技術文件中心

依應用負載估算 CPU、記憶體、儲存與頻寬，預留成長空間。

操作步驟與驗證

1. 記錄尖峰並行量、請求時間、CPU 使用率與記憶體工作集。資料庫、快取及執行環境需分別估算，不宜只按網站數量選方案。
2. 將資料庫、媒體、日誌、快照及成長量納入容量。10Mbps 理論上限為 1.25MB/s，實際吞吐量仍受協定與網路路徑影響。
3. 以接近真實流量的請求負載測試，觀察 p95 延遲、交換空間及磁碟等待。先處理慢查詢與快取，再決定擴充資源。
4. 建立資源表，記錄尖峰、成長、延遲目標及擴充條件。圖片網站重視容量與傳輸，交易資料庫更重視快取命中及同步寫入；相同流量不代表相同規格。

free -h
df -h
vmstat 1 5

以相同端點、電信業者及時段比較 CN2 GIA、CMI、PCCW 或國際 BGP。

操作步驟與驗證

1. 向支援取得所選產品測試位址，記錄所在地、電信業者、時間及協定。公開地區參考 IP 無法證明執行個體使用相同路由。
2. 從使用者網路取得去程 MTR，再從伺服器或 Looking Glass 取得回程。AS4809 與 59.43 節點僅是線索，不能單獨證明完整雙向 CN2 GIA。
3. 比較尖峰與離峰時段的端到端封包遺失、延遲變動及 HTTPS 回應時間。中繼路由器可能限制 ICMP 回應；只有中繼節點未回應、最終目標正常時，不應直接判定業務流量發生封包遺失。
4. 依電信業者、時間與方向保存測試，並記錄實際應用耗時。路由會因互連策略或故障改變，一次 traceroute 無法代表長期或所有使用者體驗。

mtr --report --report-cycles 20 YOUR_TEST_IP

從網域解析到憑證續期，完成可驗證的網站部署。

操作步驟與驗證

1. 將 A/AAAA 指向實際位址；僅在主機已配置可用 IPv6 時新增 AAAA。安裝受支援的 Web、PHP 與資料庫版本，建立獨立資料庫帳號。
2. 由 WordPress 官方下載程式並設定管理帳號。Web 程序只取得必要目錄的寫入權限，資料庫連接埠不應公開。
3. 設定 ACME 用戶端與 HTTPS，確認驗證所需連接埠或 DNS 權限，再測試自動續期。HTTPS 正常後啟用 HTTP 重新導向。
4. 檢查登入、上傳、郵件與結帳；建立資料庫及上傳目錄的異機備份，完成一次還原演練再切換正式流量。
5. 上線後驗證固定連結、上傳限制、排程及快取。購物車、登入狀態與後台不能套用匿名頁面快取；啟用 CDN 後分別以登入與未登入狀態測試。

curl -I https://YOUR_DOMAIN

核對實際交付規格、磁碟健康與管理權限。

操作步驟與驗證

1. 依訂單核對 CPU 型號、數量、可用記憶體及磁碟。區分實體核心與執行緒、原始容量與陣列可用容量。
2. 確認 RAID 等級、熱備援及控制器快取保護。RAID 0 沒有備援；RAID 1/10 與 RAID 5/6 的容量及容錯不同，RAID 不能取代備份。
3. 檢查硬體告警、陣列降級與重建狀態，記錄序號和交付結果。上線前進行負載測試；磁碟寫入或重建前先確認資料保護。
4. 保存驗收紀錄並區分已確認及未測項目。連接埠速率不保證所有目的地吞吐量，硬碟型號也不代表陣列效能；以實際負載測試並記錄資源爭用。

lscpu
free -h
lsblk -o NAME,SIZE,TYPE,MODEL

驗證遠端主控台、啟動媒體與故障復原入口。

操作步驟與驗證

1. 確認管理位址、認證資訊交付方式及允許的來源網路。使用獨立管理網路或 VPN，避免將 IPMI/iDRAC 開放到整個網際網路，並更換預設登入密碼。
2. 於維護時段驗證畫面、鍵盤與虛擬媒體。重新啟動及變更開機順序會中斷服務，先移轉流量並確認備份。
3. 保存系統碟復原步驟及聯絡方式。斷線時先檢查介面、路由及防火牆；未確認磁碟狀態前不要直接重灌。
4. 復原前確認實體主機與負責人，區分正常關機、強制斷電及重灌影響。主控台可用不代表網路已恢復；完成後檢查業務、掛載及資料庫，卸載臨時媒體。

先區分橋接與路由子網，再配置虛擬機網路。

操作步驟與驗證

1. 保存供應商分配的閘道、遮罩、可用位址及 MAC 限制。橋接、路由子網與單 IP NAT 不同，不能直接套用其他機房範例。
2. 保留帶外主控台並備份網路設定。先用測試虛擬機驗證網橋、DNS、回程及重新啟動後的連線，再批量建立租戶。
3. 分離管理面與租戶網路，設定防火牆、防 IP 冒用及權限。只能使用供應商分配的 IPv4，獨立 IP 不等於租戶隔離。
4. 將備份放在獨立故障域並記錄復原順序；還原測試應驗證磁碟、網路、應用及權限。
5. 正式交付前，向服務商確認額外 MAC 位址及巢狀虛擬化是否受限。保存已驗證的網路設定與還原步驟，避免後續新增租戶時套用其他機房的配置。

ip -br address
ip route
bridge link

同時計算記憶體、儲存 IOPS、CPU 與網路，不只計算虛擬機數量。

操作步驟與驗證

1. 為宿主系統、檔案系統快取及管理服務預留記憶體，合計虛擬機尖峰工作集，避免將全部實體記憶體分配給租戶。
2. 依工作負載決定 CPU 超額配置比例，觀察主機負載、客體 CPU 等待時間（steal time）與排程延遲。低流量網站與低延遲資料庫不宜採用相同的配置假設。
3. 將隨機 IOPS、同步寫入及備份時段納入預算。設定容量、精簡配置成長與網卡壅塞告警，升級前準備移轉與回復計畫。
4. 容量規劃需包含維護移轉餘裕。先驗證目標主機 CPU 相容、記憶體、儲存及網路；只有備份不代表已有可用的移轉容量。

