大促备战清单：从容量评估到预案演练的完整流程

大促备战清单：从容量评估到预案演练的完整流程

每年大促，技术团队都会经历一次「备战」。有的团队从容不迫，大促当晚按表操课；有的团队通宵达旦，靠人肉盯着大盘救火。差别不在技术水平，而在备战流程是否体系化。本文按时间线梳理一份可以直接套用的大促备战清单——从大促前一个月到当晚的作战手册。

一、T-30 天：容量评估——先算清楚要扛多少

容量评估是一切备战的起点，算错了后面全错。三步走：

流量预估：从业务侧拿到大促的流量预估（运营活动的力度、投放渠道、去年同期倍数），按入口拆分。经验公式：大促峰值 ≈ 日常同时在线峰值的 N 倍（N 由活动力度决定，一般大促 3~5 倍，S 级大促 8~10 倍）。入口流量再按调用链路比例拆到每个服务——推荐位点击率、详情页到下单的转化率，用历史数据算，不要拍脑袋。

单机容量标定：每个核心服务做压测，拿到单实例的容量上限（QPS）。注意压测环境要与生产配置一致，压测数据要回放真实流量模型（读写比例 8:2 和 5:5 的容量完全不同）。标定结果写成容量卡片：服务、单机 QPS、生产部署数、总容量、预估需求、缺口。

缺口盘点与扩容：拿总容量对比预估需求，缺口部分提前扩容。扩容要预留发布验证时间——扩上去的机器要跑过一轮真实流量再睡得着。特别盘点三类资源：数据库连接数（扩应用容易把 DB 连接打爆）、消息队列的堆积能力、带宽（静态资源大促当晚上涨最凶的往往是带宽）。

二、T-15 天：全链路压测——验证不是估算

容量评估是算出来的，全链路压测是打出来的。在接近生产的规模上，用流量回放或模型压测验证全链路：

压测流量隔离：全链路压测必须有流量染色（压测标记随上下文透传全链路）、影子表或影子库（压测数据不污染真实数据）、下游挡板（不发真实短信、不真扣款）。这是压测体系的基本盘，没有隔离方案的全链路压测本身就是事故。

分级加压：从日常峰值的 1 倍开始，按 20% 阶梯加到目标容量的 120%（留 buffer）。每一级观察 10 分钟：错误率、RT 分位值、DB 连接数、缓存命中率。瓶颈会自己浮出来——通常是意料之外的点（某个没人在意的同步调用、某个无界队列）。

瓶颈修复与回归：每个瓶颈修复后重新压过该档位。压测报告归档，明确「系统在 X QPS 下可持续、1.2X 下出现 Y 瓶颈」——这是当晚容量决策的依据。

三、T-7 天：预案与降级清单——写好当晚的剧本

预案分级：把可能的故障场景写成剧本：某服务 RT 飙高 → 触发什么降级；DB CPU 90% → 限流阈值收到多少；MQ 堆积 → 哪些消费可以停。每个剧本四要素：触发条件（量化指标，不写「压力大」写「下单 RT P99 > 800ms 持续 5 分钟」）、执行动作、执行人、验证方式。预案落在预案平台上可一键执行，而不是文档里的命令行。

降级开关验证：所有降级开关逐一真实验证（在压测环境或低峰期生产开 10 分钟）。重点验证数据降级的恢复路径——降级容易恢复难，开关关掉之后，降级期间积压的异步数据有没有补写、对账任务能不能对平。

依赖方确认：对外依赖（支付渠道、短信通道、第三方登录）逐个确认大促容量和降级政策；对内确认跨团队的支持值班表。大促当晚最怕的消息是「这个依赖我们组没人值班」。

四、T-3 天：封网与作战室

封网变更：T-2 或 T-3 起停止一切非紧急发布。封网前把已知问题清零——带着已知 bug 进大促，当晚它一定会在最忙的时候跳出来。紧急修复通道预定义好（审批链路缩短、值班 TL 有权放行）。

值班安排：作战室（线上会议或线下会议室）排班表：每 2~4 小时一轮班，每班有总指挥、核心链路值班、DBA/中间件值班。值班表贴在显眼处，当晚任何人找得到对应的人。总指挥的职责明确：只做决策不做操作，所有跨团队动作经过总指挥，避免两个人同时按两个开关。

监控大盘：当晚作战大盘提前做好：核心链路的业务指标大盘（下单 QPS、成功率、支付成功率）放在最显眼处，比技术指标大盘优先——业务指标掉是结果，技术指标掉只是原因，先看结果再找原因。

五、当天：按表操课

整点巡检：从 19:00 开始每半小时一次全链路巡检（清单化：每个核心服务的错误率、DB/缓存水位、MQ 堆积），值班表轮转执行。整点高峰前（20:00 预售、0 点正式开抢）提前 30 分钟全员就位。

分级响应：P3（局部抖动、自动恢复）值班处理并记录；P2（单服务异常）值班 + 服务 owner 处理，通知总指挥；P1（核心链路下跌）全员响应，总指挥决定是否降级。所有决策走作战室群广播，关键动作（降级、扩容、限流）喊出来再做。

留证与复盘：当晚所有操作记时间线（谁在几点几分按了什么开关），监控大盘录屏。结束后 48 小时内复盘：瓶颈在哪、哪个预案起了作用、哪个预案没用上或失效——复盘结论写进下一年的容量评估输入，这是备战体系滚动变强的闭环。

结语

大促备战的本质是把「当晚的不确定性」在之前的 30 天里逐步消灭：容量算清（T-30）、瓶颈打实（T-15）、剧本写好（T-7）、变更锁死（T-3）。当晩需要临场发挥的东西越少，系统越稳。这份清单里的每一项都平平无奇，但每年都能完整走完的团队，大促当晚大概率在正常下班。