1.

立即响应与确认范围

步骤1：第一时间联系机房NOC/厂商，获取故障单号与事件等级；步骤2：在内部启动应急链路（通知值班工程师、产品、客服）；步骤3：在监控平台确认受影响服务（应用、数据库、网络、存储）。

2.

准备切换前的检查清单

步骤1：确认最新DNS TTL值及是否可临时下调（建议30秒至60秒）；步骤2：检查BGP会话、ISP链路状态与跨连接；步骤3：确认远程控制台（iLO/iDRAC/IPMI）与远程操作权限是否可用。

3.

流量切换（DNS与BGP双路径）

步骤1（DNS）：若使用DNS故障切换，先将TTL降至低值，更新A/CNAME指向备份站点或云负载均衡；步骤2（BGP）：若有自有IP并支持BGP，协调旁路机房或云端宣布前缀并撤回受影响前缀；步骤3：逐步切换并观察健康检查（HTTP 200、TCP端口）。

4.

数据层面快速恢复

步骤1：确认主库是否可写入，若不可用则在副本上完成提主操作；MySQL示例：在从库执行STOP SLAVE; RESET SLAVE ALL; SET GLOBAL read_only=OFF;步骤2：PostgreSQL示例：在备库执行pg_ctl promote或SELECT pg_promote();步骤3：确认binlog/wal位置并在切换后同步增量数据。

5.

会话与缓存一致性处理

步骤1：若使用Redis/ElastiCache，触发哨兵故障转移或切换至只读副本；命令示例（Sentinel）：SENTINEL FAILOVER mymaster；步骤2：若应用依赖本地会话，启用共享会话存储或短期容忍重登策略；步骤3：更新应用配置指向新的缓存与会话存储。

6.

应用与容器平台切换

步骤1：Kubernetes场景下，切换到备用集群或扩容健康节点，更新Ingress/Service指向；步骤2：若使用CDN或WAF，调整回源策略并确保证书有效；步骤3：执行烟雾测试（API调用、登录、核心业务流程）。

7.

安全与网络ACL同步

步骤1：将防火墙规则、白名单、VPN配置复制到备援环境；步骤2：如怀疑安全事件，立即更换关键密钥/证书并审计访问日志；步骤3：确保安全组、NAT、端口映射与原环境一致。

8.

客户沟通与内部协同

步骤1：按照预定义模板在状态页更新事件进展（影响范围、预计恢复时间、已采取措施）；步骤2：明确RACI（谁负责切换、谁负责验证、谁对外沟通）；步骤3：对外提供临时联系方式与受影响服务清单，避免重复工单。

9.

恢复后验证与回切计划

步骤1：在备援环境稳定运行并通过完整回归测试后，决定是否回切至原机房；步骤2：若回切，先将数据从备援双向同步至主站，确保无数据丢失；步骤3：逐步回切并在低流量时段执行，保留回滚计划。

10.

事后复盘与改进

步骤1：整理事件时间线、影响范围、根因（RCA）；步骤2：更新演练手册、降低DNS TTL策略、增加异地备援容量或多可用区部署；步骤3：与机房/ISP谈判SLA赔偿并在合同中加入改进条款。

11.

问：如果DNS切换后仍有用户访问旧IP该怎么办？

答：先确认TTL是否已足够低并等待其过期，同时在旧IP上保留最小化的反向代理或返回302重定向到新地址；若无法保留旧服务，向主要客户推送强制刷新DNS的指导（清除本地DNS缓存或重启设备）。

12.

问：香港机房断电但机柜设备完好，是否一定回切？

答：不一定。评估点包括：恢复时间窗、数据一致性、客户影响与成本。若备援环境已稳定并且回切风险高，可先在备援长期运行并计划非高峰回切，同时与机房确认变更窗口与供电保障策略。

13.

问：如何长期降低香港机房单点故障风险？

答：采用多可用区/多机房部署、跨云容灾（混合云）、同步或异步复制、自动化故障转移（BGP+DNS）及定期演练；并在合同中明确SLA、远程代维和演练支持，定期验证备援可用性。

来源：企业在香港机房出问题后如何保障业务连续性