danyang-match/部署架构、运维监控、备份恢复与升级方案.md

丹阳公益婚恋服务平台

V1.0 部署架构、运维监控、备份恢复与升级方案

版本：V1.0
适用范围：微信小程序后端、公益红娘工作台、运营管理后台、PostgreSQL、Redis、对象存储、WebSocket、日志与监控系统
核心目标：低成本、易部署、易维护、可备份、可恢复、可升级、故障可定位、后期可平滑扩容

---

第一章 部署设计目标

V1.0部署方案不追求复杂云原生架构。

当前项目更需要：

少组件、低运维成本、可靠、容易备份、出现问题容易排查。

因此V1优先：

Docker
+
Docker Compose
+
Nginx
+
后端应用
+
PostgreSQL
+
Redis
+
对象存储

暂不引入：

• Kubernetes
• Service Mesh
• Kafka
• Elasticsearch
• 分布式数据库
• 多地域复杂集群
• 大型日志平台
• 大型微服务体系

---

第二章 V1总体部署架构

推荐：

                     微信小程序
                         │
                         │ HTTPS / WSS
                         ↓
                   ┌───────────┐
                   │   Nginx   │
                   └─────┬─────┘
                         │
             ┌───────────┴───────────┐
             │                       │
             ↓                       ↓
       Backend API              Admin Web
       + WebSocket              静态资源
             │
      ┌──────┼───────────────┐
      │      │               │
      ↓      ↓               ↓
 PostgreSQL Redis         Object Storage
      │
      ↓
  Backup System

---

第三章 部署形态建议

V1优先采用：

单区域部署。

如果选择云服务器：

建议中国大陆节点。

核心业务数据：

优先存储于中国大陆。

这样更适合：

• 微信小程序访问
• 国内网络
• 用户隐私
• 后续合规管理

---

第四章 初期服务器数量

V1早期推荐：

1台应用服务器 + 独立数据库/托管数据库。

或者低预算情况下：

1台应用服务器 + 1台数据库服务器。

不建议：

所有应用、数据库、备份全放同一个Docker宿主机。

因为宿主机故障后：

全平台一起失效。

---

第五章 推荐初期架构A

低维护优先：

云服务器A
├── Nginx
├── Backend
├── Admin Web
└── Redis

云数据库
└── PostgreSQL

对象存储
└── 用户照片/聊天图片/活动图片

优点：

• PostgreSQL少维护
• 云数据库自动备份较方便
• 应用服务器故障不影响数据库持久数据

---

第六章 推荐初期架构B

成本优先：

服务器A
├── Nginx
├── Backend
├── Admin Web
└── Redis

服务器B
└── PostgreSQL

对象存储：

云对象存储。

适合：

希望降低托管数据库费用，但有一定服务器维护能力。

---

第七章 不推荐架构

不建议：

一台服务器
├── Backend
├── PostgreSQL
├── Redis
├── 用户图片目录
├── Backup
└── 所有日志

因为：

一块磁盘坏掉可能同时丢生产和备份。

---

第八章 Docker部署原则

所有核心应用统一：

Docker化。

包括：

backend
nginx
redis（如果自建）
admin-web

PostgreSQL是否Docker：

• 开发/Test可以
• 生产更推荐托管数据库或独立服务器

---

第九章 Docker镜像原则

镜像必须：

• 可重复构建
• 固定版本
• 不使用latest生产部署
• 保留版本历史

例如：

matchmaking-backend:1.0.0
matchmaking-backend:1.0.1

禁止：

matchmaking-backend:latest

作为唯一可追溯版本。

---

第十章 Docker Compose

V1生产仍可以使用：

docker compose

无需Kubernetes。

示例逻辑：

services:
  nginx:
  backend:
  redis:
  admin-web:

数据库如果外部托管：

不放Compose。

---

第十一章 推荐项目部署目录

服务器建议：

/opt/matchmaking/
├── compose/
├── env/
├── nginx/
├── scripts/
├── logs/
├── backups/
└── releases/