估算權重、KV Cache、執行環境與訓練狀態所需的 GPU 記憶體。

操作步驟與驗證

1. 先區分推論、LoRA 與全量訓練。7B 參數 FP16 權重約 14GB（十進位），另需框架及執行環境空間，不能直接推定 16GB 顯示卡可穩定執行。
2. 推論需為上下文、同時處理的請求及 KV Cache 預留記憶體；訓練還需梯度、最佳化器狀態與啟用值（activations）。量化可減少權重用量，但仍需驗證輸出品質及運算子相容性。
3. 多張 GPU 的記憶體通常不會自動合併。先確認模型平行處理方式、PCIe/NVLink 拓撲及框架支援，再以目標批次大小（batch size）測量尖峰用量與吞吐量。
4. 每次測試記錄輸入長度、並行、精度與峰值。量化模型載入仍可能有暫時尖峰；訓練還需測試檢查點儲存與恢復，避免長時間執行後才發現空間不足。

nvidia-smi
nvidia-smi topo -m

先驗證驅動，再安裝相容環境並測試 GPU 運算。

操作步驟與驗證

1. 執行 nvidia-smi 檢查 GPU、驅動及占用程序。顯示的 CUDA 版本反映驅動支援資訊，不代表已安裝該版本 Toolkit。
2. 依 PyTorch 官方說明選擇相容的套件版本並使用獨立虛擬環境。容器還需 NVIDIA Container Toolkit 與裝置授權，不要混用來源不明的驅動。
3. 確認 torch.cuda.is_available()、裝置名稱及小型張量運算後再安裝模型相依項。記錄驅動、PyTorch、執行環境及模型版本，以便重現與回復。
4. 確認裝置可辨識後，仍需執行實際模型的小批次推論或訓練。若出現運算子或動態函式庫錯誤，先核對虛擬環境及套件版本；穩定後保存相依套件清單與容器映像版本。

python -c "import torch; print(torch.__version__); print(torch.cuda.is_available()); print(torch.cuda.get_device_name(0) if torch.cuda.is_available() else 'No CUDA device')"

以可還原資料與明確復原時間為目標，不只看備份成功訊息。

操作步驟與驗證

1. 定義可接受的資料遺失時間範圍（RPO）與服務復原時間（RTO）。資料庫應使用能維持應用程式一致性的備份或受支援快照，不要直接複製正在寫入的資料目錄。
2. 將加密備份放到獨立設備或區域，設定保留週期與最小權限；記錄金鑰位置並監控失敗、容量及過期告警。
3. 在隔離環境還原最近備份，驗證資料、檔案、權限與應用，記錄實際耗時。上線前確認監控、憑證續期、聯絡人及回復步驟。
4. 將實際備份間隔與 RPO 比較，將下載、解密、匯入及驗證總時間與 RTO 比較。檢查資料庫與上傳檔案是否對應，壓縮檔能解開不代表業務可復原。

建立可驗證的遠端管理入口，區分逾時、拒絕連線與驗證失敗。

操作步驟與驗證

1. 在本機產生有密碼保護的 SSH 金鑰，將公鑰放入伺服器帳戶的 authorized_keys。私鑰留在本機，各管理員使用獨立金鑰，不要貼到服務單。
2. 首次連線透過主控台或可信交付資訊核對主機指紋。重灌後若指紋不同，先確認變更紀錄，不要直接停用驗證。
3. 保留目前連線，在第二個終端驗證新帳戶、金鑰與 sudo 權限。確認主控台可供復原後，再限制密碼登入。
4. 逾時先查主機狀態、IP、連接埠、安全群組及本機出口；拒絕連線時確認 SSH 是否監聽。驗證失敗則查使用者、公鑰、權限與日誌。
5. 修改後先以 sshd -t 檢查語法，再依系統方式重新載入。保留舊連線並測試新連線，失敗時由主控台還原設定。

ssh -vv YOUR_USER@YOUR_SERVER_IP

依 DNS、連線、憑證及應用四層定位網站故障。

操作步驟與驗證

1. 記錄完整網域、時間、網路及瀏覽器錯誤；根網域與 www 可能使用不同紀錄，不能只看控制面板判定已生效。
2. 分別查詢 A、AAAA 與 CNAME。IPv4 正常但部分使用者失敗時，核對 IPv6 服務；修改後仍需等待快取 TTL 到期。
3. 確認指向來源站或 CDN。代理啟用時回傳邊緣位址屬正常現象；檢查來源站時保留正確 Host 與 SNI，不要直接以 IP 判定憑證。
4. 確認憑證涵蓋實際網域、有效期及完整中繼鏈，也要核對系統時間。應用與反向代理的 HTTPS 轉址設定需一致，避免循環。
5. 502/504 檢查上游監聽、代理日誌與應用耗時；403 檢查存取控制與權限。修復後跨網路測試首頁、登入、資源及自動續期。

dig YOUR_DOMAIN A
dig YOUR_DOMAIN AAAA
curl -I https://YOUR_DOMAIN

分別管理映像檔、持久資料、網路入口與復原步驟。

操作步驟與驗證

1. 確認系統支援範圍並使用官方來源，記錄 Compose 版本與映像架構。ARM 與 x86 不應視為可直接互換；正式環境固定版本或摘要。
2. 資料庫及上傳檔案使用持久性磁碟區，記錄路徑、擁有者與備份方式。容器能重建不代表資料能重建，不要只保留在容器可寫層。
3. 僅發布必要連接埠，資料庫置於內部網路。Docker 可能改變防火牆實際效果，需從外部確認可存取範圍。
4. 設定健康檢查、資源限制及日誌輪替。執行中的容器不等於應用就緒，需驗證相依服務、遷移、權限與重新啟動後的資料。
5. 保留前版映像與設定，先演練回復。資料庫結構可能不向下相容，回到舊映像未必能讀取新資料；升級前備份並規劃還原。

docker version
docker compose ps
docker stats --no-stream

區分 CPU、記憶體、磁碟、inode 與應用瓶頸，避免盲目擴充。

操作步驟與驗證

1. 記錄故障時的流量、延遲、負載與近期發布。load average 不等於 CPU 使用率，需搭配核心數、執行佇列及 I/O 等待判斷。
2. 以 free 顯示的 available 判斷可用記憶體，檔案快取本身不代表記憶體洩漏。持續換入換出、OOM 日誌及應用程式 heap 用量成長，比單次使用率更有助於定位問題。
3. 同時檢查 df -h 與 df -i；inode 耗盡也會無法寫入。容量統計不同時，查已刪除仍開啟的檔案、掛載點及快照。
4. 將磁碟等待與慢查詢、備份及隨機寫入對照。在低影響時段採樣，避免直接對正式資料碟進行高強度寫入測試。
5. 依證據調整輪替、查詢或容量，一次改一個關鍵變數並對照相同負載。不要直接刪除資料庫檔案或以清除快取掩蓋需求。

uptime
free -h
df -h
df -i
vmstat 1 5

在可控維護時段同步資料，避免新舊站點同時寫入。

操作步驟與驗證

1. 盤點網域、資料庫、檔案、排程、郵件、回呼及白名單。確認新環境相依套件，避免移轉時同時進行多項主要版本升級。
2. 提前降低 DNS TTL 並等待原週期經過；新 TTL 不會立刻清除既有快取。CDN、代理及應用快取也需納入規劃。
3. 恢復初始備份，以測試網域或 hosts 驗證。停用測試環境的正式付款、郵件、佇列與重複排程，避免實際副作用。
4. 維護時暫停寫入，完成一致性備份及最終檔案同步。核對資料、權限與憑證後切換；僅改 DNS 可能造成訂單或檔案分歧。
5. 保留舊環境並觀察錯誤率與流程。新站已有寫入時，回復前須處理新增資料，不能直接將 DNS 指回；驗收後再移除舊資源。

