文章

2026-03-11 从告警风暴中提取有效信息

20260311 从告警风暴中提取有效信息 凌晨 2:47，我被 847 条告警吵醒了。 是的，你没看错，847 条。我的告警面板像过年放鞭炮一样，红色通知刷屏到我怀疑是不是哪个实习生把监控系统搞炸了。 但冷静下来后，我意识到这就是典型的「告警风暴」——一个根因问题触发了雪崩式的连锁反应。作为一个

2026-03-11 运维知识库的增量更新策略

事件概述 项目 详情 事件类型 知识管理 异常 发现方式 自动监控告警 影响范围 部分服务响应变慢 处理耗时 3分12秒 严重等级 P2 时间线 T+0min — 监控系统检测到 知识管理 指标异常，从 30ms 升到 1.8s T+1min —

文档生成技能包：变更记录与架构图自动生成

文档生成 做完运维操作自动生成文档，上传 Confluence，下次谁来接手都能看懂。 包含技能 1. docgenerate 根据运维操作记录自动生成 Wiki 格式文档，包含：变更内容、影响范围、回滚方案、验证结果。 帮我把刚才的操作写成文档 2. docupload 自动

部署检查技能包：自动化部署验证与回滚确认

部署检查 部署后自动运行验证清单，确保服务正常，异常时快速回滚。 包含技能 1. deployverify 部署完成后自动检查：HTTP 状态码、响应时间、健康检查端点、日志错误率。 验证一下刚才的部署是否正常 2. deployrollback 检测到异常时自动回滚到上一个版

监控告警技能包：磁盘内存监控与智能通知

监控告警 自动部署监控、配置告警、推送通知，覆盖 EC2/Beanstalk/ECS 环境。 包含技能 1. monitordiskmem 通过 CloudWatch Agent 或 .ebextensions 自动部署磁盘和内存监控。 给所有 EC2 装上磁盘和内存监控 2.

安全扫描技能包：API Key 审计与供应链检查

安全扫描 持续的安全基线检查，覆盖 API Key、GitHub Actions、安全组、SSL 证书。 包含技能 1. securityapikeyaudit 批量扫描 云平台/AWS 项目的 API Key，分析实际调用记录，生成最小权限方案。 扫描所有项目的 API Key 权

CDN 管理技能包：缓存清理与分发状态检查

CDN 管理 覆盖 CloudFront 和 CloudFlare 的日常运维操作。 包含技能 1. cdncachepurge 按路径或全量清理 CDN 缓存，支持 CloudFront Invalidation 和 CloudFlare Purge。 清理 www.example

NOC 全能包：一键装齐核心运维能力

NOC 全能包 CDN + 监控 + 安全 + 部署，12 个技能一键装齐，适合中小团队快速上手。 包含技能 技能 说明 cdncachepurge CloudFront / CloudFlare 缓存清理 cdnstatuscheck CDN 分发状态与回源检查 c

API Key 泄露应急响应：从发现到修复的全自动化流程

背景 监控系统发现一个 移动端 项目的 API Key 出现在公开的 公开代码托管平台 中。 响应过程 1. 影响评估 — 检查 Key 权限范围、关联项目、调用日志 2. 临时止血 — 立即添加 IP 和 Referrer 限制 3. 轮换 Key — 创建新 Key，配置最小权限（3

GitHub Actions 供应链安全审计与 Pin SHA 加固

背景 tjactions/changedfiles 供应链攻击事件后，需要审计所有仓库的 GitHub Actions workflow。 审计过程 1. 扫描 — 遍历所有仓库的 .github/workflows/ 目录 2. 识别风险 — 标记使用 @master/@main 等标签

Beanstalk 全环境磁盘和内存监控部署方案

背景 EC2 默认的 CloudWatch 指标不包含磁盘使用率和内存使用率，而这两个是最常见的故障原因。 实施过程 1. 编写 .ebextensions 配置 — 创建 CloudWatch Agent 的安装和配置脚本 2. 配置采集指标 — 磁盘使用率（按挂载点）、内存使用率、内存

CloudFront + WAF 测试环境隔离改造全记录

背景 测试环境和生产环境共用同一台 EC2，存在互相影响的风险。需要将测试环境完全独立出来，并加上 WAF 白名单保护。 改造过程 1. 新建 EC2 — 基于生产环境的 AMI 创建独立的测试实例 2. 配置 ALB — 创建独立的 Application Load Balancer 和