getDomain/docs/当前线上运维执行清单.md

当前线上运维执行清单

说明：这份文档保留作阶段执行稿。后续执行和观察，统一以 当前线上最终Runbook.md 为准。

最后更新：2026-04-25 17:30 左右
适用节点：mainland-controller-01

1. 当前目标

当前先不要继续乱调参数。
先确认这一套已经生效的配置，能不能稳定把结果持续跑出来。

现在最重要的不是：

• 再加线程
• 再改 claim
• 再改批量
• 再改超时

现在最重要的是：

1. completed_total 能不能持续增长
2. aizhan_completed / wayback_completed 能不能继续增长
3. aizhan_failed / wayback_failed 会不会重新抬头

2. 当前已经验证有效的方向

这一轮已经确认有效的不是单点，而是整套思路：

• 单机性能模式保留
• 任务已经能铺到更多 worker 上
• 爱站 支持更快降级继续
• wayback 已经减少了额外的 records_cdx 压力
• 当前主链已经从“线程忙但不出结果”变成“线程忙，同时持续产出 completed”

3. 当前观察时先看什么

优先看这 6 组数：

1. completed_total
2. aizhan_completed
3. wayback_completed
4. aizhan_failed
5. wayback_failed
6. running / claimed / pending

判断顺序不要乱：

1. 先看 completed_total 有没有涨
2. 再看 aizhan_completed / wayback_completed 有没有涨
3. 最后才看 failed 和 pending

原因：

• claimed / pending 在 domain_pipeline 下会波动，不能单独看
• completed 才是最真实的产出

4. 当前正确的判断口径

说明一

如果看到：

• running 很高
• claimed / pending 在波动
• 但 completed_total 也在持续涨

这不是问题。
这说明当前机器正在持续消化任务。

说明二

如果看到：

• aizhan_failed = 0
• wayback_failed = 0
• aizhan_completed / wayback_completed 继续涨

这说明现在这套“外部依赖快速降级继续”是对的。

说明三

如果看到：

• running 很高
• 但 completed_total 长时间完全不涨

这才说明主链又卡住了，需要继续排。

5. 当前建议观察窗口

建议至少看 30 ~ 60 分钟，不要只看一两个瞬间。

推荐做法：

1. 先记一组起始值
2. 每隔 10 ~ 15 分钟看一次
3. 连看至少 3 ~ 4 个点

只看单点，很容易误判。

6. 什么情况说明继续观察就行

只要出现下面这种趋势，就先不要动参数：

• completed_total 持续增长
• aizhan_completed 持续增长
• wayback_completed 持续增长
• aizhan_failed / wayback_failed 维持低位或归零

这说明当前主链是通的，应该先稳住。

7. 什么情况才需要继续下刀

只有出现下面这些情况，才值得继续改：

情况一

completed_total 在 30 ~ 60 分钟窗口里基本不动
说明虽然线程在跑，但结果没有真正落地。

情况二

aizhan_failed 或 wayback_failed 又明显抬头
说明当前“快速降级继续”还不够稳。

情况三

running 长时间很高，但 aizhan_completed / wayback_completed 不再增长
说明新的主瓶颈又出现了。

8. 当前不要再碰的东西

在这轮观察结束前，先不要继续改：

• worker 进程数
• 每进程线程数
• claim 批量
• backlog 批量
• wayback 参数
• 爱站参数

原因很简单：

现在已经进到“开始稳定产出”的阶段，频繁动参数，只会把已验证有效的窗口打碎。

9. 当前一句话执行原则

先稳住，先观察 completed 是否持续增长；只要结果还在持续出来，就先不要再乱改。