事件响应与灾难恢复
如何检测与处理事件、由谁升级，以及服务如何恢复。
- 严重级别 — 标准运营 5 级。
- 检测 — 5 分钟轮询周期（监控、心跳、ErrorLogs）。
- SLA — 可用性 99.95%–99.9999%（约定），目标 4 小时内解决。
- 角色 — AI 自动化检测/分诊/运行手册执行；高风险经事前审批；新发或高风险由人类 FDE Squad 处理。
- 升级 — 带每客户专属联系人的 Slack 频道，7×24 覆盖，operator → manager → end user 逐级。
- 事后 — 遵循客户标准事件报告；若无则提供 md 报告。
- 灾难恢复 — RTO 4 小时；RPO 约定；DB 与源码每日备份（云存储或客户位置）；FDE Box 故障 30 分钟内修复或更换；GIIP Engine 采用 Azure 区域冗余；每 6 个月进行一次 DR 测试。