实战演练在香港葵芳机房进行故障切换与容灾恢复步骤

问题1：在葵芳机房开展实战演练前，需要做哪些准备工作？

开展实战演练前，必须做充分准备以确保安全与可控。首先要编写并审核演练计划与切换流程，明确演练范围、目标与责权分工；其次确认网络连通性检测脚本、监控告警阈值和权限账户已配置，并对涉及系统进行配置快照与全量备份，保证可回滚。第三，进行风险评估和预案（包括停电、链路中断、设备故障的应急联系人和SLA），并在非生产时间窗口安排演练，通知相关团队与业务干系人。最后准备演练用的测试数据和验证用例，确保演练不会影响真实业务数据。

问题2：在机房层面，如何确认网络与机柜设备满足故障切换条件？

机房层面的确认涉及多项检查：核实主备链路物理连通状态与路由配置，使用链路压力与丢包测试确认链路质量；检查核心交换机、路由器和防火墙的配置一致性与故障转发策略是否生效；确认机柜电力（双路供电、UPS、发电机）与环境监控（温湿度、烟感）状态正常。对存储与服务器进行SMART与硬盘校验，检查RAID和复制任务是否健康。所有关键设备应有SNMP或API监控项，以便在切换时能快速判断是否满足故障切换条件。

问题3：实际执行故障切换与容灾恢复的步骤是什么？

故障切换与恢复应按步骤执行并记录：一是进入演练模式并告知各方，确保只在可控范围内操作；二是触发主备切换前，强制进行一次数据一致性校验与增量同步，确认数据同步与事务日志已传输完成；三是按既定脚本逐步切断主站服务，并激活备站路由与负载均衡，使流量切换到备站；四是对备站执行服务启动与健康检查（应用启动、依赖服务、数据库连通）；五是开展流量回放或业务验证用例，确认关键业务可用；六是记录切换时间窗与每一步耗时，留存日志与快照以便审计。

问题4：切换后如何进行验证与监测，确保容灾恢复成功？

切换后需要立即开展多层次验证：应用层验证（登录、核心交易、接口响应）、数据一致性确认（检查主键计数、事务日志位点）、性能基准（关键接口响应时间、吞吐量）以及监控告警是否正常清除。使用自动化健康检查脚本持续监测并对照演练前的指标阈值，观察CPU、内存、磁盘IO和网络带宽是否异常。并且要保留至少一个恢复窗口用于回滚验证，确认备站在承载真实或模拟流量下稳定运行至少N小时再进入下一步骤。

问题5：如果切换后出现异常，如何快速回滚并做好演练后的复盘？

若切换后出现重大异常，应按照回滚预案迅速恢复至切换前状态：第一，立即停止对备站的新增写入并记录异常点，启动回滚流程；第二，利用事前保存的主站快照或备份，按照最小影响原则恢复主站并重新同步必要数据；第三，通知各方并在回滚过程中保持沟通与日志记录，确保每一步都有负责人签字确认。演练结束后要整理完整的演练报告，包含时间线、发现的问题、根因分析与改进措施（如完善监控项、优化同步窗口、调整自动化脚本），并在下次演练中验证改进项是否生效。这一过程有助于不断提升在葵芳机房的容灾恢复能力与响应速度。