---

第十二章 Releases目录

例如：

releases/
├── 1.0.0/
├── 1.0.1/
└── 1.1.0/

保留近期稳定版本。

---

第十三章 环境划分

正式至少：

dev
test
staging
prod

---

第十四章 Dev环境

用途：

开发。

允许：

• Docker本地数据库
• 模拟实名认证
• 模拟短信
• 测试对象存储

---

第十五章 Test环境

用于：

• CI
• API测试
• 并发测试
• 自动化测试

数据：

可随时重置。

---

第十六章 Staging

必须尽量接近Prod。

包括：

• HTTPS
• Nginx
• Redis
• PostgreSQL同主版本
• 对象存储权限策略
• WebSocket
• Migration流程

---

第十七章 Production

严格：

禁止使用测试Secret。

禁止：

Debug模式。

禁止：

暴露数据库公网端口。

---

第十八章 配置管理

配置分为：

业务配置
部署配置
Secret

---

第十九章 业务配置

例如：

dailyRecommendationLimit
maxProfilePhotos
activityEnabled
matchmakerEnabled

由：

system_configs

管理。

---

第二十章 部署配置

例如：

PORT
DATABASE_HOST
REDIS_HOST
OBJECT_STORAGE_ENDPOINT
LOG_LEVEL

通过环境变量。

---

第二十一章 Secret

例如：

DATABASE_PASSWORD
JWT_SECRET
WECHAT_SECRET
REAL_NAME_PROVIDER_SECRET
OBJECT_STORAGE_SECRET

禁止写入：

• Git
• Dockerfile
• 前端代码
• README示例真实值

---

第二十二章 .env管理

开发：

.env.example

只提供键名。

生产：

实际.env不提交Git。

权限：

chmod 600

或使用云Secret服务。

---

第二十三章 Nginx职责

Nginx负责：

HTTPS
反向代理
静态后台资源
WebSocket代理
基础安全Header
请求体大小限制
访问日志

---

第二十四章 域名结构建议

例如：

api.example.com
admin.example.com

小程序：

api.example.com

后台：

admin.example.com

---

第二十五章 API路径

https://api.example.com/api/v1/

WebSocket：

wss://api.example.com/ws

---

第二十六章 HTTPS

生产必须：

TLS。

HTTP：

自动301跳HTTPS。

---

第二十七章 TLS证书

建议：

• 自动续期
• 到期监控

避免：

证书过期导致微信小程序整体不可访问。

---

第二十八章 Nginx上传大小

根据业务配置。

例如：

client_max_body_size 12M

与图片上传限制一致。

---

第二十九章 WebSocket代理

必须配置：

Upgrade
Connection

确保长期连接正常。

---

第三十章 API超时

普通API：

不宜设置过长。

例如：

proxy_read_timeout 30s

推荐服务也应在合理时间内返回。

不能靠：

5分钟HTTP超时

掩盖慢SQL。

---

第三十一章 WebSocket超时

WebSocket需要单独配置更长连接策略。

配合：

应用心跳。

---

第三十二章 后端实例

V1初期：

backend x1

足够。

架构必须保证后续：

backend x2

容易扩展。

---

第三十三章 无状态设计

Backend尽量无状态。

Session：

Redis/数据库。

用户图片：

Object Storage。

不能存在：

/app/uploads/user1.jpg

作为正式生产唯一文件。

否则多实例后无法共享。

---

第三十四章 后端扩容

当单实例不足：

Nginx
├── backend-1
└── backend-2

即可。

---

第三十五章 多实例WebSocket

未来：

backend-1
backend-2

需要：

Redis Pub/Sub或等效机制

进行跨实例实时推送。

V1单实例时可以简化。

---

第三十六章 PostgreSQL定位

PostgreSQL是：

核心业务事实数据源。

保存：

• 用户
• 认证状态
• 资料
• Match
• Conversation
• Message
• Activity
• Matchmaker
• Risk
• Audit

---

第三十七章 PostgreSQL生产原则

必须：

• 独立账号
• 强密码
• 禁止公网开放
• 定期备份
• 监控连接数
• 监控磁盘
• 执行Migration管理

---

第三十八章 数据库账号建议

至少：

app_user
migration_user
backup_user

---

第三十九章 app_user

仅拥有：

应用需要的CRUD。

不要：

SUPERUSER。

---

第四十章 migration_user

用于：

数据库结构升级。

权限较高。

正常应用不使用。

---

第四十一章 backup_user

只拥有：

必要读取/备份权限。

---

第四十二章 数据库连接池

必须限制：

最大连接数。

不能每个API请求开新连接。

连接池大小根据服务器配置和数据库容量设置。

不要盲目设：

500

---

第四十三章 慢SQL监控

建议记录：

超过指定时间的SQL。

例如：

> 500ms

作为初始告警参考。

具体阈值可调整。

---

第四十四章 数据库关键监控

至少：

CPU
Memory
Disk
Connections
Slow Queries
Locks
Replication（若未来启用）
Backup Status

---

第四十五章 数据库磁盘告警

建议：

70% warning
85% critical

数值可根据环境调整。

关键是：

提前告警。

---

第四十六章 Redis定位

Redis只做：

• Cache
• Session
• Rate Limit
• WebSocket在线状态
• 临时未读优化
• 分布式锁/短锁（必要）

Redis不是核心事实数据源。

---

第四十七章 Redis丢失原则

即使Redis全部清空：

平台核心业务数据不能永久丢失。

最多：

• 缓存重建
• 用户重新登录
• 推荐重新计算
• 未读重新统计

---

第四十八章 Redis生产安全

必须：

• 非公网
• 密码/ACL
• 网络隔离
• 最大内存
• 淘汰策略

---

第四十九章 Redis持久化

如果Redis用于：

重要Session

可以开启合理持久化。

但仍不能把：

Match/Message

只放Redis。

---

第五十章 对象存储

存：

用户头像
生活照片
聊天图片
活动图片
举报证据

---

第五十一章 Bucket划分建议

可以：

profile-private
chat-private
activity-assets
risk-evidence-private

或者一个Private Bucket按Prefix隔离。

---

第五十二章 对象存储默认Private

必须：

Public Access = Off

---

第五十三章 用户访问图片

流程：

客户端请求
↓
业务权限校验
↓
Backend生成短时Signed URL
↓
客户端访问对象存储

---

第五十四章 Signed URL

有效时间：

短时。

例如数分钟。

具体按使用体验配置。

---

第五十五章 风控证据Bucket

建议更加严格：

• 更短Signed URL
• 专门权限
• 访问审计

---

第五十六章 对象存储生命周期

临时上传：

tmp/

未绑定业务：

自动清理。

---

第五十七章 图片正式文件

按业务类型分类Prefix：

profiles/{userId}/
chat/{conversationId}/
activities/{activityId}/
reports/{reportId}/

---

第五十八章 日志体系

V1至少分：

application.log
access.log
security.log
audit（数据库）

---

第五十九章 Application Log

记录：

• Service异常
• 第三方错误
• 系统异常
• 任务执行结果

---

第六十章 Access Log

Nginx/API：

requestId
method
path
status
latency
clientIp
userAgent

---

第六十一章 Security Log

例如：

后台登录失败
大量Rate Limit
异常Token
权限越权
可疑上传

---

第六十二章 Audit

正式业务审计：

存数据库。

不能只存在日志文件。

---

第六十三章 日志统一RequestId

从Nginx开始：

RequestId

贯穿：

Nginx
→ Backend
→ Service
→ Error Log

方便故障排查。

---

第六十四章 日志格式

推荐结构化JSON。

例如：

{
  "level": "ERROR",
  "requestId": "req_xxx",
  "service": "match",
  "code": "MATCH_CREATE_FAILED"
}

