互联网行业技术部工程师系统部署维护手册（正式执行版）

互联网行业技术部工程师系统部署维护手册（正式执行版）文档版本：V2025执行版适用部门：技术部、运维部、研发部、测试部、DevOps团队适用岗位：运维工程师、系统工程师、部署工程师、后端运维、DevOps工程师执行级别：全员强制执行，所有系统部署、上线、维护、变更、故障处理必须遵照本手册执行，纳入日常工作考核与安全生产合规审计。制定目的：统一互联网业务系统部署、上线、运维、变更、故障应急标准，规范操作流程、规避线上事故、保障业务7×24小时稳定运行，实现运维工作标准化、流程化、可追溯、可复盘，适配互联网高并发、快迭代、高可用业务场景。第一章总则与岗位职责规范1.1岗位核心职责系统部署维护工程师核心负责公司Web业务、APP后端、微服务、数据库、服务器、中间件、域名DNS、负载均衡、云资源的部署上线、日常维护、监控告警、变更迭代、故障排查、数据备份、安全合规、容灾保障，保障线上业务高可用、高稳定、低故障、可快速迭代。严格遵循互联网运维核心原则：不擅自操作、变更必审批、操作留痕、上线灰度、故障快速止血、事后复盘闭环。1.2核心工作准则（红线必守）1.合规操作：所有线上操作必须有工单、有审批、有记录，禁止无工单、无审批私自变更线上环境。2.灰度安全：所有版本上线、配置变更、服务重启必须遵循灰度发布原则，禁止全量暴力上线。3.数据优先：任何操作前优先保障数据安全，备份前置，禁止无备份操作数据库、磁盘清理、服务下线。4.留痕可查：部署、变更、重启、修复、巡检全部留痕，日志、工单、截图、命令记录完整归档。5.应急优先：线上故障优先止血恢复业务，再排查根因，禁止长时间排查不恢复。6.环境隔离：严格区分开发、测试、预发、生产环境，禁止跨环境操作、禁止测试代码直接上线生产。1.3环境分级标准1.开发环境：研发调试使用，允许频繁启停、迭代、调试，无高可用要求。2.测试环境：测试人员功能、性能、回归测试使用，禁止随意销毁数据。3.预发环境：模拟生产配置，用于上线前验证、回归、兼容性测试。4.生产环境：对外正式业务环境，操作权限最高、管控最严、禁止随意操作。第二章机房与服务器基础运维规范2.1机房安全操作规范1.进入机房需登记备案，严禁无关人员进入机房操作设备。2.机房内禁止堆放易燃易爆物品、私接电源、使用大功率电器，杜绝明火与高温设备。3.硬件操作必须做好防静电措施，佩戴防静电手腕带或防静电手套，防止静电击穿硬件设备。4.线缆布线整齐规范，电源线、地线与信号线间距大于30mm，光纤最小弯曲半径大于40mm，避免弯折损坏。5.闲置光模块必须安装防尘帽，所有线缆、端口、设备必须粘贴标准化标签，便于维护排查。6.禁止遮挡设备散热槽与单板槽位，保障设备通风散热正常，避免硬件过热宕机。2.2服务器日常维护规范1.开机、关机、重启、重装系统必须走运维工单，禁止私自重启生产服务器。2.定期检查服务器CPU、内存、磁盘、负载、温度、风扇状态，及时处理异常告警。3.磁盘清理必须谨慎，禁止随意删除系统目录、日志目录、数据库目录文件，清理前先备份、先确认业务无影响。4.服务器账号密码定期更新，禁止弱密码、共享账号、私自新建运维账号。5.服务器系统定时补丁更新、漏洞修复，规避系统漏洞风险。第三章系统部署标准化流程（执行版）3.1部署前置准备1.接收研发上线提测包、版本说明、更新清单、需求变更说明。2.核对版本号、功能点、修复BUG清单、影响范围，确认无遗漏内容。3.检查服务器资源：磁盘空间、内存、CPU负载、端口占用、网络连通性。4.前置备份：备份旧版本程序、配置文件、数据库数据、静态资源。5.确认上线时间窗口，优先选择业务低峰期（凌晨、午休），避开业务高峰期。6.关闭非必要定时任务，防止部署期间触发定时任务导致数据异常。3.2标准部署步骤1.上传新版本安装包至指定服务器目录，校验MD5/SHA值，确保安装包完整、无篡改。2.备份当前运行程序、配置、日志目录，保留回滚版本。3.停止对应业务服务，禁止热覆盖文件导致程序报错。4.替换程序包、更新配置文件，核对配置参数（端口、数据库地址、密钥、域名、超时时间）。5.初始化目录权限、用户组、启动脚本，确保程序正常读写运行。6.启动服务，查看启动日志，排查报错、异常、端口冲突。7.本地自测接口连通性、服务状态、端口监听。8.灰度发布：先单节点上线验证，无异常再逐步全量发布。9.配合测试、产品完成线上回归测试，确认功能正常、无新增BUG。3.3部署收尾规范1.记录部署时间、版本号、操作人、变更内容、操作命令、异常情况。2.开启监控告警，观察1小时业务指标（请求量、报错率、响应时间、CPU内存）。3.归档版本包、配置文件、部署日志、工单记录。4.同步研发、产品、测试上线完成，同步业务方更新状态。第四章线上变更与上线管控规范4.1上线变更分类1.小变更：文案修改、配置微调、静态资源更新、无代码逻辑改动。2.