业务上云的第一周：观察什么

切换解析的那一刻，多数团队的第一反应是松口气，正确的反应是打起精神。上云后的第一周是新环境的适应期，问题大多在这个窗口冒头，盯住三个渠道就够了。 一、渠道一：资源水位 每天固定两三个时间点看 CPU、内存、磁盘、带宽的水位，和旧机器迁前的监控对照。重点不是绝对值，是曲线形状：白天爬坡、夜里回落的起伏是否和旧机器一致，出现平线（监控断了）或异常尖峰（定时任务没配好、被扫描）都要查清。对照要挑同类型时段比：工作日上午对工作日上午，促销日单独标记，错位的对比会得出错误结论。磁盘重点盯日志目录的增速，`du -sh /var/log` 每天记一次，涨得异常说明日志级别或轮转没配对。 二、渠道二：错误日志 新旧机器的错误日志按天对比。旧机器上每天出现的报错，新机器上应该减少而不是增多；新出现的报错逐条过，常见的是字符集差异、缺少依赖库、时区偏移。第一周顺手把应用日志的路径和轮转理一遍：哪些服务往哪写、按天还是按大小轮转、保留几份，这些定下来，后面排查效率高很多。再配一条最低限度的告警，比如日志里 ERROR 关键词每小时超过阈值就通知，比人肉翻日志高效得多。 三、渠道三：用户反馈 指标正常不代表业务正常。第一周和客服、运营约好：用户反馈加载慢、功能异常的，第一时间转给技术并附上时间点，方便对着日志定位。每条反馈要有去向：转给谁、结论是什么，一张简单表格记下来，避免同一个问题被报三次还没人处理。有些问题只有真实用户能暴露，比如某个地区的运营商访问慢、老版本客户端的兼容问题。 三个渠道合起来看：资源水位说明系统稳不稳，错误日志说明程序对不对，用户反馈说明体验好不好。第一周盯紧一点，第二周就能回到正常的运维节奏。