---

第六十五章 禁止日志内容

严禁：

身份证全文
完整手机号
AccessToken
RefreshToken
密码
聊天正文
举报完整证据
对象存储Secret

---

第六十六章 日志保留

具体期限：

根据数据安全政策确定。

建议：

• 普通应用日志短期
• Security Log较长期
• Audit按照审计要求长期管理

不要无差别永久保存所有日志。

---

第六十七章 日志轮转

必须：

Log Rotation。

防止日志占满磁盘。

例如：

• 按天
• 按大小
• 保留指定天数
• 自动压缩

---

第六十八章 监控总体结构

V1建议：

基础设施监控
+
应用监控
+
业务监控
+
安全监控

---

第六十九章 基础设施监控

监控：

CPU
Memory
Disk
Network
Container
PostgreSQL
Redis

---

第七十章 应用监控

监控：

QPS
P95
5xx
4xx
线程/事件循环状态
DB连接池
外部API
WebSocket

---

第七十一章 业务监控

重点：

登录成功率
实名认证失败率
待审核数量
推荐失败
Match创建异常
Message失败
Activity报名失败
Report积压

---

第七十二章 安全监控

重点：

后台连续登录失败
大量401/403
Rate Limit异常
敏感数据访问
高风险操作
权限修改

---

第七十三章 监控工具原则

V1不要求昂贵商业APM。

可采用：

Prometheus + Grafana

或云厂商原生监控。

如果采用云平台：

优先选择：

少维护方案。

---

第七十四章 是否必须自建Prometheus

不是。

如果云厂商：

• 主机监控
• 数据库监控
• 日志告警

已经足够：

V1可先使用云监控。

目标是：

能发现问题。

不是为了建设监控平台。

---

第七十五章 最低必须监控项

上线前必须有：

服务器CPU
服务器内存
服务器磁盘
Backend存活
HTTP 5xx
PostgreSQL
Redis
数据库备份结果
HTTPS证书到期

---

第七十六章 Health Check

建议：

/health/live
/health/ready

---

第七十七章 Live

判断：

应用进程是否活着。

不能把所有第三方都放Live。

否则第三方短信挂了：

容器被不断重启。

---

第七十八章 Ready

判断：

是否能正常提供核心服务。

可以检查：

• PostgreSQL
• 必要Redis连接

---

第七十九章 第三方健康

实名认证、微信等：

单独监控。

不要作为应用存活唯一依据。

---

第八十章 告警渠道

至少：

• 手机
• 企业微信/微信工作群
• 邮件（可选）

关键事故：

不能只发到没人看的监控页面。

---

第八十一章 告警分级

建议：

P1 紧急
P2 重要
P3 提醒

---

第八十二章 P1告警

例如：

生产API整体不可用
PostgreSQL不可用
磁盘接近满
大量500
权限绕过事件
备份连续失败

---

第八十三章 P2告警

例如：

推荐失败率异常
WebSocket连接失败率高
实名认证错误率高
活动报名异常

---

第八十四章 P3

例如：

• 某异步任务一次失败
• 日志增量异常
• 非核心第三方短暂失败

---

第八十五章 告警防噪音

不要：

CPU瞬间80%就每分钟报警。

使用：

• 持续时间
• 连续次数
• 恢复通知

避免告警疲劳。

---

第八十六章 生产Dashboard

运维Dashboard重点：

API availability
P95 latency
Error Rate
DB Health
Redis Health
Disk
WebSocket connections
External service status

---

第八十七章 备份总体原则

必须保证：

生产数据损坏后可以恢复。

不是：

“我们每天有一个backup.zip”。

真正要求：

有备份
+
备份可读取
+
备份异地
+
实际恢复验证

---

第八十八章 数据库备份

建议：

每日全量备份
+
数据库服务自身时间点恢复能力（如果使用托管数据库）

---

第八十九章 自建PostgreSQL

至少：

每日逻辑/物理备份。

更可靠方案：

WAL归档 + 全量备份。

V1具体方案根据部署预算决定。

---

第九十章 托管数据库

优先利用：

• 自动备份
• 时间点恢复
• 跨可用区备份（如适用）

但仍需：

验证恢复操作。

---

第九十一章 备份保留策略建议

例如：

每日备份：7～14份
每周备份：4～8份
每月备份：若干

具体期限结合：

• 成本
• 合规
• 风险

最终确定。

不是业务硬编码。

---

第九十二章 备份不要只在原机器

错误：

PostgreSQL
和
backup.sql
都在同一磁盘

宿主机坏了：

两个一起没。

---

第九十三章 异地/异介质备份

至少：

备份复制到不同存储位置。

例如：

云数据库
+
对象存储Backup Bucket

---

第九十四章 备份加密

备份中可能含：

高敏感数据。

因此：

• 存储加密
• 访问控制
• 密钥保护

---

第九十五章 Backup Bucket

必须：

Private。

只有备份角色可访问。

---

第九十六章 备份账号

不使用：

super admin通用云账号。

使用：

独立Backup权限。

---

第九十七章 Redis备份

Redis数据可重建。

因此Redis备份优先级低于PostgreSQL。

若存Session等：

可保留合理快照。

但恢复生产最核心的是：

PostgreSQL。

---

第九十八章 对象存储备份

用户图片本身也是重要数据。

建议：

• Bucket版本控制（如果成本允许）
• 生命周期
• 跨存储备份/冗余

至少确保：

数据库恢复后不会出现所有图片都找不到。

---

第九十九章 对象删除策略

业务删除：

先soft delete/状态标记。

对象存储真正物理删除：

经过延迟清理任务。

避免用户误操作后立刻不可恢复。

---

第一百章 删除延迟

例如：

7～30天后物理清理。

具体根据数据保留政策确定。

安全举报证据等：

按独立保留策略处理。

---

第一百零一章 数据库恢复目标

建议定义：

RPO
RTO

---

第一百零二章 RPO

Recovery Point Objective：

最多能接受丢多久的数据。

V1建议目标：

尽量控制在小时级或更好。

若使用托管数据库PITR：

可显著降低RPO。

---

第一百零三章 RTO

Recovery Time Objective：

故障后多久恢复服务。

V1建议：

数小时内恢复核心服务。

不追求金融级秒级容灾。

---

第一百零四章 RPO/RTO属于建议目标

最终根据：

• 云服务
• 预算
• 活跃用户规模

正式确定。

不要写入代码。

---

第一百零五章 恢复演练

至少：

每季度/半年实际恢复一次测试数据库。

早期可以：

每次大版本上线前至少一次。

---

第一百零六章 恢复测试流程

下载备份
↓
新建隔离数据库
↓
Restore
↓
运行Migration校验
↓
执行数据一致性检查
↓
抽查用户/Match/Message/Activity
↓
记录结果