以可重現的小負載定位記憶體尖峰、並行與資料讀取問題。

操作步驟與驗證

1. 記錄模型、精度、上下文、batch、並行數及完整錯誤。先用單請求與短上下文重現，再逐項增加，不能僅看模型檔案大小。
2. 以 nvidia-smi 查同卡程序，再對照框架 allocated、reserved 及峰值。快取釋放不會自動縮小仍需使用的張量。
3. 推論可先降低同時處理數、批次大小或上下文上限，再評估量化與 KV Cache 策略。訓練可評估梯度累積及啟用值檢查點（activation checkpointing），並同時驗證品質、吞吐量與延遲。
4. GPU 使用率偏低時，檢查 CPU 前處理、磁碟讀取、資料載入與主機到 GPU 的傳輸。分別測量首次載入、暖機後的首個 token 延遲及持續生成速度，不要混用不同指標。
5. 以代表性輸入持續觀察 p95、峰值與錯誤率。多卡需確認工作實際分配、拓撲與通訊等待，並保存穩定設定及版本。

nvidia-smi
nvidia-smi topo -m

操作步驟與驗證

1. 依使用者、電信業者、資料庫及第三方介面位置整理路徑；跨區 API 與資料庫往返可能比首頁延遲更關鍵。
2. 以相同規格、請求及時段比較候選地區，記錄 p50/p95 與失敗率，並確認資料地域要求、備份位置及庫存。
3. 先移轉非關鍵服務或少量流量，觀察指標再擴大；主資料庫需另外規劃一致性及回復，不能只改網站 DNS。

操作步驟與驗證

1. 區分連接埠速率、承諾頻寬及月流量，確認進出站計費方式；Mbps 除以 8 才是理論 MB/s，仍需扣除協定開銷。
2. 以平均回應大小乘請求數估算，另外計入影片、備份及爬蟲；100Mbps 滿速一天理論約 1.08TB，但實際不能預設持續滿速。
3. 設定每日及每月流量告警，確認超額後限速或計費；下載慢也需檢查單連線限制、磁碟、路由及 CDN 命中率。

操作步驟與驗證

1. 先查應用所需執行環境、核心與架構，再選仍有安全維護的發行版，不要依舊教學安裝已停止支援的版本。
2. 記錄軟體來源、套件管理、防火牆及網路設定，服務名稱可能不同；先在測試主機驗證啟動、相依套件、監控及備份。
3. 主要版本升級前驗證備份並安排維護；重灌通常影響系統碟，應先確認保留範圍，不能視為一般更新。

操作步驟與驗證

1. 先確認應用監聽位址與連接埠，再設定代理；無須公開時使用迴路或私網，並正確傳遞原始協定與主機資訊。
2. 修改設定後先執行 nginx -t，通過後再重新載入。502 錯誤應檢查上游連線、Unix socket 權限及程序狀態；504 則應對照應用程式執行時間，不要只提高逾時上限。
3. 實測上傳、轉址、用戶 IP 與 WebSocket；只信任已知代理的轉發標頭，避免偽造來源影響存取控制。

操作步驟與驗證

1. 建立受來源限制的應用帳戶，不使用管理員帳戶；確認監聽及防火牆，必要時才開遠端連線並保護傳輸。
2. 將請求延遲與慢查詢日誌對照，再用 EXPLAIN 檢查查詢執行計畫、索引使用及掃描資料列數。新增索引也會增加寫入與儲存成本，應先確認實際效益。
3. 調整前保存基準並以同等負載重測，驗證一致性備份及還原，監控連線、容量與複寫延遲，不只看程序存活。

操作步驟與驗證

1. 先區分快取、工作階段及關鍵佇列，持久化與淘汰策略不能一概而論；限制網路並依版本設定驗證及權限。
2. 設定 maxmemory 時，預留持久化、複寫緩衝區及作業系統所需空間。依資料用途及 TTL 選擇淘汰策略，並確認無法淘汰鍵值時，應用程式如何處理寫入失敗。
3. 觀察命中率、淘汰、慢命令及大型鍵，不只擴充記憶體；演練快取清空後資料庫負載及持久資料還原。

操作步驟與驗證

1. 先驗證來源站網域、憑證與業務再啟用代理，確認回源協定及驗證方式，不要長期關閉來源站身分驗證。
2. 分別設定靜態、HTML、登入及 API 快取；明確處理 Cookie、驗證標頭與個人化內容，避免洩漏私人回應。
3. 對照邊緣與來源日誌、命中及錯誤；以 CDN IP 限制來源時需更新官方清單，保留受控管理及復原途徑。

操作步驟與驗證

1. 確認分配的 IPv6、前綴與閘道，不能由 IPv4 推算；修改前備份網路設定並確認主控台可用。
2. 驗證路由、DNS 及應用監聽，系統有 IPv6 不代表服務已啟用；檢查 IPv6 防火牆並保留必要 ICMPv6。
3. 由外部 IPv6 網路驗證 HTTPS 後才發布 AAAA，故障時分別測試兩種協定，避免隨機成功掩蓋單側失敗。

操作步驟與驗證

1. 確認系統或業務時區及日光節約時間；使用完整路徑與工作目錄，排程環境的 PATH 可能不同於終端。
2. 長時間工作應使用互斥鎖或有期限的執行權（lease）避免重疊。多主機部署時，明確指定執行節點；重試不得造成重複扣款或重複更新。
3. 記錄起訖、結束代碼與數量，對逾時及漏跑告警，測試重啟、斷線和重試，不能只看日誌檔存在。

操作步驟與驗證

1. 依磁碟數量、容量及讀寫負載選擇陣列。磁碟容量相同時，RAID 5 約保留一顆磁碟容量供同位元檢查使用，RAID 6 約保留兩顆；另需計入格式化與熱備援磁碟。
2. 確認控制器快取保護及斷電行為；RAID 10 容錯取決於映像檔組，不能保證任意兩碟故障都安全。
3. 規劃重建效能下降及再次故障風險，監控降級與熱備；備份需獨立，刪除或檔案損壞仍會影響整個陣列。

操作步驟與驗證

1. 先記錄型號、序號、槽位及陣列關係再讀健康資料；不同廠商原始值含義不同，需對照說明及趨勢。
2. 結合媒體錯誤、溫度、壽命及核心 I/O 訊息；健康通過不保證無故障，持續增加的錯誤更值得追蹤。
3. 更換前驗證備份、槽位、容錯及熱插拔；之後監控重建並驗證業務，重建中不可任意拔除第二顆磁碟。

操作步驟與驗證

1. 核對插槽、核心、執行緒及 NUMA；邏輯執行緒不等於實體核心，頻率與快取也會影響單執行緒工作。
2. 以業務負載觀察排程、記憶體頻寬與跨節點存取；綁定可能改善區域性，也可能造成局部不足，先量測再調整。
3. 保存預設設定與測試結果，在相同並行數下比較吞吐量及 p95/p99 等高百分位延遲。虛擬化環境還需核對 vNUMA 與虛擬 CPU 配置，避免客體不必要地跨越多個 NUMA 節點。

