跳到主要内容

规范-多环境与灾难恢复

位置: docs/开发规范/规范-多环境与灾难恢复.md 版本: v1.0 日期: 2026-07-08 关联: AGENTS.md、TDD-00（技术栈方案）、TDD-03（开服自动化）

1. 环境定义​

环境用途数据暴露范围
dev开发调试本地/测试数据开发机/局域网
staging预发布测试生产脱敏副本内网 + VPN
prod生产环境真实玩家数据公网

1.1 环境配置分离​

docker-compose.dev.yml      → 开发环境（热重载、调试端口开放、日志详细）
docker-compose.staging.yml  → 预发布（数据隔离、全功能测试、性能监控）
docker-compose.prod.yml     → 生产环境（最小化暴露、高可用、限流严格）
  • 生产配置（密码/密钥）禁止提交到 git，走环境变量或密钥管理服务（AWS Secrets Manager / HashiCorp Vault）
  • Staging 数据定期从生产脱敏同步（用于真实压力测试）

2. 部署策略​

2.1 蓝绿部署​

[流量 100%] → 蓝环境（当前版本 v1.2.3）
                    ↓ 发版
[流量 0%]   → 绿环境（新版本 v1.3.0）← 验证通过
                    ↓ 切换
[流量 100%] → 绿环境（v1.3.0）
[流量 0%]   → 蓝环境（待命，可秒级回切）
规则说明
蓝绿双活生产环境两套实例，发版时切换流量
验证窗口切流量前运行冒烟测试（5 分钟）
秒级回切发现问题立即切回旧版本
会话保持切换时在线玩家不中断（Nakama 支持）

2.2 金丝雀发布（可选）​

  • 先给 5% 玩家发新版，监控 30 分钟无异常后全量
  • 用于高风险更新（如战斗公式调整）

3. 灾难恢复​

3.1 回滚机制​

场景回滚方式时间
代码 bug蓝绿切流量< 30 秒
数据库错误执行 migration down 脚本< 5 分钟
配置错误Nacos 热更回滚< 10 秒
热更问题热更包一键回滚< 1 分钟
全服宕机切换备用集群< 2 分钟

3.2 数据库恢复​

  • 全量备份: 每日 04:00 自动执行，保留 30 天
  • 增量备份: 每小时 WAL 归档，保留 7 天
  • 时间点恢复(PITR): 可恢复到任意时间点（精度 ±5 分钟）
  • 恢复演练: 每季度执行一次灾难恢复演练

3.3 事故处理流程​

1. 发现事故 → 立即在运维群告警
2. 判断影响范围 → 决定回滚/热修/降级
3. 执行恢复 → 验证恢复成功
4. 写事故复盘 → 存入 docs/事故复盘/YYYY-MM-DD-标题.md
5. 复盘内容：原因/影响/修复过程/预防措施/Action Items

4. 高可用要求​

组件高可用策略RTORPO
游戏服多实例 + 负载均衡< 2min0
数据库主从 + 自动故障转移< 5min< 1min
缓存Valkey Cluster< 1min< 1min
配置中心Nacos 集群< 1min0
CDN多厂商备份< 5min0

5. 版本记录​

  • v1.0（2026-07-08）: 初始版本，覆盖环境定义、蓝绿部署、灾难恢复、高可用