---

第一百零七章 恢复检查

至少：

users count
matches count
messages count
activities count
reports count
audit logs

并检查外键关系。

---

第一百零八章 恢复演练记录

记录：

backupTime
restoreTime
duration
result
errors
operator

---

第一百零九章 配置备份

不仅数据库。

还需要备份：

Nginx配置
Docker Compose
Migration脚本
系统公开配置
监控规则
部署脚本

这些本身应在：

Git版本管理。

---

第一百一十章 Secret备份

Secret不能丢。

但不能放普通Git。

应使用：

• Secret Manager
• 加密离线备份

---

第一百一十一章 灾难恢复优先顺序

1 PostgreSQL
2 Backend
3 Auth
4 核心用户/Match
5 Chat
6 Object Storage
7 Redis Cache
8 Analytics

核心服务优先。

统计可以最后恢复。

---

第一百一十二章 Redis全部丢失恢复

流程：

启动新Redis
↓
Session可能失效
↓
用户重新登录
↓
缓存自然重建

核心Match不会丢。

---

第一百一十三章 应用服务器损坏

如果镜像和配置都在版本库/镜像仓库：

新服务器
↓
Docker
↓
部署Compose
↓
配置Secret
↓
启动
↓
Nginx/域名切换

即可。

---

第一百一十四章 应用服务器不能成为“手工艺术品”

禁止：

开发人员SSH进去改了一堆东西但没有记录。

所有正式变更：

进入部署脚本、Compose或配置仓库。

---

第一百一十五章 Infrastructure Documentation

至少记录：

服务器
域名
证书
数据库
Redis
对象存储
备份位置
监控入口
关键联系人

但Secret单独管理。

---

第一百一十六章 Release流程

建议：

开发完成
↓
CI
↓
Test
↓
Build Image
↓
Staging
↓
Migration
↓
E2E
↓
RC
↓
Production
↓
Smoke
↓
监控

