拉卡拉开放平台

巡检的目的不是走流程，而是在问题扩大之前发现它。一份好用的巡检清单，应当每一项都能回答一个具体问题。

每日巡检

每周巡检

1. 差异趋势：本周各类差异的数量变化；
2. 慢请求比例：是否有上升趋势；
3. 凭证状态：距离到期还有多长时间；
4. 依赖状况：外部依赖是否有异常记录。

第三项尤其重要：凭证到期是少数能提前预知的问题，没理由让它变成突发状况。

每月巡检

• 容量评估：当前量级距离上限还有多少空间；
• 文档回顾：内部说明是否仍与实际一致；
• 演练回顾：兜底方案最近是否演练过；
• 权限复查：访问与操作权限是否仍合理。

巡检结果必须记录

没有记录的巡检，等于没有巡检——因为无法回答「上一次是什么时候、结果如何」。

记录可以很简单：日期、检查项、结果、处理动作。关键是持续。

异常时的处理

清单要定期修订

业务会变，清单也应随之调整。建议每季回顾一次，删掉已经不适用的项，补上新增的风险点。

一个可量化的收益

坚持巡检一段时间后，会发现一类变化：问题从「用户反馈后才知道」，变成「巡检时发现」。这个转变对资金类系统来说，价值难以估量。

巡检项的选择原则

巡检项不是越多越好，每加一项都要能回答：它异常时我要做什么？如果答案是不知道，这一项就不该放进来。

自动化能替代多少

能自动的尽量自动，人工精力留给无法自动的部分。

巡检与告警的关系

告警处理的是突发状况，巡检处理的是缓慢变化。两者互补：告警管急性问题，巡检管慢性问题。

只做告警不做巡检，会漏掉那些缓慢恶化、尚未突破阈值的问题。

让巡检真正发生

1. 固定时间：写进日程，而不是想起来才做；
2. 固定责任人：明确谁来做；
3. 固定记录位置：结果有地方可查。

三固定做到，巡检才会从口号变成习惯。

巡检的价值在于把问题从突发变成可预期。同样是解决问题，提前发现与事后补救的代价往往相差一个数量级。

把巡检做扎实，团队会从被动应对转向主动预防，这是运维工作里最有价值的一次转变。

巡检记录积累一年之后，会成为团队最实用的故障手册。

巡检清单本身也值得版本化管理：每次修订都记录原因，日后回看能清楚看出关注点是如何变化的。

巡检这件事，做一次不难，难的是一直做下去。