← 返回项目

上线方案

慢病健康管理—癌症筛查与早诊培训项目

四阶段灰度上线

1上线总体策略

为确保平台平稳上线,采用"内测→灰度→全量→监控"四阶段渐进式发布策略,逐步扩大用户范围,每阶段设置明确的准入准出标准,发现问题及时回滚,最大限度降低上线风险。

阶段一:内部测试 已完成

内部员工+核心专家小范围测试,全功能验证,Bug修复

阶段二:20%灰度发布 进行中

3个试点基地、约500名学员开放使用,监控核心指标

阶段三:全量发布 待启动

全国各级培训基地全面开放,覆盖全部目标用户

阶段四:持续监控与运营 待启动

持续监控系统稳定性和用户反馈,快速迭代优化

2上线前检查清单

2.1 技术准备

2.2 内容准备

2.3 运营准备

2.4 合规与安全

3阶段一:内部测试

50人
内测用户规模
7天
测试周期
100%
功能覆盖率
95%+
P0 Bug修复率

3.1 参与范围

用户类型人数来源职责
产品/研发/测试团队20人项目组内部全功能体验,发现Bug
内部专家医生10人合作医院专业内容评审,课程质量评估
内部运营人员10人运营团队运营流程验证,内容检查
种子学员10人试点基地推荐学员端体验,学习流程验证

3.2 准入标准

3.3 准出标准

4阶段二:20%灰度发布

500人
灰度用户规模
7天
灰度周期
3个
试点基地
20%
目标用户占比

4.1 灰度策略

维度策略说明
用户选择按基地白名单选择3个代表性培训基地(东部/中部/西部各1个),基地内全员开放
功能范围全功能开放所有功能模块对外开放,验证真实使用场景下的系统表现
流量切换DNS权重切换通过DNS权重逐步将灰度基地流量切至新系统,首日10%,次日50%,第三日100%
数据隔离逻辑隔离同一数据库,灰度用户打标签,不影响其他用户

4.2 核心监控指标

系统指标

指标阈值(警告)阈值(严重)说明
系统可用性<99.5%<99%按分钟统计
接口错误率>1%>5%5xx错误占比
接口P95响应时间>800ms>1500ms核心接口
CPU使用率>70%>85%应用服务器
数据库连接数>70%>85%连接池使用率

业务指标

指标目标值监控频率负责人
日活跃用户数(DAU)≥200每日产品经理
课程学习完成率≥60%每日产品经理
视频播放成功率≥99%实时技术负责人
用户反馈量≤20条/天每日运营负责人
Crash率(移动端)≤0.5%每日客户端负责人

4.3 灰度准出标准

5阶段三:全量发布

2500+人
全量用户规模
7天
全量发布周期
10+个
覆盖基地数
100%
目标用户占比

5.1 发布节奏

时间动作范围说明
D-Day 00:00DNS全量切换所有用户凌晨低峰期切换,减少用户感知
D-Day 08:00上线公告发布所有用户站内信+短信+邮件通知
D-Day 全天一级响应保障全团队产品/研发/运维全员值守,实时监控
D+1 ~ D+3二级响应保障核心成员核心成员on-call,每日复盘
D+4 ~ D+7三级响应保障值班人员常规值班,问题按优先级处理

5.2 上线发布操作步骤

  1. 发布前2小时 - 发布组确认检查清单所有项目完成,发布负责人签字确认
  2. 发布前1小时 - 停止数据库写入(只读模式),执行全量数据备份
  3. 发布前30分钟 - 代码/配置发布至生产环境,执行数据库变更脚本
  4. 发布后立即 - 冒烟测试验证核心功能(登录、课程、考试)
  5. 发布后30分钟 - 监控系统指标,确认无异常
  6. 发布后1小时 - 发布成功确认,开启全量流量

6回滚方案

如出现以下任一情况,立即启动回滚流程:

6.1 回滚操作步骤

第1步:决策(5分钟内)
现场最高技术负责人判断是否需要回滚,一旦决策立即执行,无需逐级上报
第2步:流量切换(10分钟内)
DNS切回旧版本系统/静态降级页面,将用户影响降到最低
第3步:数据回滚(30分钟内)
如涉及数据库变更,使用备份数据回滚;如灰度期间则灰度用户数据隔离不受影响
第4步:问题排查(同步进行)
研发团队定位问题原因,评估修复时间,输出修复方案
第5步:用户通知(1小时内)
运营团队通过公告/短信向用户说明情况,致歉并给出恢复时间预期
第6步:复盘总结(24小时内)
组织线上事故复盘会,输出根因分析和改进措施,防止再次发生

7阶段四:持续监控与运营

7.1 监控体系

监控层级监控内容工具告警方式响应时间
基础设施层服务器CPU/内存/磁盘、网络带宽Prometheus + Grafana电话+短信P0: 5分钟
应用服务层接口响应时间、错误率、QPSAPM + ELK短信+企业微信P0: 5分钟
业务数据层DAU、学习时长、考试提交量自研数据看板日报+周报—
用户体验层Crash率、页面加载时间、报错量Sentry + 自研监控企业微信P1: 30分钟

7.2 成功指标(上线后30天)

2500+
注册用户数
≥70%
次日留存率
≥50%
7日留存率
≥5小时
人均学习时长/周
≥60%
课程完成率
≥80%
考试通过率
≥70%
证书获取率
4.9
用户满意度

8组织保障与分工

总负责人
项目总监
上线总决策,资源协调
产品负责人
高级产品经理
需求确认,验收标准,业务问题判断
技术负责人
技术总监
技术方案,发布/回滚决策,系统稳定性
运维负责人
运维工程师
发布执行,监控告警,应急处理
测试负责人
测试经理
上线质量把关,回归测试执行
运营负责人
运营经理
用户通知,反馈收集,客服对接

8.1 风险预案

风险项概率影响等级应对措施
大流量下系统性能下降中高高提前压测扩容,配置自动弹性伸缩,准备降级方案
视频服务不可用低高高多CDN厂商备份,备用视频源切换预案
数据库主库故障低高高主从自动切换,RTO<5分钟,RPO<1分钟
短信通道拥塞中中中多家短信服务商备份,支持快速切换
用户集中登录导致压力中中中登录接口限流+缓存,验证码防刷机制
考试集中提交雪崩低高高考试提交异步处理+消息队列削峰,错峰考试安排