---

第一百一十七章 Production发布不在服务器编译

禁止：

git pull
npm install
mvn package

直接生产机器现场编译。

应该：

CI构建
↓
生成镜像
↓
生产只拉镜像

---

第一百一十八章 镜像仓库

使用：

国内访问稳定的Container Registry。

保存：

1.0.0
1.0.1

---

第一百一十九章 CI输出

每次Release至少生成：

backend image
admin build
migration package
release notes

---

第一百二十章 Version

后端提供：

/version

或健康接口返回：

{
  "version": "1.0.0",
  "commit": "abc123"
}

方便确认当前服务器版本。

---

第一百二十一章 数据库Migration

必须使用：

正式Migration工具。

例如具体框架对应：

• Flyway
• Liquibase
• Prisma Migration
• TypeORM migration

根据最终技术栈选择。

禁止：

生产手工改表后不记录。

---

第一百二十二章 Migration版本

例如：

V001__initial_schema
V002__activity_interest
V003__add_match_rule_version

---

第一百二十三章 Migration原则

必须：

• 可重复部署环境
• 可审核
• Staging先跑
• 生产前备份
• 记录执行结果

---

第一百二十四章 大表Migration

未来数据量大时：

避免：

一次长时间锁表。

V1早期数据量小问题有限。

但仍建立正确习惯。

---

第一百二十五章 向后兼容Migration

推荐：

第一步

增加字段。

第二步

新旧代码兼容。

第三步

数据迁移。

第四步

后续版本再清旧字段。

---

第一百二十六章 不建议Release中直接DROP重要字段

因为回滚应用后：

旧版本可能无法运行。

---

第一百二十七章 发布策略V1

推荐：

Rolling/短停机发布。

单实例情况下：

可以短暂：

维护模式。

---

第一百二十八章 单实例发布

流程：

开启维护模式（需要时）
↓
备份
↓
Migration
↓
启动新版本
↓
健康检查
↓
Smoke Test
↓
关闭维护模式

---

第一百二十九章 是否必须零停机

V1：

不必须。

宁愿：

几分钟明确维护窗口

也不要为了“零停机”引入复杂双活系统。

---

第一百三十章 维护页

用户看到：

系统正在进行短暂维护，请稍后再试。

不要：

502 Bad Gateway。

---

第一百三十一章 后台维护

管理员提前知道：

维护时间。

避免活动现场突然升级。

---

第一百三十二章 发布避开关键活动

正式部署不要安排在：

• 大型公益相亲活动签到前
• 活动进行中
• 大规模推广刚开始

优先低峰期。

---

第一百三十三章 灰度发布

如果未来多实例：

backend-1 old
backend-2 new

可先少量流量到new。

V1初期不强制。

---

第一百三十四章 Feature Flag灰度

当前更实用：

activityEnabled
imageChatEnabled
matchmakerEnabled

可以单独开关。

---

第一百三十五章 新功能上线方式

例如图片聊天：

代码已部署
↓
Flag=false
↓
内部测试
↓
Flag=true

降低风险。

---

第一百三十六章 数据结构和Feature Flag

注意：

数据库Migration必须先完成。

不能Flag一开：

表还不存在。

---

第一百三十七章 Rollback原则

如果上线后出现严重问题：

应能快速回到上一稳定应用版本。

---

第一百三十八章 Rollback前提

数据库Migration必须考虑：

旧版本是否仍兼容。

---

第一百三十九章 应用回滚

例如：

1.0.1有Bug
↓
切回1.0.0 image
↓
Restart

---

第一百四十章 数据库回滚

不建议：

自动Down Migration生产数据库。

更安全：

• 应用向后兼容
• 必要时修复Forward Migration

除非明确验证。

---

第一百四十一章 为什么数据库回滚更危险

生产已产生新数据。

简单：

DROP COLUMN

可能直接丢数据。

因此：

应用回滚简单，数据库回滚谨慎。

---

第一百四十二章 Hotfix流程

严重线上Bug：

建立hotfix branch
↓
最小修复
↓
自动测试
↓
Staging验证
↓
生成1.0.1
↓
上线

不能：

SSH服务器现场改代码。

---

第一百四十三章 Release Notes

每个版本：

新增
修复
数据库变更
配置变更
已知问题
回滚注意事项

---

第一百四十四章 运维日常SOP

每天：

检查P1告警
检查备份
检查磁盘
查看严重错误

---

第一百四十五章 每周

检查错误趋势
检查慢SQL
检查Redis
检查高风险安全日志
检查后台异常登录

---

第一百四十六章 每月

检查资源容量
检查证书
检查数据库增长
检查对象存储增长
检查备份容量
检查权限和离职账号

---

第一百四十七章 每季度

恢复演练
权限复核
安全补丁
依赖升级评估
灾备检查

---

第一百四十八章 容量监控

必须关注：

用户数
照片量
消息量
数据库大小
对象存储大小
Redis内存
日志大小

---

第一百四十九章 容量增长预警

例如数据库：

预计30天后超过磁盘80%。

应该：

提前扩容。

不是等磁盘100%再处理。

---

第一百五十章 对象存储成本

聊天图片和生活照片可能成为主要存储增长。

建议统计：

daily upload volume
total storage

---

第一百五十一章 图片压缩

正式上传后：

后端/图片服务压缩。

减少：

• 网络
• 存储
• CDN成本

---

第一百五十二章 是否需要CDN

V1用户集中丹阳/江苏。

如果对象存储已有加速能力：

可直接使用。

用户量上升后：

再评估CDN。

---

第一百五十三章 用户头像缓存

Signed URL虽然短时：

前端仍可：

本地短期缓存。

减少重复下载。

---

第一百五十四章 CDN不能破坏隐私

如果使用CDN：

私有内容仍需要鉴权/签名。

不能因为加CDN：

变成Public Bucket。

---

第一百五十五章 数据库扩容时机

出现：

• CPU长期高
• Connection接近上限
• 慢SQL明显
• 磁盘压力

先优化：

SQL和索引。

再升级：

数据库规格。

---

第一百五十六章 不要一有性能问题就分库

V1单PostgreSQL足够。

优先：

索引
查询优化
缓存
分页
资源升级

---

第一百五十七章 Redis扩容

主要根据：

内存。

缓存应设置TTL。

避免：

永不失效无限增长。

---

第一百五十八章 WebSocket容量

监控：

在线连接
连接创建率
断线率
消息推送失败

达到单实例瓶颈后：

横向扩Backend。

---

第一百五十九章 推荐任务容量

如果实时推荐开始变慢：

第一阶段：

Redis缓存。

第二阶段：

预计算。

仍无需立即引入推荐大数据平台。

---

第一百六十章 Analytics容量

统计变慢：

先使用：

Daily Summary。

不要让Dashboard每次扫描messages全表。

---

第一百六十一章 Maintenance Jobs

建议至少：

通知重试
临时文件清理
活动状态更新
推荐缓存清理
审核超时提醒
红娘超时提醒
统计日汇总
风险状态重算

---

第一百六十二章 Job执行机制

V1可以：

后端内置Scheduler。

不需要单独任务平台。

---

第一百六十三章 Scheduler多实例问题

未来Backend多实例：

必须避免：

同一个任务两台都跑。

可采用：

• Redis Lock
• DB Lock
• Scheduler Leader

---

第一百六十四章 Job必须幂等

例如Daily Analytics：

执行两次：

结果相同。

---

第一百六十五章 Job监控

记录：

jobName
startedAt
finishedAt
status
error

重要任务失败：

告警。

---

第一百六十六章 临时文件清理Job

清理：

• 未绑定上传
• 过期临时文件

不能误删：

正式Profile/Chat/Risk文件。

---

第一百六十七章 Notification Retry

失败：

重试有限次数。

不能：

无限重试造成任务堆积。

---

第一百六十八章 第三方服务监控

至少：

微信登录
实名认证
对象存储
短信（如启用）

---

第一百六十九章 第三方错误隔离

实名认证失败：

不应影响用户查看帮助页。

对象存储失败：

不应导致整个API死亡。

---

第一百七十章 Circuit Breaker

V1不一定需要引入复杂框架。

但第三方调用应：

• 超时
• 有限重试
• 快速失败

不能一个实名认证API卡30秒拖死线程池。

---

第一百七十一章 Third-party Timeout

建议：

