agentleFS
lamxylamxy/agent-prompt-rules-system/skills/skills-dev-ops/middleware-ops/SKILL.md

middleware-ops

Skill4 starsChanged 6 months agoMITView on GitHub

部署、调优、迁移或检查 Redis、Kafka、RabbitMQ、Elasticsearch、MongoDB 等中间件,用 Docker Compose 部署 gRPC 服务(健康检查、优雅关闭),以及搭建可观测性(存活探测、错误追踪、主机监控、Telegram 告警)与数据卷的备份还原。用户说「部署 Redis/Kafka/RabbitMQ/ES/MongoDB」「中间件调优」「Redis 迁移」「新库上线」「加监控告警」「搭监控」「错误追踪」「中间件巡检」「gRPC 负载不均」「备份」「还原演练」时使用。应用代码如何使用这些中间件属于 backend-dev 场景,不使用本 skill。

The file

Files
SKILL.md

中间件运维

先问资源上限。 规划实例规格、节点数、内存上限前,先询问用户可用的资源上限,再结合业务现状评估,给出建议方案与计算过程;最终配置由用户或负责的工程师决定。

按任务读取对应的参考文件,不需要全部读完:

任务参考
起步阶段的可观测性:拓扑、组件、日志、错误追踪、Telegram 告警、Go 容器参数references/observability.md(部署文件在 assets/observability/)
升级到 Prometheus 后的监控告警基线references/monitoring.md
Redis 架构选择、内存与淘汰、持久化、巡检、数据迁移references/redis.md
Kafka 集群参数、topic 管理、安全加固references/kafka.md
RabbitMQ vhost / 队列管理、内存水位references/rabbitmq.md
Elasticsearch 系统参数、分片与索引设置references/elasticsearch.md
MongoDB 新库上线清单、备份与时间点恢复、安全基线、巡检指标references/mongodb.md
Docker Compose 数据卷的备份分类、备份、存放与还原演练(Postgres 与其他卷)references/backup-restore.md
gRPC 服务的负载均衡、健康检查、优雅关闭、keepalive、排障references/grpc.md

通用约定

  • 参数修改写进 IaC(compose 文件、Terraform、Ansible),不在机器上手改;变更前先展示差异,确认后再执行(见 CLAUDE.md)。
  • 中间件资源(topic、队列、vhost、数据库账号)由运维统一创建,业务方通过工单或合并请求提交申请,申请中写明用量评估及计算方式。
  • 新中间件实例必须先接入监控与告警再交付使用(起步阶段见 references/observability.md)。
  • 管理端口与数据端口不暴露到公网,只对集群内部和指定业务开放。
  • 用某个 Compose 项目名首次 up 前,先查同名项目已有的卷与容器:docker volume ls --filter label=com.docker.compose.project=<名>、docker ps -a --filter label=com.docker.compose.project=<名>。docker compose ls(含 -a)查不到已 down 只剩卷的项目,不能代替这两条。有结果时向用户说明:容器的 com.docker.compose.project.working_dir 标签指出它属于哪个目录(卷没有这个标签,只能按卷名判断),确认是同一环境再继续,否则换项目名。
  • 验证 Compose 配置用 docker compose config --quiet;需要看结构时加 --no-interpolate --no-env-resolution,写死在文件内的值仍会显示;不用 --environment,它会打印整个 shell 环境。
  • 参考文件中的数值是常见的起点,按实际压测结果与版本文档调整,并在变更说明中写明依据。

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.