中变更：功能迭代、接口改动、中间件配置调整、少量代码更新。3.大变更：架构调整、数据库字段变更、数据表结构变更、服务拆分、版本大迭代、集群扩容缩容。4.2上线审批规范1.小变更：研发自测+运维审核，简易工单记录。2.中变更：产品确认+测试回归+运维主管审批。3.大变更：技术负责人审批+提前报备业务+低峰期执行+完整回滚方案。4.3上线禁止行为（红线）1.禁止无工单、无审批私自上线生产环境。2.禁止高峰期全量上线、暴力替换版本。3.禁止未备份直接修改数据库、删除数据、修改表结构。4.禁止跳过预发环境直接上线生产。5.禁止上线后不做回归、不留痕、不观察监控。第五章数据库运维与数据安全规范5.1数据库日常规范1.生产数据库禁止随意查询、删改、清空数据，所有DML、DDL操作必须工单审批。2.定时自动备份+手动增量备份，备份文件异地存储、定期校验可用性。3.禁止在生产库执行高危语句：drop、truncate、delete全表、alter批量改表。4.慢查询每日巡检，优化慢SQL、索引缺失、冗余语句，降低数据库压力。5.监控数据库连接数、QPS、TPS、锁等待、磁盘使用率，及时处理拥堵。5.2数据变更规范1.数据更新、删除、迁移必须先在测试环境验证脚本正确性。2.生产执行前全量备份对应数据表。3.采用分批执行，避免一次性锁表、拖垮数据库。4.执行后核对数据一致性、业务可用性。第六章日常巡检与监控维护规范6.1每日巡检内容1.服务器：CPU、内存、磁盘、负载、在线状态、日志报错。2.业务服务：服务存活、端口监听、接口报错率、响应耗时。3.数据库：连接数、慢查询、备份状态、磁盘空间。4.中间件：Redis、MQ、Nginx状态、堆积、命中率、连接状态。5.监控告警：处理当日所有告警，关闭无效告警，记录异常原因。6.2每周巡检内容1.服务器漏洞、系统补丁检查。2.日志清理、磁盘瘦身、无用文件清理。3.数据库索引优化、数据表碎片整理。4.云资源、带宽、流量、负载均衡状态检查。5.容灾、备份文件可用性校验。6.3监控告警处理时效标准1.严重告警（服务宕机、数据库挂掉、5xx飙升）：5分钟响应，立即止血恢复。2.一般告警（CPU高、内存高、少量报错）：30分钟内处理完毕。3.轻微告警：当日清零处理，不堆积告警。第七章故障应急处理与回滚规范7.1线上故障处理原则先恢复、后排查、再复盘。线上故障优先保证业务可用，禁止长时间定位问题不恢复服务。7.2标准故障处理流程1.告警发现：接收监控告警、用户反馈、业务报错。2.快速止血：重启服务、节点下线、流量切换、版本回滚、故障隔离。3.初步定位：查看日志、监控、接口报错、数据库状态、网络状态。4.深度排查：定位根因（代码、配置、资源、网络、第三方、数据库）。5.修复优化：解决问题、补丁修复、配置优化、资源扩容。6.复盘归档：输出故障报告、记录原因、整改方案、预防措施。7.3版本回滚规范1.上线后出现异常、报错、功能不可用，立即执行版本回滚。2.优先回滚程序版本、配置文件，再排查问题。3.回滚完成后验证业务可用性，确认故障恢复。4.记录回滚原因、时间、影响范围、整改计划。第八章中间件与网络运维规范8.1常用中间件维护标准1.Nginx：定期检查负载均衡策略、反向代理配置、证书有效期、限流配置、日志状态。2.Redis：监控内存占用、key过期、缓存穿透/击穿/雪崩、持久化状态、集群状态。3.MQ：监控消息堆积、消费异常、队列拥堵、消息丢失、重试机制。4.集群服务：检查节点状态、心跳检测、主从同步、故障节点隔离。8.2网络与域名运维规范1.定期检查域名DNS解析、证书到期时间，提前续期，避免证书过期导致网站无法访问。2.检查公网IP、端口放行、防火墙策略，禁止私自开放高危端口。3.排查网络延迟、丢包、抖动，保障业务网络稳定。第九章安全合规与运维禁忌规范9.1运维安全准则1.禁止对外泄露服务器IP、账号密码、密钥、数据库地址、源码信息。2.禁止生产服务器安装无关软件、娱乐软件、破解工具。3.禁止私自在生产环境测试命令、测试脚本、压测工具。4.禁止弱口令、通用密码、多人共用高权限账号。5.定期清理无用账号、闲置权限，最小权限原则管理运维权限。9.2高危禁止操作清单1.禁止生产环境随意执行rm-rf清理文件。2.禁止无备份删库、改表、清数据。3.禁止高峰期重启核心服务、关闭防火墙、修改路由策略。4.禁止私自扩容、缩容、下线核心集群节点。5.禁止线上压测、大流量测试、未评估性能的代码上线。第十章运维台账、考核与复盘规范10.1必须留存台账记录1.系统部署上线台账2.线上变更审批台账3.日常巡检记录台账4.故障处理与复盘台账5.数据备份与恢复台账6.权限变更、设备维护台账10.2绩效考核标准1.合规指标：无违规操作、无私自上线、无安全事故（40%）2.稳定性指标：线上故障率低、故障恢复快、无重大宕机（30%）3.过程指标：巡检完整、台账齐全、告警清零、备份有效（20%）4.优化指标：性能优