单月成本波动超过 15%,先查是否存在绕行回程或 NAT 重复计费,再决定是否调整出口策略。
把「用户体验优化」拆成可观测的动作:先降时延,再提可用性,最后控成本。
这一阶段的目标不是扩容,而是拿到可信基线。连续 7 天采集 P95 时延、丢包率与重传率,形成一张「健康曲线」,后续任何变更都拿它与基线对比。
扩到多区域后,最容易脱节的是「调度策略」与「观测口径」。调度按权重摘除节点,观测却按均值统计,就会出现摘除已生效但曲线无变化的错觉。
覆盖算力、加速、安全与观测四个方向,可按需组合,接口以标准协议对齐。