秒级合理超时。

具体根据供应商SLA。

---

第一百七十二章 Retry

只对：

明确可重试错误。

不要实名认证提交失败就无限重试。

避免重复请求和费用。

---

第一百七十三章 外部Provider适配层

建议：

WechatAdapter
IdentityVerificationProvider
SmsProvider
ObjectStorageProvider

避免Service直接写供应商SDK。

后续更换服务商更容易。

---

第一百七十四章 Provider配置

后台不要直接暴露Secret。

使用部署配置。

运营后台最多看到：

实名认证服务：正常

---

第一百七十五章 微信小程序发布

小程序前端发布流程：

开发版本
↓
体验版
↓
业务验收
↓
提交审核
↓
正式发布

---

第一百七十六章 小程序API兼容

由于小程序审核和后端发布时间可能不同：

API必须保持一定向后兼容。

不能后端一升级：

旧小程序立即全部坏。

---

第一百七十七章 API兼容策略

V1：

/api/v1

增加字段：

兼容。

删除/重命名字段：

谨慎。

重大破坏：

/api/v2

---

第一百七十八章 小程序最低版本控制

可以在：

/app/config

返回：

minimumSupportedVersion
latestVersion

---

第一百七十九章 强制升级

微信小程序升级机制不同于APP。

可以提示：

当前版本过旧，请重新打开小程序获取最新版本。

但不要频繁使用。

---

第一百八十章 后台前端升级

Admin Web是静态资源。

发布后：

刷新获取新版本。

需要注意浏览器缓存。

---

第一百八十一章 Static Assets

文件名使用Hash：

app.a87f91.js

避免老缓存。

---

第一百八十二章 后台版本不一致

前端可以在API发现：

CLIENT_VERSION_TOO_OLD

提示刷新。

---

第一百八十三章 安全补丁升级

依赖包定期检查：

• 后端Framework
• Node依赖
• Nginx
• PostgreSQL
• Redis
• Docker

---

第一百八十四章 不自动升级生产主版本

例如：

数据库大版本。

必须：

评估
↓
测试
↓
备份
↓
Staging
↓
生产维护窗口

---

第一百八十五章 小版本安全补丁

仍应：

先Test/Staging。

不要生产服务器自动apt upgrade所有软件。

---

第一百八十六章 Dependency Lock

必须有：

• package-lock
• pnpm-lock
• Maven/Gradle固定依赖

保证构建可重复。

---

第一百八十七章 镜像基础版本

不要长期：

node:latest

固定：

主版本/明确镜像Tag。

---

第一百八十八章 容器运行安全

建议：

• 非root运行
• 只读文件系统（可行处）
• 最小权限
• 不挂Docker Socket
• 不把Secret写镜像

---

第一百八十九章 防火墙

公网只开放：

80
443

SSH：

仅管理IP/VPN。

PostgreSQL：

不公网。

Redis：

不公网。

---

第一百九十章 SSH管理

建议：

• SSH Key
• 禁止密码登录（条件允许）
• 不允许root直接登录
• 管理IP限制

---

第一百九十一章 管理员系统和服务器权限分离

后台platform_admin：

不等于服务器root。

运营人员不需要SSH权限。

---

第一百九十二章 云账号权限

采用：

最小权限。

开发人员：

不自动拥有生产云账号Owner。

---

第一百九十三章 生产变更权限

建议：

• 技术负责人
• 指定运维

执行。

重要变更：

留记录。

---

第一百九十四章 域名与证书管理

必须记录：

域名注册商
证书
负责人
到期时间

域名过期是非常常见但严重的事故。

---

第一百九十五章 证书到期告警

建议提前：

30天
15天
7天

提醒。

---

第一百九十六章 数据库密码轮换

人员变化或怀疑泄露：

立即轮换。

定期轮换频率根据安全政策。

---

第一百九十七章 API Secret轮换

Provider Adapter应支持：

新旧Secret短期切换。

减少停机。

---

第一百九十八章 JWT/Token Key轮换

设计：

key version/kid。

未来可以平滑轮换。

V1如果实现简单，也至少保留替换能力。

---

第一百九十九章 生产故障分级

建议：

SEV1
SEV2
SEV3

---

第二百章 SEV1

例如：

全站不可用
数据库损坏
大规模数据泄露
严重权限绕过
Match大量错误生成

---

第二百零一章 SEV1处置流程

发现
↓
停止扩大影响
↓
必要时维护模式/Feature Flag
↓
保护数据
↓
定位
↓
修复/回滚
↓
恢复
↓
验证
↓
事故复盘

---

第二百零二章 SEV2

例如：

• 聊天不可用
• 推荐不可用
• 活动报名异常
• 实名第三方异常

核心平台部分可用。

---

第二百零三章 SEV3

例如：

• 某统计延迟
• 非核心通知失败
• 局部后台页面Bug

---

第二百零四章 故障第一原则

先停止错误扩散，再追求恢复功能。

例如Match逻辑错：

先关闭Like。

不要继续生成错误关系。

---

第二百零五章 数据事故

如果发现数据写错：

禁止直接批量手改。

先：

• 备份
• 确认影响范围
• Dry Run修复脚本
• 执行
• 验证

---

第二百零六章 故障Runbook

建议至少建立：

API全挂
数据库不可连接
Redis故障
对象存储故障
微信登录异常
实名认证异常
磁盘满
证书过期
Match异常
消息异常
权限事故

---

第二百零七章 Runbook格式

每个包含：

症状
检查步骤
临时措施
恢复方法
升级联系人
验证方式

---

第二百零八章 数据库故障Runbook

示例：

1 检查数据库状态
2 检查连接数
3 检查磁盘
4 检查慢查询/锁
5 必要时只读/维护
6 恢复或切换
7 核心数据校验

---

第二百零九章 Redis故障Runbook

1 判断是否核心业务受影响
2 Restart/替换Redis
3 Session影响评估
4 清缓存
5 用户重新登录
6 检查推荐/未读恢复

---

第二百一十章 Object Storage故障

降级：

• 文字功能保留
• 暂停图片上传
• 已有图片暂时显示失败占位

不需要：

全平台维护。

---

第二百一十一章 微信服务异常

提示：

微信服务暂时异常，请稍后重试。

记录Provider错误。

---

第二百一十二章 实名服务故障

可以：

暂停新实名认证。

已有已实名用户：

正常使用。

---

第二百一十三章 风控系统故障

核心权限：

• Block
• AccountStatus

仍必须工作。

辅助关键词检测异常：

可降级。

---

第二百一十四章 统计系统故障

Analytics失败：

不影响用户Match/Chat。

Dashboard提示：

数据暂时无法更新。

---

第二百一十五章 事故复盘

SEV1/重要SEV2后必须形成：

发生什么
为什么
影响谁
为什么监控没提前发现
怎么修
怎么防止再次发生

---

第二百一十六章 复盘不是追责会议

目标：

改系统和流程。

例如：

“开发操作失误”

不是根因。

应继续问：

为什么一个人的失误能够直接影响生产？

---

第二百一十七章 版本升级节奏

V1稳定后：

建议：

Patch
按需

Minor
按业务周期

Major
谨慎

不要：

每天生产升级核心结构。

---

第二百一十八章 高频小版本

如果团队初期快速迭代：

可以：

每周固定窗口。

比随时上线更可控。

---

第二百一十九章 大型活动冻结期

活动前：

24～48小时建议冻结高风险大改动。

只允许：

紧急Hotfix。

---

第二百二十章 数据库维护窗口

如需：

• 大索引
• 大版本升级

提前通知运营。

---

第二百二十一章 生产数据初始化

首次上线必须：

Migration
↓
基础字典
↓
系统角色
↓
系统权限
↓
平台组织
↓
首个管理员
↓
系统基础配置

---

第二百二十二章 Seed原则

只Seed：

• 字典
• Role
• Permission
• 基础配置

不要Seed：

测试用户到生产。

---

第二百二十三章 首个Super Admin

通过：

安全部署脚本/一次性初始化。

不能默认：

账号和密码由部署环境安全提供，不写入文档

---

第二百二十四章 默认密码

如果系统生成临时密码：

首次登录强制修改。

---

第二百二十五章 生产启动后检查

第一次：

健康检查
↓
Admin登录
↓
微信登录
↓
测试实名环境检查
↓
文件上传
↓
推荐
↓
WebSocket
↓
数据库备份

---

第二百二十六章 监控上线必须早于用户推广

不能：

用户都来了才开始装监控。

---

第二百二十七章 第一场活动前额外检查

Activity API
Registration
Check-in
Admin Login
Volunteer Account
Mobile Network
Manual Check-in
Backup Plan