操作步驟與驗證

1. 核對訂單、系統資訊及管理入口，保存硬體序號與維護流程，避免故障時才查找聯絡方式及權限。
2. 匯入資料前安排測試並標明寫入風險，觀察溫度、錯誤與降頻，不把短時間分數當作穩定保證。
3. 驗證重啟後掛載、啟動、監控及還原，保存基準，日後用相同負載區分硬體問題與業務成長。

操作步驟與驗證

1. 記錄變更與啟動錯誤，區分引導、檔案系統或網路；救援環境裝置名稱可能不同，先核對磁碟分割。
2. 先唯讀檢查及複製資料，不在備份未確認時格式化或強制修復；加密、RAID 及 LVM 需正確金鑰與成員識別。
3. 依原因修復後還原啟動順序並卸載媒體，重啟驗證網路、掛載、資料庫及排程，保存修復紀錄。

操作步驟與驗證

1. 區分 ISO、備份及虛擬磁碟用途，確認目錄、LVM-thin、ZFS 或共享儲存支援的內容，不能只看總容量。
2. 精簡配置需監控實體池及中繼資料，預留快照、成長與移轉空間，避免容量耗盡造成多個客體停寫。
3. 以測試客體驗證建立、快照、備份及還原；可見的共享儲存不等於高可用，還需驗證網路、權限及故障行為。

操作步驟與驗證

1. 定義管理、儲存及租戶邊界，記錄 VLAN、子網及埠；VLAN 是第二層分隔，跨網段仍需路由與防火牆。
2. 核對交換器、網橋及客體的標記設定，修改管理埠前保留主控台，先以測試 VLAN 驗證避免失聯。
3. 由不同租戶測試允許及禁止連線，檢查 IPv6、DHCP 與偽造來源，保存規則及驗收矩陣供新增租戶使用。

操作步驟與驗證

1. 核對 CPU、平台版本、儲存名稱及網橋；GPU、USB 或本機裝置直通可能限制線上移轉，須另規劃停機。
2. 估算記憶體與磁碟傳輸量，確認目的端容量及移轉頻寬。若客體修改記憶體頁面的速度高於複製速度，線上移轉可能無法完成，不能保證所有負載都完全不中斷。
3. 先移轉測試機並驗證網路、時間及應用，再分批執行；清理來源前確認穩定與備份，避免重複啟動相同身分。

操作步驟與驗證

1. 快照常依賴原儲存鏈，適合短期回復；備份需可在獨立故障域還原，同池損壞可能同時失去快照。
2. 資料庫需應用一致性，可採支援的代理或備份流程；只凍結磁碟不一定涵蓋外部相依與分散式交易。
3. 設定快照期限並監控成長，定期隔離還原；回退前確認新增資料損失及外部服務是否需同步處理。

隔離管理介面，設定最小權限，並保留獨立的復原管道。

操作步驟與驗證

1. 隔離管理介面與租戶網路，透過受控網路管理；不共用管理員認證資訊，使用獨立帳戶、最小權限與多重要素驗證。
2. 限制 API token 權限及期限，保護備份中的金鑰，定期審查閒置帳戶、過期 token 與權限變更。
3. 更新前驗證設定備份與主控台復原，之後測試隔離及稽核；復原通道不應依賴同一台失聯客體。

操作步驟與驗證

1. 先驗證宿主驅動，再安裝相容 Toolkit；容器使用宿主驅動介面，不應在容器內當作獨立主機重裝核心驅動。
2. 使用固定版本的可信容器映像，明確指定 GPU 並驗證小型運算。nvidia-smi 能執行，只能作為初步檢查，仍需確認模型相依套件與 CUDA 運算子相容。
3. 限制資料磁碟區、認證資訊及資源，升級後重驗模型並保留舊版；GPU 權限不代表可開放所有宿主裝置。

操作步驟與驗證

1. 確認授權、版本、精度及輸入限制，校驗權重來源；先以固定樣本保存輸出，再驗證介面，下載完成不等於可用。
2. 設定 API 身分驗證、輸入大小、上下文長度、佇列與逾時限制。限制請求速率及同時處理數，並確認取消請求後會釋放資源，避免無限制排隊。
3. 量測冷啟動、首個 token 延遲、生成速度與 p95，加入錯誤及過載測試；通過品質效能門檻後逐步切流並保留舊版。

操作步驟與驗證

1. 區分模型的批次大小、伺服器的動態批次處理，以及同時連線數。增加批次可能提高吞吐量，也可能增加等待時間；互動式聊天與離線工作應採用不同延遲目標。
2. 以真實輸入長度測試，記錄記憶體、佇列、首個 token 延遲 及完成時間，不只用短輸入取得理想分數。
3. 找出符合 p95 的穩定吞吐量，設定佇列上限與過載回應；預留長請求及切換餘量，策略改變後重新量測。

操作步驟與驗證

1. 依框架要求，除模型權重外，也保存最佳化器、學習率排程器、訓練步數及隨機狀態。只有推論權重，通常無法接續原本的訓練狀態。
2. 依可接受重算時間設定間隔，估算體積與保留數，使用框架支援的一致寫入，避免覆蓋唯一可用檔案。
3. 以短訓練停止並續訓，核對步數、損失及採樣；複製到獨立儲存，分散式工作還需完整分片與一致版本。

操作步驟與驗證

1. 確認基礎模型、任務與資料授權，分離訓練驗證集並清理重複敏感資料，不能只看訓練損失。
2. LoRA 減少可訓練參數但仍需基礎模型與啟用值；先小量試跑記錄峰值及步驟時間，再估算成本。
3. 保存 adapter、基礎版本及設定，獨立驗證效果與退化；測試載入回復，不把 adapter 當成完整模型。

操作步驟與驗證

1. 核對 PCIe、NUMA 與 NVLink 及平行方式；增加卡數不代表記憶體自動合併或吞吐量線性成長。
2. 先建單卡基準再測多卡，比較計算、載入及同步；跨節點需測網路與集合通訊，不只看標稱頻寬。
3. 確認每個分散式程序的 rank、GPU 分配、日誌及錯誤處理，避免多個程序意外共用同一張卡。保存可重現的啟動設定，通訊失敗時先檢查網路及版本。

操作步驟與驗證

1. 列出來源、目的、協定與埠，區分公開、私有及管理；安全群組、防火牆與應用權限屬不同層。
2. 修改遠端規則前保留連線與主控台，先明確允許再縮限；同步檢查 IPv4/IPv6，管理及資料庫只允許必要來源。
3. 分別由允許及禁止來源測試並確認重啟持續有效，記錄用途期限並清理臨時開放，避免留下多餘入口。

操作步驟與驗證

1. 先看可用性、錯誤率、延遲及關鍵業務成功率，再看資源；CPU 正常不代表付款或登入正常。
2. 區分需立即處理的服務事故與容量趨勢，設定觸發持續時間、恢復通知及重複告警合併。門檻應依正常基準與服務目標訂定，避免每次短暫尖峰都發出緊急通知。
3. 重要告警需負責人、排查及升級管道並演練送達，監控資料缺失及系統自身，沒有資料不代表正常。

