“

系列：S12 开发者教程 · 第 19 篇 | 难度：中级 | 阅读时间：15 分钟

生产环境上线检查清单

#引言

将 coomia-dip 从开发环境迁移到生产环境，不仅仅是"换个配置"那么简单。生产环境需要考虑高可用、安全加固、性能调优、监控告警、备份恢复等方方面面。本教程提供一份全面的上线检查清单，帮助你系统性地完成生产部署准备。

#1. 基础设施检查

#1.1 硬件与资源

组件	最低配置	推荐配置	高可用配置
Control Layer	4C/8G/50G	8C/16G/100G	3 节点
Data Layer	8C/32G/200G	16C/64G/500G	3 节点
Intelligence Layer	4C/16G/50G	8C/32G/100G	2 节点
Doris FE	4C/8G/50G	8C/16G/100G	3 节点
Doris BE	8C/32G/500G	16C/64G/1T	3+ 节点
Kafka	4C/8G/200G	8C/16G/500G	3 节点
Temporal	4C/8G/50G	8C/16G/100G	3 节点

#1.2 网络

内部服务间网络延迟 < 1ms（同数据中心）
gRPC 端口（50051-50059）在服务间可达
外部 API 通过负载均衡器暴露（Nginx/Kong）
TLS 证书已配置（Let's Encrypt 或企业 CA）
DNS 记录已配置

#2. 安全加固

#2.1 认证与授权

OAuth2/OIDC Provider 已集成（Keycloak/Auth0/企业 AD）
JWT Token 签名密钥已生成并安全存储
API Token 轮换策略已制定（建议 90 天）
RBAC 角色定义完成（SuperAdmin/TenantAdmin/Developer/Viewer）
最小权限原则验证

#2.2 网络安全

所有外部通信启用 TLS 1.3
内部 gRPC 通信启用 mTLS
数据库端口不对外暴露
API Rate Limiting 已配置
CORS 策略已设置
安全 Headers 已添加（HSTS、CSP、X-Frame-Options）

#2.3 数据安全

数据库密码使用密钥管理服务（Vault/KMS）
敏感数据字段加密存储
审计日志启用（所有数据访问和修改操作）
数据分类标签已定义（公开/内部/机密/绝密）

Python

# 示例：安全配置检查脚本
from ontology_sdk import OntoPlatform

platform = OntoPlatform(base_url="https://coomia-dip.company.com", token="admin-token")

security_check = platform.admin.security_audit()
for item in security_check.items:
    status = "PASS" if item.passed else "FAIL"
    print(f"[{status}] {item.category}: {item.description}")
    if not item.passed:
        print(f"  Recommendation: {item.recommendation}")

#3. 高可用配置

#3.1 Control Layer HA

YAML

# Control Layer 高可用部署
control-Layer:
  replicas: 3
  resources:
    requests: { cpu: "4", memory: "8Gi" }
    limits: { cpu: "8", memory: "16Gi" }
  readinessProbe:
    grpc:
      port: 50051
    initialDelaySeconds: 10
    periodSeconds: 5
  livenessProbe:
    grpc:
      port: 50051
    initialDelaySeconds: 30
    periodSeconds: 10

#3.2 数据库高可用

Doris FE 部署 3 节点（1 Leader + 2 Follower）
Doris BE 部署 3+ 节点
数据副本数设置为 3
PostgreSQL（Temporal 元数据）配置主从复制

#3.3 消息队列高可用

Kafka 部署 3+ Broker
Topic 副本因子 = 3
最小 ISR = 2
acks=all 用于关键 Topic

#4. 监控与告警

#4.1 基础指标

YAML

# Prometheus 告警规则示例
groups:
  - name: coomia-dip-alerts
    rules:
      - alert: HighErrorRate
        expr: rate(grpc_server_handled_total{grpc_code!="OK"}[5m]) > 0.01
        for: 5m
        labels:
          severity: warning
        annotations:
          summary: "gRPC error rate > 1%"

      - alert: HighLatency
        expr: histogram_quantile(0.99, rate(grpc_server_handling_seconds_bucket[5m])) > 2
        for: 5m
        labels:
          severity: warning
        annotations:
          summary: "P99 latency > 2s"

