监控与升级处理

本页规定线上问题从发现、取证到升级的统一方式。生产联系人和电话放在受控值班表，知识库只记录角色和升级顺序。

监控对象

对象	主要证据	建议关注
云函数	阿里云函数日志、调用指标、云效发布记录	启动失败、5xx、超时、冷启动、依赖连接失败
标准单	订单、attempt、派发日志、outbox、结算任务	支付后无派发、超时不顺延、通知积压、结算失败
家姐联盟线索	线索主表、派发记录、钱包流水、任务日志	无派发、重复派发、轮发不推进、扣费异常
支付与易宝	支付订单、回调日志、分账和退款状态	金额不一致、重复回调、退款长期处理中
保险	保单、操作日志、第三方回调和对账单	本地与第三方状态不一致、证书或签名错误
宝塔任务	cron 配置、脚本输出、/www/wwwlogs、业务任务表	未执行、持续 dry-run、锁未释放、连续失败
前端	浏览器/小程序错误、接口响应、发布版本	白屏、资源 404、接口域名错误、旧包兼容
数据库和 Redis	连接日志、慢查询、锁、缓存和任务锁	连接耗尽、长事务、锁冲突、错误删 key

事件等级

等级	判断	响应
P0	大面积不可用、重复扣款、错误退款、批量错误结算、数据不可逆损坏	立即停止相关发布和任务，同时通知技术负责人、业务负责人和财务。
P1	核心订单无法下单/派发/履约，支付或保险回调持续失败，生产发布失败影响用户	立即建立事件群，30 分钟内给出影响范围和止损方案。
P2	单个或少量订单异常、计划任务一次失败、后台局部功能异常	当日定位并安排补偿，涉及资金仍按 P1 升级。
P3	文案、展示、非关键统计和无用户影响的告警	纳入正常迭代，记录验证方式。

处理顺序

1. 确认环境、开始时间、影响用户和最近发布，不先改数据。
2. 保存错误信息、trace_id、订单号、任务名、第三方流水号和相关日志时间段。
3. 判断是否需要停止发布、暂停任务、关闭规则开关或限制入口。
4. 沿“前端 -> 后端 -> 数据库/Redis -> 第三方 -> 任务”定位首次异常点。
5. 涉及资金、保险或真实订单时，让财务、运营或客服确认外部事实。
6. 选择代码回滚、配置恢复、任务补跑或数据补偿，不把多种手段同时执行。
7. 验证主流程和失败分支，记录恢复时间、遗留风险和后续负责人。

升级角色

问题	第一响应	必须加入
下单端和客户支付	clientui/clientapi 维护人	支付负责人、客服；涉及易宝加入财务
标准单派发和履约	storeui/storeapi 维护人	运营、员工端负责人；涉及结算加入财务
云平台和人工配置	yunui/yunapi 维护人	对应业务运营和权限管理员
保险	保险技术负责人	保险运营、财务、保险公司联系人
易宝和资金	支付技术负责人	财务、易宝联系人、系统负责人
发布和云资源	发布负责人	云效/阿里云管理员、受影响系统维护人
数据库	后端负责人	数据库管理员、业务负责人；写操作需要审批

日志保留和交接

接手时核实阿里云日志库、宝塔日志和业务日志表的保存周期、索引字段、访问权限和告警规则。至少保证能按时间、函数、任务、trace_id、订单号和第三方流水号定位一次完整事件。

生产值班表需要登记当班人、备用联系人、财务和保险升级人、云资源管理员、宝塔管理员和第三方紧急联系人。人员变化当天更新受控值班表并回收旧权限。

事件复盘

P0、P1 以及所有资金或保险事故都要复盘。复盘记录时间线、影响、根因、止损、恢复、数据补偿、监控缺口和责任人，不在文档中暴露客户个人信息或密钥。