操作步驟與驗證

1. 盤點應用、系統、代理與容器日誌及速率，不輸出明文密碼、token 或完整敏感請求，排錯也需遮蔽。
2. 依大小時間設定輪替壓縮及保留，確認程序能重開檔案；直接刪除仍開啟檔案可能不釋放空間。
3. 驗證輪替後持續寫入與檢索，對容量及採集失敗告警；集中日誌採受限存取與傳輸保護並管理期限。

操作步驟與驗證

1. 盤點系統、應用、資料庫及驅動，區分安全修補與功能升級，確認重啟、結構遷移與相容要求。
2. 先以近似正式環境測試並確認備份回復，維護通知需說明影響、聯絡及驗收，不只有開始時間。
3. 更新後查版本、啟動、監控及錯誤，必要時實際重啟驗證；保存變更記錄，安裝成功不等於業務驗收通過。

操作步驟與驗證

1. 區分系統時鐘、時區及顯示；時區可能僅影響顯示，時鐘漂移則影響 TLS、簽章及分散式任務。
2. 檢查同步服務、上游及宿主客體策略，避免多個程式互相調整，先找偏差來源而非反覆手動改時間。
3. 大幅跳時前評估資料庫與排程，修復後比較節點、憑證及任務，持續監控偏差並統一日誌標準。

操作步驟與驗證

1. 依還原地區及存取需求選擇物件儲存，分別估算儲存、請求、取回及傳出流量費用。封存層的取回等待時間需符合 RTO，最低儲存期限則應納入保留政策與成本。
2. 使用受限認證資訊，設定加密、版本及生命週期，核對刪除權限；規則可能刪除舊版，需確認範圍再套用。
3. 由獨立環境下載校驗，記錄時間費用並確認金鑰可得；上傳成功仍需應用層還原驗證。

操作步驟與驗證

1. 先確認使用者、地區、主機或全站影響並記錄時區，保留錯誤及變更，避免先連續重啟而失去證據。
2. 依 DNS、網路、主機、應用及資料庫逐層確認，優先恢復關鍵業務；回復或降級前評估寫入一致性。
3. 服務單提供編號、位址、時間、步驟及遮蔽日誌，不提供密碼私鑰；恢復後記錄根因及預防，區分暫時與完整修復。

確認 ACME 自動續期與服務重新載入，並從外部監控實際提供的憑證。

操作步驟與驗證

1. 盤點網域、部署點與 ACME 帳戶，區分邊緣及來源憑證；檔案更新不代表服務已載入，需查實際握手。
2. 依用戶端方式測試續期，確認 HTTP 路徑或 DNS 權限；限制認證資訊範圍並保留日誌，傳播及防火牆可能影響驗證。
3. 設定續期成功後安全重新載入服務，失敗時發送通知。另外從外部檢查實際網域及 SNI 對應的憑證到期日，不要只讀取本機憑證檔案。

操作步驟與驗證

1. 區分公開設定與資料庫密碼、API 金鑰及簽章金鑰，不要將真實金鑰提交到原始碼儲存庫或寫入容器映像。環境變數不會自動加密，仍需限制程序與管理帳戶的存取。
2. 依服務配置獨立最小權限，記錄用途及輪替；日誌、報告、備份與診斷也可能洩漏，需遮蔽及限制讀取。
3. 輪替前確認雙金鑰或切換順序，驗證新認證資訊再撤銷舊版；疑似外洩需撤權及查存取，不只刪公開檔案。

操作步驟與驗證

1. 記錄 Linux 發行版本、核心版本、CPU 架構及虛擬化類型。選擇安裝套件時，請以系統實際架構為準。
2. 核對主機名稱、IP 位址、掛載點與系統時間，確認與訂單及設定紀錄一致。
3. 保存不含密碼或金鑰的系統基準資料。更新或移轉後依相同項目複查，發生問題時可隨服務單提供。

cat /etc/os-release
uname -r
uname -m
lscpu

操作步驟與驗證

1. 為每位管理員建立獨立帳戶，確認登入 shell、家目錄及所屬群組，避免共用 root 密碼。
2. 依發行版本的建議方式設定 sudo 權限。編輯 sudoers 時使用 visudo，先確認語法正確。
3. 保留目前的管理連線，在另一個終端機驗證新帳戶登入及必要指令。確認可用後，再調整舊帳戶權限。

id
sudo -l

操作步驟與驗證

1. 先確認服務實際使用的帳戶，再檢查目標檔案及各層父目錄的擁有者、群組與權限。
2. 讀取檔案還需要具備進入父目錄的權限。只對應用程式需要寫入的目錄授權，不要將整個網站設為 777。
3. 變更前保存原有權限，之後測試服務與一般使用者的存取情況。若仍失敗，再檢查 ACL、SELinux 或 AppArmor。

操作步驟與驗證

1. 查看服務狀態與這次開機的日誌，記錄結束代碼、失敗時間，以及 ExecStart 指定的程式。
2. 核對工作目錄、環境變數檔案、執行帳戶與相依服務。在互動式終端機能執行，不代表在服務環境中也能正常運作。
3. 修正設定後先檢查語法；若修改 unit 檔案，依需要重新載入 systemd 設定。測試啟動、重新啟動及實際功能後，再啟用開機自動啟動。

systemctl --failed

操作步驟與驗證

1. 先指定服務名稱、時間範圍與開機批次，避免匯出大量無關日誌或敏感資訊。
2. 依時間比對錯誤、更新、重新啟動與磁碟告警，找出最早的失敗事件，再檢查後續重試訊息。
3. 保存已遮蔽敏感資訊的日誌片段與查詢條件。先確認保留期限；找不到舊日誌不代表事件沒有發生。

journalctl --list-boots
journalctl -p err -b --no-pager -n 50

操作步驟與驗證

1. 先確認是否有更新程序正在執行。鎖定檔可能由自動安全更新持有，不要直接刪除。
2. 檢查程序狀態與安裝日誌，再依發行版本的說明修復未完成的安裝及相依關係；先確認將新增或移除哪些套件。
3. 完成後檢查套件資料庫與服務版本。若變更涉及核心系統元件，請在維護時段驗證重新啟動。

