1. 准备与访问控制
步骤1：在本地生成密钥：ssh-keygen -t rsa -b 4096 -C "ops@company"；步骤2：将公钥追加到 dmit 提供的控制面板或目标主机 ~/.ssh/authorized_keys；步骤3：建立跳板：若机房内网需跳板，配置 ~/.ssh/config：Host dmit-* ProxyJump jumpuser@jump.example.com；步骤4：在机房启用 MFA/API token（如有），并记录审计账号。2. 资产盘点与标签化
步骤1：使用 nmap 或 cloud provider API 列出实例并导出 CSV；步骤2：为每台主机定义标签（env、role、owner、zone），并把这些标签同步到 Ansible 动态 inventory（inventory/scripts/dmit_inventory.py）；步骤3：把清单存入版本库，定期（cron）对比变更并生成变更单。3. 自动化配置管理（Ansible 实战）
步骤1：创建 playbook 案例：roles/common/tasks/main.yml 包含用户、ssh、ntp、时区（Asia/Tokyo）；步骤2：使用 ansible-vault 存放密钥与 API token；步骤3：应用命令示例：ansible-playbook -i inventory/hosts site.yml --limit "dmit-jp" --tags "base,monitor"；步骤4：CI 集成：在 GitLab CI 添加 pipeline 步骤，合并后自动执行到测试机。4. 监控栈部署（Prometheus+Grafana）
步骤1：在监控服务器安装 node_exporter：wget https... && systemd unit 文件并启用；步骤2：Prometheus scrape 配置样例：targets: ['10.0.0.5:9100']; 步骤3：搭建 Alertmanager，配置邮件/Slack/电话告警；步骤4：在 Grafana 导入官方 node-exporter dashboard 并设定每 5m 的刷新策略。5. 日志、集中化与告警规则
步骤1：部署 Fluentd/Logstash 将 /var/log/*.log 发送到 Elasticsearch 或 Loki；步骤2：按服务创建索引与模板，设置 ILM 策略（热/温/冷）、保留周期；步骤3：Prometheus 告警示例：node_filesystem_avail_bytes < 10737418240 and for: 10m；步骤4：定义告警等级（P1/P2）与演练 SOP。6. 备份、恢复与演练
步骤1：数据库采用逻辑备份 + WAL 归档到对象存储（示例：pg_dump + rclone push）；步骤2：磁盘快照结合 rsync 定期异地备份到东京外其他区域；步骤3：编写恢复脚本并在 DR 演练中验证 RTO/RPO；步骤4：使用 systemd timers 替代部分 cron，便于监控与重启策略。7. 问：在 dmit 日本机房最重要的网络与时区注意点是什么？
问：在 dmit 日本机房最重要的网络与时区注意点是什么？答：答：确保实例使用 Asia/Tokyo 时区并同步 NTP（asia.pool.ntp.org）；核验公网出入口、路由表、MTU 与内网 ACL，做延迟/丢包基线（ping/iperf3），并在 Prometheus 加入 blackbox_exporter 做外部可达性检测。
8. 问：如何快速上手自动化部署到 dmit 环境？
问：如何快速上手自动化部署到 dmit 环境？答：答：从小规模开始：建立动态 inventory、编写一个包含用户/ssh/ntp 的 Ansible role，先在 1-2 台测试机运行，CI 通过后逐步扩大，所有变更以 Git Merge Request 为入口并用 ansible-playbook --check 预演。
9. 问：常见故障的排查与恢复建议有哪些？
问：常见故障的排查与恢复建议有哪些？答：答：先看监控与日志（Grafana/ELK），确认是网络、磁盘还是进程异常；使用预先准备的 runbook（包括恢复命令、快照位置、负责人）执行；若无法恢复，按 DR 流程切换到异地备份并通知相关方。
