自助运维：让脚本值班，让人做判断

巡检分两层：自动打底，人工复核

自动层（每小时）：可用性探测、首页响应时间、证书有效期、磁盘用量。用平台自带监控或免费的拨测服务都行，四项指标全配，异常推送到手机。

人工层（每周 30 分钟）：看一遍自动巡检的趋势图、抽查 3 个页面内容显示、过一遍后台操作日志。自动巡检告诉你「挂没挂」，人工复核告诉你「好不好」——两者不可互相替代。

自动巡检的四个阈值

• 可用性：每 5 分钟探测一次，连续 3 次失败触发 P0。
• 响应时间：首页超 3 秒预警，连续 3 次超 5 秒升级 P1。
• 证书：到期前 14 天预警，前 7 天升级 P1。
• 磁盘：80% 预警，90% 升级——自助平台超容量的处理手段有限，提前量要留够。

每周 30 分钟复核什么

1. 看趋势图：响应时间和流量是否同步——流量涨响应也涨，说明快到档位上限了。
2. 抽查页面：随机点 3 个页面，在手机上完整看一遍。
3. 过操作日志：确认没有异常时段的陌生登录。
4. 清积压：垃圾评论、过期内容、闲置成员，一次清完。

四件事做完刚好半小时，多一分钟都是浪费。

告警分级：不是所有异常都值得爬起来

分级的目的省人力：P2 类告警攒到每周复核一起看，不为每个小波动打断一次。自助运维的精髓就是「低频高质」。

巡检数据怎么用

每月看一次趋势：响应时间是否持续变慢（该优化图片或升套餐了，升档判断见套餐与升级）、访问量与资源用量是否匹配。巡检数据同时是和服务商沟通的凭据——拿着曲线图去提工单，比口头描述快一倍。数据至少留存 90 天，才有「趋势」可言。

自助运维的边界

平台侧的故障（机房、底层服务）自助做不了，只能等平台修——这时候比的是工单响应速度，选平台时就要问清 SLA。自己能控的：内容质量、配置正确性、密钥安全。分清这两类，出问题才不会病急乱投医。上线初 48 小时的强化巡查见上线检查清单，接入期的配置基础见API 与接入配置。