操作步驟與驗證

1. 以 UUID、容量及檔案系統類型辨識磁碟，不要只依賴可能改變的裝置名稱。
2. 修改 fstab 前先備份，核對掛載點、選項及開機相依條件。網路儲存還需確認網路已就緒。
3. 保留主控台復原方式，先驗證掛載，再安排重新啟動測試。不要格式化已有業務資料的磁碟。

lsblk -f
findmnt

操作步驟與驗證

1. 確認平台已完成虛擬磁碟擴充，再逐層核對分割區、LVM、加密磁碟區與檔案系統的容量。
2. 先備份，再查閱對應檔案系統的擴充程序。XFS 與 ext4 使用的工具不同，擴充與縮小容量也不是同一項操作。
3. 依儲存結構順序擴充，完成後檢查可用空間與應用程式寫入。遇到不支援的配置時，先停止操作並確認處理方式。

lsblk
df -Th

操作步驟與驗證

1. 同時檢查磁碟空間與 inode 使用率。即使容量充足，inode 耗盡仍會使上傳、日誌或暫存檔建立失敗。
2. 找出小檔案集中的目錄，確認是快取、工作階段、郵件或業務資料，再決定保留與清理方式。
3. 依應用程式支援的方法分批清理並驗證服務，調整到期機制與告警。不要遞迴刪除用途不明的目錄。

df -h
df -i

操作步驟與驗證

1. 綜合可用記憶體、持續換入換出、應用程式延遲與 OOM 日誌判斷。已有少量 swap 使用量不一定代表故障。
2. 找出記憶體持續成長的程序，核對近期負載、容器或服務的限制，以及主機總容量。
3. 先處理異常用量或調整容量。停用 swap 可能讓程序更早因記憶體不足而終止，變更後需以實際負載驗證。

free -h
vmstat 1 5

操作步驟與驗證

1. 確認日誌是否出現 OOM 或 cgroup 記憶體上限事件，避免將所有程序結束都歸因於記憶體不足。
2. 記錄受影響程序、尖峰用量、容器限制及同時執行的工作，確認是否由特定輸入觸發。
3. 設定合理的同時處理數與資源上限，修復記憶體洩漏或擴充後重新測試。不要只靠自動重新啟動掩蓋問題。

操作步驟與驗證

1. 遇到 too many open files 時，分別檢查程序與系統上限，統計檔案、socket 與連線數的變化。
2. 確認應用程式是否釋放連線及檔案描述元。數量持續增加時，通常應先修正資源釋放流程。
3. 調整服務上限後確認實際生效值，再以尖峰連線數驗證記憶體用量與資源回收。

ulimit -n
cat /proc/sys/fs/file-nr

操作步驟與驗證

1. 確認程序由哪個服務管理器啟動，透過該管理器操作，避免手動終止後又被自動啟動。
2. 優先正常停止，讓既有連線、佇列工作與資料寫入完成。強制終止前先評估資料遺失風險。
3. 重新啟動後檢查監聽埠、相依服務、待處理工作及錯誤率，記錄停止原因與恢復時間。

操作步驟與驗證

1. 核對更新涉及的核心、驅動程式與開機項目，保留已知可用的版本及遠端主控台。
2. 安排維護時段，暫停或移轉受影響的工作，確認磁碟掛載與服務自動啟動設定。
3. 重新啟動後核對實際核心版本、網路、儲存及服務。GPU 與第三方核心模組也要重新驗證相容性。

uname -r
systemctl --failed

操作步驟與驗證

1. 分別確認終端機、檔案、資料庫及應用程式的編碼；畫面出現亂碼不一定代表原始資料損壞。
2. 檢查 UTF-8 locale、服務啟動環境與匯入選項。先在副本測試轉碼，避免對相同資料重複轉換。
3. 使用含中文、符號及換行的樣本測試寫入與讀取，保存跨系統移轉需要的編碼設定。

locale
locale -a

操作步驟與驗證

1. 記錄 Windows Server 版本、版本類型、更新層級及 CPU 架構，確認應用程式與驅動程式相容。
2. 依產品交付說明確認授權責任與啟用方式。系統能開機不代表已符合授權條件。
3. 保存不含產品金鑰的狀態紀錄。啟用異常請透過正式支援管道處理，不要使用來源不明的啟用工具。

Get-ComputerInfo -Property WindowsProductName,WindowsVersion,OsBuildNumber,OsArchitecture

操作步驟與驗證

1. 確認已啟用遠端桌面，且帳戶具有登入權限。先區分網路連線失敗與身分驗證失敗。
2. 檢查用戶端相容性、系統時間、帳戶鎖定及網域連線。修改網路層級驗證（NLA）前先保留主控台存取方式。
3. 從允許的來源重新測試。排查完成後恢復必要的驗證與存取限制，不要長期停用保護。

操作步驟與驗證

1. 確認目前使用網域、私人或公用網路設定檔，並核對服務的監聽位址；規則可能只套用於特定設定檔。
2. 依程式、連接埠及來源位址設定必要規則，不要直接停用所有防火牆保護。
3. 分別從允許與禁止的來源測試。重新啟動或網路設定檔變更後，再確認規則是否仍生效。

操作步驟與驗證

1. 依故障時間篩選系統與應用程式記錄，保存事件來源、識別碼及完整訊息，不要只截取錯誤圖示。
2. 依時間比對服務啟動、磁碟、登入及更新事件，注意系統與應用程式記錄使用的時區。
3. 匯出必要範圍並遮蔽敏感資訊，保留原始記錄供複查，調查完成前不要清除事件記錄。

操作步驟與驗證

1. 核對服務的啟動類型、相依服務及登入帳戶，確認帳戶可讀取程式並存取資料目錄。
2. 變更帳戶密碼或權限可能造成服務無法啟動；請同步更新受影響服務，並記錄範圍。
3. 測試服務重新啟動與系統開機後的狀態，確認不需要使用者登入桌面也能正常提供服務。

Get-Service | Where-Object Status -eq Running

操作步驟與驗證

1. 查看待安裝更新、重新啟動需求及維護原則，確認允許的服務中斷時間。
2. 更新前備份重要設定與資料，驗證相依應用程式，避免同時大幅修改網路及系統版本。
3. 重新啟動後檢查更新結果、遠端桌面、服務與實際請求。若失敗，先保存錯誤資訊再決定是否回復。

操作步驟與驗證

1. 確認平台已完成磁碟擴充，再於「磁碟管理」中辨識正確磁碟與未配置空間。
2. 檢查分割區配置及檔案系統支援情況；可用空間的位置與分割區類型會影響延伸磁碟區操作。
3. 備份後依支援的程序擴充，核對磁碟機代號、容量、權限與寫入。不要將已有資料的磁碟重新初始化。

Get-Disk
Get-Volume

操作步驟與驗證

1. 確認工作使用的帳戶、工作目錄，以及是否需要在使用者未登入時執行；認證資訊的儲存方式需符合帳戶原則。
2. 設定觸發程序、失敗後重試、最長執行時間，以及工作已在執行時的處理方式，避免重複啟動。
3. 查看工作歷程記錄、結果代碼與輸出檔案，並實際測試重新啟動後、無人登入時的執行情況。

操作步驟與驗證

1. 核對網站的主機名稱、IP、連接埠及應用程式集區。多個 HTTPS 網站共用位址時，確認 SNI 與憑證選擇。
2. 檢查應用程式集區的執行身分、內容目錄權限、憑證私密金鑰存取權，以及完整憑證鏈。
3. 以實際網域驗證回應與憑證。更新憑證後，確認重新啟動及自動續期流程正常。