---

第二百二十八章 运维文档

建议目录：

docs/ops/
├── architecture.md
├── deployment.md
├── environment.md
├── backup-restore.md
├── monitoring.md
├── incident-runbook.md
├── release.md
└── disaster-recovery.md

---

第二百二十九章 部署脚本建议

scripts/
├── deploy.sh
├── rollback.sh
├── backup-db.sh
├── restore-db.sh
├── health-check.sh
└── rebuild-metrics.sh

根据操作系统调整。

---

第二百三十章 Deploy Script原则

必须：

• set -e
• 检查镜像
• 检查环境
• 记录版本
• 健康检查
• 失败退出

---

第二百三十一章 Rollback Script

必须明确：

回哪个版本。

例如：

./rollback.sh 1.0.0

不能：

“回上一版”但系统不知道上一版是谁。

---

第二百三十二章 Backup Script

运行后：

• 生成备份
• 校验
• 上传异地
• 记录成功
• 失败告警

---

第二百三十三章 Restore Script

默认：

不允许直接恢复覆盖生产。

应要求：

target database
backup file
confirmation

防止误操作。

---

第二百三十四章 生产访问最小化

普通开发：

不需要每天SSH生产。

系统可通过：

• 监控
• 日志
• Admin

完成日常工作。

---

第二百三十五章 日志查询工具

初期：

Docker logs + 集中日志/云日志

足够。

用户量增加后：

再考虑：

Loki等轻量日志系统。

---

第二百三十六章 不建议V1自建ELK

因为：

• 内存高
• 运维复杂
• 当前数据规模不需要

---

第二百三十七章 Metrics与Logs区分

Metrics：

看系统是不是出问题。

Logs：

查为什么出问题。

Audit：

查谁做了什么。

三者不能混为一体。

---

第二百三十八章 生产数据库直接查询

普通运营：

禁止。

技术人员如必须：

• 只读账号
• 受控访问
• 记录操作

---

第二百三十九章 生产数据修复

使用：

专用脚本。

不要：

UPDATE users SET ...

直接靠手工SQL长期处理。

---

第二百四十章 Schema Ownership

数据库结构修改：

只能Migration。

Application User：

无ALTER TABLE权限。

---

第二百四十一章 成本控制原则

V1成本重点投入：

稳定服务器
数据库
对象存储
备份
HTTPS

暂时不花重金：

• Kubernetes
• 大型APM
• 数据仓库
• 搜索集群

---

第二百四十二章 初期资源建议原则

不要预估成：

百万用户平台。

按照：

数千～数万用户可扩展

设计即可。

具体CPU/内存规格应根据最终技术栈和压测结果确定。

---

第二百四十三章 一个合理的扩容路径

阶段1
单Backend
+
PostgreSQL
+
Redis

阶段2
Backend x2
+
负载均衡

阶段3
PostgreSQL升级规格
+
Redis独立

阶段4
读写压力明显后
再考虑进一步架构调整

---

第二百四十四章 不提前分布式

因为V1真正风险不是：

扛不住百万QPS。

而是：

• 权限错
• Match错
• 数据丢
• 活动现场不可用

技术投入应优先解决这些。

---

第二百四十五章 运维权限分层

建议：

Cloud Admin
Deployment Operator
Database Admin
Read-only Observer

小团队可兼任。

但权限思想保留。

---

第二百四十六章 云主账号

不要作为：

日常登录账号。

启用：

• MFA
• 强保护

日常使用子账号。

---

第二百四十七章 Secret泄露事故

一旦发现：

Git中提交Secret

不能只：

删除Commit里的Secret。

必须：

立即Rotate。

因为历史可能已经泄露。

---

第二百四十八章 数据库备份恢复验收标准

必须证明：

备份文件存在
↓
成功恢复新数据库
↓
Backend能连接
↓
核心E2E数据正常

才算：

Backup可用。

---

第二百四十九章 发布验收标准

每次生产上线后：

/version正确
/health正确
Login正确
推荐正确
消息正确
Admin正确
监控无异常

---

第二百五十章 生产变更记录

每次记录：

版本
时间
执行人
Migration
配置变化
结果
是否回滚

---

第二百五十一章 维护公告

如计划停机：

提前：

在小程序和后台提示。

不需要复杂公告系统。

可以通过：

system notice/config。

---

第二百五十二章 用户端降级页面

至少：

维护中
网络异常
服务暂不可用

不能只显示：

请求失败 -500。

---

第二百五十三章 后台故障页面

管理员看到：

当前服务暂时不可用，RequestId xxx。

方便反馈技术人员。

---

第二百五十四章 第三方依赖降级矩阵

服务	故障影响	降级
微信登录	新登录受影响	已登录用户继续
实名服务	新实名受影响	已实名用户正常
对象存储	图片受影响	文字业务继续
Redis	Cache/Session部分影响	DB核心业务保留
Analytics	统计页面	核心婚恋不受影响

---

第二百五十五章 核心依赖矩阵

PostgreSQL：

核心依赖。

如果不可用：

应进入维护模式/保护状态。

---

第二百五十六章 数据一致性优先

如果数据库出现异常：

不要为了：

页面继续“看起来能用”

而允许本地/Redis继续写业务。

---

第二百五十七章 上线后容量评估

每月记录：

用户增长
数据库增长
消息增长
对象存储增长
峰值连接
峰值QPS

---

第二百五十八章 什么时候考虑架构升级

满足以下情况再考虑：

单实例Backend成为明显瓶颈
数据库规格已明显不足
实时连接量增长
统计查询影响主业务
部署频率与团队规模显著增加

---

第二百五十九章 不以“感觉用户以后会很多”作为升级依据

必须：

基于监控数据。

---

第二百六十章 V1明确不采用

Kubernetes
Kafka
RabbitMQ（除非后期确有任务需求）
Elasticsearch
ClickHouse
Neo4j
Service Mesh
微服务拆分
多活数据库
复杂DevOps平台

