cdn运维日常巡检清单包括缓存刷新链路和性能监控要点

1. 巡检准备与账户验证

1. 登录运维平台（控制台/API），验证账号权限：使用MFA、查看API Key有效期；执行curl示例：curl -H "Authorization: Bearer " https://api.cdn.example.com/v1/account/status，确认返回200且权限包含purge和metrics。

2. 检查证书与域名解析

2. 检查SSL证书有效期：openssl s_client -connect cdn.example.com:443 -servername cdn.example.com | openssl x509 -noout -dates；检查CNAME/A记录：dig +short cdn.example.com @8.8.8.8，确认解析到正确边缘节点或提供商CNAME。

3. 缓存策略与缓存键校验

3. 查看缓存配置：确认Cache-Control、Expires、Vary、Cookie白名单策略；用curl查看响应头：curl -I https://cdn.example.com/path -H "Host: example.com" ，记录cache-control和x-cache等字段，确认缓存键规则（包括query参数白名单）。

4. 缓存刷新（Purge）链路操作步骤

4. 执行缓存刷新：优先使用API批量刷新并记录任务ID。示例：curl -X POST https://api.cdn.example.com/v1/purge -H "Authorization: Bearer $TOKEN" -d '{"type":"url","objects":["/img/logo.png"]}'，保存返回task_id用于后续查询。

5. 刷新任务跟踪与回滚验证

5. 查询刷新状态：curl https://api.cdn.example.com/v1/purge/status/$TASK_ID；对边缘节点逐点验证：curl -I https://cdn.edge1.example.com/img/logo.png，看x-cache是否显示MISS并能回源；若误刷立即通过API提交回滚规则或再下发新的缓存指令。

6. 刷新传播验证（多节点/区域）

6. 使用地理分布的curl或synthetic监测点检查生效：curl -H "Host: example.com" https:///img/logo.png 并比较各点x-cache,x-edge；同时查询日志中心确认每个POP的purge日志入库时间。

7. 性能监控要点与阈值设定

7. 关键指标：95/99百分位响应时间（建议95p<200ms），缓存命中率（>85%），带宽使用率，错误率（4xx/5xx<0.5%），origin响应时间。设置Grafana告警阈值并定义抖动窗。

8. 日常命令与链路排查流程

8. 常用命令：ping、traceroute/mtr排查网络；dig/nslookup检查DNS；curl -w '%{time_total}' 测量端到端延时；tcptraceroute或telnet看源站连通性；若异常，先切换流量到备用源并发起故障工单。

9. 日志与统计验证步骤

9. 汇总边缘访问日志与s3/ELK的日志，重点查找purge事件、客户端IP分布、请求峰值、4xx/5xx聚集时间。执行脚本统计最近24小时的cache-hit率并生成日报。

10. 自动化与告警联动配置

10. 配置Prometheus抓取边缘暴露的metrics（cache_hit, cache_miss, origin_latency），配置Alertmanager发送钉钉/邮件；示例规则：cache_miss_rate > 20% 持续5分钟触发。

11. 演练与变更控制

11. 每月演练一次全链路purge（先在测试域），记录发起-生效时间；变更必须走CI/CD与变更单，变更前后对比命中率与延时。出问题按回滚流程低风险回退。

12. 备份与故障应急步骤

12. 保留上游源站快照与配置版本，当边缘异常时：1) 切换DNS到备用CDN或直连源；2) 临时下发长TTL或临时cache-control；3) 通知相关团队并开始根因定位。

13. 问：如何确认一次缓存刷新已经在所有节点生效？

13. 答：通过API获取task_id后，在多区域监测点用curl检查x-cache（应从HIT变为MISS且随后回源），并查看边缘purge日志时间戳，确保每个POP都记录了该task_id。

14. 问：缓存命中率突然下降如何快速定位？

14. 答：先检查最近配置变更（cache-key、cookie白名单、query参数）；使用日志按URI聚合查看命中/未命中比；确认origin是否返回Cache-Control或Set-Cookie导致绕过缓存。

15. 问：性能告警触发后第一步应该做什么？

15. 答：先判断是否为静态峰值流量（并发）或源站延时；查看95/99延时指标和origin_latency，若是origin问题，临时切流或加速回源；若是网络问题，展开traceroute并通知网络厂商。