      - alert: DiskSpaceWarning
        expr: (node_filesystem_avail_bytes / node_filesystem_size_bytes) < 0.2
        for: 10m
        labels:
          severity: critical
        annotations:
          summary: "Disk space < 20%"

#4.2 业务指标

#4.3 日志管理

结构化日志（JSON 格式）
日志聚合（ELK/Loki）
日志保留策略（建议 30 天热存储 + 1 年冷存储）
敏感信息脱敏

#5. 备份与恢复

#5.1 备份策略

数据	频率	保留时间	方式
Doris 数据	每日全量 + 实时增量	30 天	Doris Backup
Ontology Schema	每次变更	永久	Git 版本控制
Kafka 数据	实时（Topic 副本）	7 天	Kafka 内建
Temporal 历史	每日	90 天	PostgreSQL pg_dump
配置文件	每次变更	永久	Git/ConfigMap

#5.2 恢复演练

Python

# 备份验证脚本
async def verify_backup():
    # 1. 检查最新备份时间
    backup = platform.admin.get_latest_backup()
    hours_ago = (datetime.now() - backup.timestamp).total_seconds() / 3600
    assert hours_ago < 24, f"Latest backup is {hours_ago:.1f}h old"

    # 2. 验证备份完整性
    integrity = platform.admin.verify_backup_integrity(backup.backup_id)
    assert integrity.valid, f"Backup integrity check failed: {integrity.errors}"

    # 3. 恢复到测试环境
    restore = platform.admin.restore_to_test(backup.backup_id)
    assert restore.status == "SUCCESS"

    print("Backup verification passed")

#6. 性能基线

#6.1 基准测试

上线前必须建立性能基线：

Python

# 执行性能基准测试
results = platform.admin.run_benchmark(
    scenarios=[
        {"name": "object_read", "concurrency": 100, "duration_s": 60},
        {"name": "object_write", "concurrency": 50, "duration_s": 60},
        {"name": "oql_simple", "concurrency": 100, "duration_s": 60},
        {"name": "oql_join", "concurrency": 50, "duration_s": 60},
        {"name": "action_execute", "concurrency": 20, "duration_s": 60},
    ],
)

for r in results:
    print(f"{r.scenario}: P50={r.p50_ms}ms P95={r.p95_ms}ms P99={r.p99_ms}ms TPS={r.tps}")

#6.2 性能目标

操作	P50	P95	P99	TPS
单对象读取	< 5ms	< 20ms	< 50ms	> 5000
单对象写入	< 10ms	< 50ms	< 100ms	> 2000
简单 OQL 查询	< 20ms	< 100ms	< 200ms	> 1000
复杂 JOIN 查询	< 100ms	< 500ms	< 1s	> 200
Action 执行	< 50ms	< 200ms	< 500ms	> 500

#7. 上线 Runbook

#7.1 部署流程

代码通过所有测试（单元 + 集成 + E2E）
安全扫描通过（依赖漏洞 + 容器镜像）
配置审查完成（双人 review）
备份策略已验证
监控告警已配置并测试
灰度发布计划已制定
回滚方案已准备
联系方式清单已更新（on-call 人员）

#7.2 灰度发布

Python

# 配置灰度发布
platform.admin.set_canary(
    version="2.0.0",
    traffic_percentage=10,   # 先导入 10% 流量
    monitor_duration_min=30,  # 监控 30 分钟
    auto_rollback_conditions={
        "error_rate_threshold": 0.05,   # 错误率 > 5% 自动回滚
        "latency_p99_threshold_ms": 2000, # P99 > 2s 自动回滚
    },
)

#7.3 上线后验证

#总结

本检查清单覆盖了 coomia-dip 生产部署的六大关键领域：基础设施、安全加固、高可用、监控告警、备份恢复、性能基线。在上线前逐项检查并确认，可以显著降低生产事故风险。记住：上线不是终点，而是运维的起点。

下一篇：[S12-20] 性能调优实战手册 上一篇：[S12-18] 多租户隔离与配置指南