---

第二百六十一章 V1推荐的最小可靠技术组合

Nginx
+
Docker Compose
+
Backend Modular Monolith
+
PostgreSQL
+
Redis
+
Private Object Storage
+
云监控/Prometheus
+
数据库自动备份
+
Git CI/CD

足够支持V1长期稳定运行。

---

第二百六十二章 WorkBuddy实现要求：部署文件

代码仓库必须提供：

docker-compose.yml
docker-compose.staging.yml
.env.example
Dockerfile
nginx/
scripts/
docs/ops/

---

第二百六十三章 WorkBuddy实现要求：健康检查

必须实现：

/health/live
/health/ready
/version

---

第二百六十四章 WorkBuddy实现要求：Migration

必须在CI和部署流程中：

自动检测Migration。

禁止：

应用启动时偷偷自动修改生产结构且不可追踪。

---

第二百六十五章 WorkBuddy实现要求：日志

所有后端日志：

结构化。

包含：

requestId
level
module
message

---

第二百六十六章 WorkBuddy实现要求：Graceful Shutdown

Backend收到：

SIGTERM

应：

• 停止接新请求
• 完成当前合理请求
• 关闭DB连接
• 关闭Redis
• 关闭WebSocket

避免部署时大量异常。

---

第二百六十七章 WorkBuddy实现要求：Readiness

Migration未完成或数据库不可连接：

ready = false

---

第二百六十八章 WorkBuddy实现要求：Scheduler

所有定时任务：

• 有名称
• 有日志
• 幂等
• 可手工补跑
• 失败可告警

---

第二百六十九章 WorkBuddy实现要求：对象存储抽象

不要硬编码供应商SDK到业务层。

接口：

ObjectStorageService

以后可以切换国内云厂商。

---

第二百七十章 WorkBuddy实现要求：Provider抽象

同样：

IdentityProvider
WechatProvider
SmsProvider

---

第二百七十一章 WorkBuddy实现要求：配置检查

应用启动时检查必要配置。

缺：

DATABASE_URL
JWT_SECRET

应：

Fail Fast。

不是启动后用户调用才发现。

---

第二百七十二章 WorkBuddy实现要求：生产模式

Production启动时：

• 禁Debug
• 禁Swagger公开访问（或鉴权）
• 禁测试接口
• 禁Mock实名
• 禁默认密码

---

第二百七十三章 Swagger/OpenAPI

生产是否开放：

建议：

后台鉴权或仅内网。

不能公开暴露完整管理API文档。

---

第二百七十四章 测试接口

例如：

/test/create-user
/test/mock-match

生产：

完全不存在或强制禁用。

---

第二百七十五章 运维最终验收清单

□ Docker镜像可重复构建
□ Compose可启动
□ Production Secret不进Git
□ HTTPS正常
□ WSS正常
□ PostgreSQL非公网
□ Redis非公网
□ Object Storage Private
□ Health Check正常
□ RequestId正常
□ 日志脱敏
□ 监控正常
□ 告警正常
□ 数据库备份正常
□ 恢复演练完成
□ Migration流程完成
□ Rollback可执行
□ Feature Flag可用
□ 运维文档齐全

---

第二百七十六章 备份最终验收清单

□ 每日数据库备份
□ 备份存储位置独立
□ 备份访问受限
□ 备份加密
□ 备份失败告警
□ 对象存储保护
□ 配置在Git
□ Secret有安全备份
□ 实际Restore验证

---

第二百七十七章 发布最终验收清单

□ CI通过
□ Test通过
□ Staging通过
□ Migration验证
□ 生产备份
□ 发布版本明确
□ Release Notes
□ Smoke Test
□ 监控无异常
□ 回滚版本准备

---

第二百七十八章 故障恢复最终验收

至少能够处理：

应用服务器损坏
Redis损坏
数据库恢复
对象存储异常
证书异常
微信登录异常
实名服务异常
错误版本上线

---

第二百七十九章 V1部署与运维核心原则

必须坚持：

生产环境必须可以重新搭出来，而不是只有某个人知道怎么维护。

数据库是核心事实源，Redis只是加速。

用户文件必须进入私有对象存储，不放应用服务器本地。

生产部署必须使用固定版本镜像。

生产数据库禁止手工随意改表。

所有结构变化必须Migration。

备份必须真正做过恢复验证。

应用升级必须能回滚。

重要功能必须能够通过Feature Flag快速关闭。

出现严重错误时优先保护数据，而不是强撑服务可用。

运维系统应该简单到一个普通技术人员按照文档也能恢复，而不是高度依赖某一个开发者。

---

第二百八十章 最终部署架构

V1推荐最终结构：

                     Internet / WeChat
                            │
                         HTTPS/WSS
                            │
                         ┌───────┐
                         │ Nginx │
                         └───┬───┘
                             │
                      Backend Container
                      Modular Monolith
                             │
          ┌──────────────────┼──────────────────┐
          │                  │                  │
          ↓                  ↓                  ↓
     PostgreSQL            Redis          Object Storage
     Core Truth            Cache          Private Files
          │
          ↓
      Automated Backup
          │
          ↓
     Independent Storage


     Monitoring
        │
        ├── Infrastructure
        ├── Application
        ├── Business
        └── Security


     CI/CD
        │
        ↓
     Build Image
        ↓
      Staging
        ↓
     Production
        ↓
      Monitor
        ↓
     Rollback if needed

---

第二百八十一章 最终结论

丹阳公益婚恋服务平台V1.0不需要一套“看起来很高级”的大型技术基础设施。

真正需要的是：

任何一个服务器坏了，系统能重新部署。

任何一个版本出问题，能够回退。

数据库损坏，有备份可以恢复。

Redis丢失，不会丢核心业务。

对象存储出现问题，不会让数据库关系失真。

上线后出现异常，监控能够及时发现。

开发人员离开后，其他人仍然可以按文档维护。

因此V1部署策略可以概括为：

架构尽量简单，数据保护必须认真；部署可以轻量，备份不能轻量；升级可以快速，回滚必须可靠。