操作步驟與驗證

1. 依問題選擇 CPU、記憶體、磁碟延遲、佇列及網路計數器，不必一次收集全部指標。
2. 分別記錄正常與尖峰時段，對照程序活動、排程工作及近期更新。
3. 以相同取樣間隔比較變更前後的結果，確認瓶頸後再調整容量或應用程式設定。

操作步驟與驗證

1. 確認網域委派的 NS 與實際修改記錄的平台一致；註冊商與權威 DNS 可能由不同服務商提供。
2. 分別查詢權威伺服器及遞迴解析器，記錄 TTL、回應碼與完整主機名稱，不要只測試根網域。
3. 修改後依原 TTL 等待快取到期。若持續不一致，再檢查委派、DNSSEC 及記錄衝突。

操作步驟與驗證

1. 確認要設定的是根網域或子網域。一般 CNAME 記錄不能與同名的其他類型記錄任意共存。
2. 根網域的別名功能取決於 DNS 服務商的 ALIAS 或 CNAME flattening 實作，並非所有服務都支援。
3. 驗證最終 A/AAAA 結果，確認郵件及網域驗證記錄未受影響，並保留原設定以便回復。

操作步驟與驗證

1. 若部分解析器回傳 SERVFAIL，先比較啟用驗證的查詢與診斷結果，再決定是否修改應用程式。
2. 核對註冊商的 DS 記錄與權威端 DNSKEY。移轉 DNS 後殘留的 DS 可能導致驗證失敗。
3. 依服務商支援的金鑰輪替或停用流程處理，等待快取更新，再從多個解析器確認。

操作步驟與驗證

1. 記錄目標位址、連接埠及來源網路，使用應用程式的實際協定測試；ping 不能單獨判斷服務是否可用。
2. 逾時可能來自路徑、防火牆或服務無回應；拒絕連線時則應檢查監聽狀態與明確拒絕規則。
3. 比對用戶端及伺服器日誌，透過主控台確認服務狀態，再依證據調整規則。

操作步驟與驗證

1. 以最終目標及應用程式表現為主。路由器可能限制 ICMP 回應，中繼節點沒有回應不一定表示轉送失敗。
2. 在相近時段重複測試並記錄方向。去程與回程可能不同，單一方向無法完整反映網路狀態。
3. 若後續節點與最終目標也持續出現相同異常，請連同業務請求結果、時間及電信業者資訊提交排查。

操作步驟與驗證

1. 若小型請求正常，但上傳或 TLS 連線停滯，請記錄路徑中的 VPN、封裝方式及網路介面 MTU。
2. 使用系統支援的路徑 MTU 診斷方式，區分 ICMP 遭封鎖與實際封包大小限制，不要直接套用固定值。
3. 先在測試環境調整，驗證大檔案、HTTPS 及雙向連線，並保留原設定與主控台復原方式。

操作步驟與驗證

1. 核對分配的子網路、閘道及路由範圍，不要將未分配的位址設定到對外網路介面。
2. 檢查最長前綴匹配、預設路由及多介面路由原則；去回程不一致可能影響連線。
3. 分別驗證同子網路、跨子網路與網際網路存取。變更前保存路由設定並保留主控台。

ip address show
ip route show
ip -6 route show

操作步驟與驗證

1. 列出監聽中的服務及繫結位址，分別記錄應用程式、資料庫與管理介面的連接埠。
2. 從已獲授權的外部測試點驗證 IPv4 與 IPv6 可達性；主機有監聽不代表外部一定能連線。
3. 關閉不必要的入口後重新測試，並檢查容器連接埠對應與代理設定。

ss -lntup

操作步驟與驗證

1. 列出請求經過的 CDN、負載平衡器及反向代理，確認各層可信任的來源。
2. 只接受已知代理提供的轉送標頭。不要直接使用任意 X-Forwarded-For 值進行身分或存取判斷。
3. 測試直接連線、代理、IPv6 及多層代理情境，確認日誌與速率限制使用正確的用戶端位址。

操作步驟與驗證

1. 區分程序仍在執行與服務已可接收請求。健康檢查端點應反映實際服務能力，而不只是固定回傳成功。
2. 設定逾時、檢查間隔及連續成功或失敗次數，避免短暫波動造成後端反覆加入與移除。
3. 演練後端停止、相依服務故障與恢復，確認既有連線處理及重新加入流程符合需求。

操作步驟與驗證

1. 確認資料表儲存引擎、交易特性及 MySQL 版本，再選擇支援的邏輯或實體備份方式。
2. 記錄備份時間、binlog 位置及寫入狀態。直接複製正在使用的資料檔，不保證備份一致。
3. 在獨立執行個體還原，驗證資料表、權限及業務查詢；備份作業顯示成功不能取代還原測試。

操作步驟與驗證

1. 計算所有應用程式執行個體的連線集區上限，再加上背景工作與管理連線需求。
2. 檢查未釋放連線、長時間交易與慢查詢。提高最大連線數前，先評估額外記憶體用量。
3. 設定取得連線的等待上限與流量控制，在尖峰負載下驗證等待時間、錯誤率及連線釋放。

操作步驟與驗證

1. 收集實際慢查詢、參數分布及執行頻率，不要只針對單一、不具代表性的樣本最佳化。
2. 查看執行計畫的掃描、資料表連接及排序方式，綜合索引選擇性與寫入成本判斷。
3. 使用接近正式環境的資料量驗證。建立索引可能鎖定資料表或消耗儲存空間，請先規劃維護方式。

操作步驟與驗證

1. 確認複寫拓撲、版本與執行緒狀態，區分連線中斷、資料接收延遲及套用交易的積壓。
2. 對照大型交易、寫入量突增、磁碟瓶頸及複本查詢負載。單看延遲秒數不足以判斷複寫是否正常。
3. 恢復後確認資料一致性與應用程式讀寫路由。未釐清原因及影響前，不要直接略過複寫錯誤。

操作步驟與驗證

1. 選擇邏輯匯出或實體備份前，先確認還原目標、版本相容性及可接受的停機時間。
2. 實體還原需相容的版本及完整 WAL 記錄鏈，不能只複製正在寫入的資料目錄。
3. 在隔離環境驗證角色、擴充套件、編碼與查詢，並記錄還原時間及所需容量。

操作步驟與驗證

1. 檢查資料表更新頻率、失效資料列版本及長時間交易。尚未結束的交易可能阻止舊版本清理。
2. 核對 autovacuum 設定及執行情況；一般 VACUUM 與 VACUUM FULL 的鎖定、重寫及空間需求不同。
3. 調整前評估負載，監控交易 ID 年齡、磁碟成長及查詢延遲，不要未經規劃就重寫大型資料表。

操作步驟與驗證

1. 依可接受的資料遺失量選擇持久化策略，了解 RDB 快照間隔與 AOF 同步策略各自的資料保護範圍。
2. 為背景重寫及 fork 預留記憶體與磁碟空間，檢查持久化失敗日誌及檔案位置。
3. 使用備份副本測試還原，核對重要鍵值與到期時間。持久化不能取代異機備份。

