服务健康检查与发布验收清单：从实例状态到业务指标的通用实践

摘要

很多生产发布失败并不是因为代码一定有问题，而是发布后只检查了“进程是否启动”，没有检查“服务是否真正可用”。例如实例显示 Running，但没有 Ready；健康检查通过，但注册中心实例异常；接口能访问，但错误率和延迟已经明显升高。

本文整理一套通用的服务健康检查与发布验收清单，覆盖发布前、发布中、发布后的检查项，适用于 Kubernetes、虚拟机、注册中心、网关、数据库、中间件等常见生产环境。文中不包含任何内部域名、IP、账号、密钥或业务敏感信息，可直接作为团队发布验收规范、SRE 手册或 CSDN 技术文章使用。

一、为什么发布验收不能只看进程状态

很多发布检查只停留在：

服务启动了没有？ Pod 是不是 Running？ 进程有没有挂？

这些检查只能证明“程序大概率还活着”，不能证明“用户请求能正常完成”。

更完整的发布验收应该回答：

1. 实例是否启动成功？ 2. 实例是否进入就绪状态？ 3. 流量是否真的打到新版本？ 4. 注册中心、网关、负载均衡是否同步正常？ 5. 核心接口是否成功？ 6. 错误率、延迟、资源是否稳定？ 7. 出现异常时是否可以快速回滚？

发布验收的目标不是走流程，而是在影响扩大前发现问题。

二、服务健康的四个层次<