培训手册为管理员讲解香港电话服务器停机按3的日常巡检要点

1.

巡检目标与频率定义

(1) 明确巡检目标：最低实现电话服务可用率 99.9%。
(2) 巡检频率：生产节点每日按“按3”规则早中晚三次巡检。
(3) 巡检触发条件：检测到任意三次连续拨号失败或 SIP 注册丢失。
(4) 数据记录要求：每次巡检需记录时间、监测点、RTT、丢包率。
(5) 报告提交：巡检日报需在 2 小时内上传至运维平台并抄送产品经理。
(6) 工具建议：使用 ping、mtr、sngrep、tcpdump 以及 Zabbix/Prometheus 监控。

2.

硬件与虚拟化（VPS/主机）检查要点

(1) CPU/内存：检查 95% 阈值，避免持续满载导致软中断堵塞。
(2) 磁盘：SMART 状态、iostat 查看 5 分钟平均等待。
(3) 网络接口：查看 ifconfig/ethtool 错误计数与速率。
(4) 虚拟化层：KVM/Xen 上核平滑迁移、NUMA 拆分校验。
(5) 备份节点：核验热备 VPS 同步延迟不得超过 30 秒。
(6) 配置管理：Ansible playbook 校验主机名、SSH 密钥、时区与 NTP。

3.

域名、DNS 与 CDN 配置检查

(1) 域名解析：核验 A/AAAA/SRV 记录和 TTL，电话服务通常使用低 TTL（60s）。
(2) SRV 记录：确保 SIP 服务记录优先级与权重正确。
(3) CDN：电话媒体采用边缘转发时，检查边缘节点带宽与链路抖动。
(4) DNSSEC 与 域名续费：验证签名与到期日，避免因域名到期导致服务中断。
(5) 示例命令：dig _sip._udp.example.hk SRV +short，检查返回优先级。
(6) DNS 响应时间：要求<100ms 国际解析，香港本地<20ms。

4.

网络与 DDoS 防御巡检细则（含数据示例）

(1) 基本指标：链路带宽使用率阈值 70%，丢包>1% 需报警。
(2) BGP 与路由：检查 BGP 会话状态、AS 路由是否稳定。
(3) 防护规则：验证防火墙、ACL、速率限制与黑洞策略。
(4) 流量分析：通过 sflow/NetFlow 检测异常 95 百万包/分钟阈值。
(5) 案例说明：2025-08-12 某香港呼叫中心遭 UDP 放大攻击，峰值流量 1.2Tbps，被本地清洗+CDN 抵御后 8 分钟恢复。
(6) 下表示例为典型服务器和防护配置（数据示例）：

5.

真实案例复盘与恢复流程

(1) 案例背景：某香港ISP在维护时误下发路由，导致区域内电话可达失败。
(2) 故障表现：SIP 注册失败、呼叫建立 503 返回、媒体无法透传。
(3) 诊断步骤：核查 BGP、路由表、MTR 至媒体节点并抓包分析。
(4) 恢复措施：回滚路由、启用备用链路、对受影响节点进行冷重启。
(5) 后续优化：加入更多外链、CDN 转发与自动化流量清洗策略。
(6) 教训：测试环境与生产环境路由隔离、变更需双人审批。

6.

巡检记录模板与自动化建议

(1) 模板字段：时间、巡检人、节点 IP、RTT(ms)、丢包(%)、状态、建议。
(2) 自动化脚本：定时使用 ping/mtr/sipgrep 并汇报至 Prometheus + Alertmanager。
(3) 指标阈值：RTT>200ms/丢包>1%/注册失败率>0.5% 即触发工单。
(4) 演练频次：每季度进行一次故障恢复演练，包含域名切换与 CDN 回源。
(5) 文档管理：所有巡检日志保留 365 天并定期审计。
(6) 结语：按“停机按3”的巡检制度结合自动化、CDN 与 DDoS 防护，可显著降低香港电话服务器的意外停机风险。

来源：培训手册为管理员讲解香港电话服务器停机按3的日常巡检要点