06
Orchestration / Agent 编排与自愈

故障注入与恢复演练

主动模拟断网、限额和进程停滞,验证系统能否保存状态并正确升级。

没有演练过的自愈,只是一份愿望清单。
01

先问清楚

  • 故障发生时会丢什么?
  • 重试是否安全且有上限?
  • 何时必须停止自动化?
02

实践框架

  1. 1选择可逆故障
  2. 2保存基线
  3. 3注入并观察
  4. 4验证退避与切换
  5. 5恢复后做一致性检查
03

验收证据

  • 注入时间线
  • 检查点文件
  • 重试次数
  • 恢复耗时
  • 数据一致性结果
04

常见失误

  • 在生产环境直接演练
  • 重试产生重复写入
  • 自动切换掩盖根因
  • 没有退出条件