# 运维管理

平台的生产运行由部署管理员维护。资源、备份和升级操作按交付操作手册执行；控制台用于查看运行状态和管理已开放的配置。涉及维护窗口、扩容或恢复时，请先与业务负责人及交付团队确认安排。

## 日常检查

| 检查项 | 操作与判断 |
| --- | --- |
| 运行与请求 | 在[监控](./monitoring.md)查看任务结果、排队、集群资源和响应时延；对比变更前后的趋势。 |
| 设备连接 | 查看设备在线状态、MQTT 连接和会话变化，确认异常是否集中于某类设备或接入服务。 |
| AI 用量 | 检查模型调用、语音用量、外部服务限额及[设备 AI 额度](./ai-credits.md)，区分余额不足与服务失败。 |
| 授权 | 在[授权管理](./license.md)查看请求额度和到期时间，提前安排扩容或续期。 |
| 存储与备份 | 检查数据库、磁盘和日志保留情况，确认备份成功且可恢复。 |

监控出现不可用或缺失数据时，先检查采集服务和连接。缺少指标不代表业务用量或故障为零。需要定位单次请求时，按[日志](../operate-reference/logs.md)中的方法查看运行上下文。

## 调整运行规模

业务请求量增长、任务持续排队或资源用量接近上限时，结合监控评估扩容需求。先确认是否受到模型服务限额、设备连接异常或授权额度影响，再与交付团队确定资源调整方案。

管理员按交付手册扩容并核对存储容量。增加运行资源不会增加[License 请求额度](./license.md#授权控制什么)，第三方服务限额需单独确认。

扩容后，对比排队时间、完成率、响应时延和资源用量，确认调整效果。需要提高业务连续性时，应同时评估部署环境和外部服务的可用性。

## 备份与恢复

备份应覆盖平台业务数据、配置和恢复所需材料。管理员按交付手册确定备份范围、频率和保留时间，妥善保护其中的凭据与业务信息。

按交付方案执行备份，检查备份结果和完整性，并保存在独立于生产环境的位置。需要停机时，提前安排维护窗口并通知使用者。

定期在独立环境中演练恢复，确认备份可用及预计恢复时间。恢复后检查工作空间、配置、授权、设备信息和连接状态，再验证业务请求。

恢复到备份时点会丢失之后的数据。已向外部设备或业务系统执行的动作不会因数据库恢复而撤销，应核对相关执行记录，避免人工重复下发。恢复失败时保持入口关闭，按恢复手册处理。

## 升级平台

升级需要维护窗口。采用交付团队确认的目标版本和恢复方案，运行服务保持同一批准版本，控制台使用配套发布包。

1. 记录当前版本、部署标识、关键配置和运行状态，确认可用的升级前备份及必要密钥。
2. 在生产入口暂停新请求，等待排队和执行中的任务完成。安排语音、IM、工作流和定时任务的维护影响。
3. 管理员按升级手册完成版本更新和状态检查。
4. 检查服务状态、MQTT、监控与日志，核对配置、AI 额度和授权，并通过生产入口验证已获准的业务请求。
5. 验证通过后恢复流量，持续观察排队、失败率、时延及外部服务限流。

平台升级保留已有授权和配置。需要回退时，按交付团队确认的恢复方案处理。升级中断或检查失败时保持流量暂停，保留日志与备份，并联系交付团队处理。

## 故障排查与支持

排查时先确定影响范围：单台设备、某个 IoT 平台、模型或语音服务，还是整个部署。结合监控与日志记录发生时间、时区、设备或请求标识、错误提示和最近变更。

需要支持时，请[联系我们](mailto:contact@emqx.io)，提供部署标识、版本、影响范围和已脱敏的记录。日志查看与导出步骤见[日志](../operate-reference/logs.md)。