| 形式 | 计划性演练：明确范围、时间窗与回退开关 |
|---|---|
| 注入 | 流量消减、依赖故障、实例终止等，按风险选择 |
| 观测 | 检测时间、响应动作、恢复时长、协作链路 |
| 产出 | 改进项进入可靠性待办 |
演练计划要点
演练计划要点
范围：支付链路（预发环境）
注入：中断第三方支付回调 5 分钟
预期：熔断生效 < 30s，告警触达值班
中止开关：立即恢复注入的开关未设中止条件的演练风险高：先明确回退开关与责任人，再开始注入。
故障演练日（Game Day）
有组织地向系统注入故障（依赖中断、实例淘汰、慢查询等），验证检测、响应与回滚链路；在可控时间窗内发现真实的薄弱点。
易错点
- 一次性大规模注入：影响面超出预期，演练变成真实事故
- 只练技术不练协作：沟通与升级链路的缺陷依旧
数据来源与参考
- Google SRE Workbook《Disaster Recovery》
- AWS《Well-Architected Framework》（可靠性）