操作步驟與驗證

1. 根據延遲、指令統計及存取分布找出熱點，不要在繁忙執行個體上直接掃描全部鍵值。
2. 大型鍵值會影響傳輸、刪除與複寫。評估拆分、分頁及到期策略時，同時確認應用程式相容性。
3. 在低影響時段測試變更，觀察延遲與記憶體釋放；採用非同步刪除前，先確認版本支援。

操作步驟與驗證

1. 依復原目標、業務週期及儲存成本規劃每日、每週與每月備份，不要只保留最新一份。
2. 確認增量備份的相依關係。刪除完整備份或必要的前序備份，可能使後續增量無法還原。
3. 啟用自動刪除前，先驗證規則與還原樣本。告警應涵蓋作業失敗、容量不足及備份過久未更新。

操作步驟與驗證

1. 確認傳輸及靜態資料加密範圍，記錄還原需要的金鑰、權限與工具版本。
2. 將金鑰與備份分開保管並限制存取，確保主機故障後仍有獨立方式取得復原所需資料。
3. 在獨立環境測試解密與還原。輪替金鑰時，保留解密歷史備份所需的金鑰或其他支援方式。

操作步驟與驗證

1. 記錄映像儲存庫、版本及 CPU 架構。可變標籤可能在不同部署時間指向不同映像。
2. 正式環境使用已驗證的版本或摘要，保存相依設定及上一版本，不要只保留 latest。
3. 在測試環境驗證下載、啟動、資料相容性及版本回復。映像下載成功不代表應用程式可正常使用。

docker image ls --digests

操作步驟與驗證

1. 確認哪些資料必須在重建容器後保留，區分具名磁碟區、繫結掛載及容器可寫入層。
2. 核對主機路徑、容器 UID/GID 及讀寫權限，不要將整個主機根目錄掛入應用程式。
3. 重建測試容器並確認資料仍可讀取。備份資料庫磁碟區時，採用能維持資料一致性的流程。

操作步驟與驗證

1. 區分 Compose 檔案的變數代換、環境變數檔案及容器執行環境，核對相同變數來自何處及其優先順序。
2. 檢查解析後的設定時，避免將密碼或金鑰寫入公開日誌；記錄工作目錄及使用的設定檔。
3. 在測試環境確認應用程式讀到預期值。變更後依服務需求重新建立或重新啟動容器。

操作步驟與驗證

1. 健康檢查應確認服務已就緒，且探測指令在容器內可用，並設有合理逾時。
2. unhealthy 狀態不一定會自動觸發重新啟動；實際行為取決於容器引擎、協調平台及相關策略。
3. 測試程序結束、相依服務故障及主機重新啟動，確認不會反覆啟動或重複執行不能安全重試的初始化工作。

docker ps -a

操作步驟與驗證

1. 確認容器日誌驅動程式與應用程式檔案日誌是否同時寫入，重複記錄會增加磁碟用量。
2. 設定日誌大小、保留份數與期限。既有容器可能需要重新建立，才會套用新的日誌設定。
3. 驗證輪替後仍可查詢且收集不中斷，並為磁碟容量不足與收集失敗設定告警。

操作步驟與驗證

1. 容器內的 localhost 指向該容器本身，不是主機，也不是另一個資料庫容器。
2. 確認服務位於可互通的容器網路，檢查名稱解析及監聽埠，並區分容器內部埠與對外發布埠。
3. 只發布必要的服務，分別從容器內外測試，避免意外將資料庫開放到網際網路。

操作步驟與驗證

1. 不要以一般 COPY 或持續保留的環境變數寫入儲存庫權杖。之後刪除檔案，也不保證先前映像層已移除內容。
2. 使用建置工具支援的暫時性 secret 掛載，限制建置內容目錄，並維護忽略規則。
3. 檢查映像歷程與日誌。若有洩漏，應撤銷或輪替認證資訊並處理已發布映像，不能只刪除原始檔。

操作步驟與驗證

1. 確認新舊版本能同時處理請求，且相容於資料庫結構。只有單一執行個體時，不能預設更新完全不中斷。
2. 先啟動並驗證新執行個體，再停止向舊執行個體分派新請求，等待既有連線與工作完成。
3. 依錯誤率與延遲逐步增加流量，設定回復條件，並處理部署期間新增的資料。

操作步驟與驗證

1. 確認應用程式所需的 Python 版本，使用獨立虛擬環境安裝套件，避免覆蓋系統 Python 套件。
2. 固定套件版本，記錄套件來源與平台架構；原生擴充模組可能還需要相容的系統函式庫。
3. 以服務實際使用的帳戶測試匯入模組、啟動及業務流程，保存可重建的套件清單以利回復。

python --version
python -m pip --version

操作步驟與驗證

1. 選擇仍受支援且與應用程式相容的 Node.js 版本，記錄套件管理器及鎖定檔版本。
2. 以非特權帳戶安裝相依套件並執行服務，明確設定工作目錄、環境變數及反向代理入口。
3. 透過服務管理器測試開機自動啟動、正常停止及日誌輪替，更新後驗證重要 API。

node --version
npm --version

操作步驟與驗證

1. 核對管理介面、實體網路介面及橋接成員，保存設定並確認主控台可用。
2. 依服務商交付方式區分橋接與路由子網路，不要將閘道設於錯誤介面或使用未分配的位址。
3. 先驗證測試虛擬機的雙向連線，再套用到正式服務；管理連線異常時，透過主控台恢復設定。

操作步驟與驗證

1. 確認虛擬化平台與客體作業系統支援的代理程式版本，依官方方式安裝及啟用。
2. 驗證平台能讀取客體狀態並執行支援的操作。檔案系統凍結仍需搭配應用程式一致性評估。
3. 更新後測試正常關機、IP 位址回報及備份整合；代理程式上線不代表所有業務功能正常。

操作步驟與驗證

1. 製作範本前，移除暫時性認證資訊、敏感日誌及不應共用的金鑰，保留必要更新與代理程式。
2. 依作業系統支援的方式處理電腦識別資訊、SSH 主機金鑰及網路設定，避免複製後出現位址或識別資訊衝突。
3. 先建立測試執行個體，驗證首次啟動、帳戶與自動初始化，再用於大量部署。

操作步驟與驗證

1. 確認映像支援的 datasource 與平台提供設定的方式，區分首次啟動、重新啟動及執行個體身分變更。
2. 查看初始化狀態及各階段日誌，檢查 YAML 語法、網路相依條件及指令結束狀態。
3. 先在副本驗證。清除初始化狀態可能再次建立帳戶或執行指令碼，不要直接在正式環境嘗試。

操作步驟與驗證

1. 分別監控儲存集區的資料及中繼資料用量。虛擬磁碟配置的總容量可能超過實體容量。
2. 為快照成長、備份暫存及租戶用量增加預留空間，不要等集區耗盡才處理。
3. 擴充前確認儲存配置與備份，驗證告警門檻及客體寫入，避免配置超過可供應的容量。

操作步驟與驗證

1. 記錄集區狀態、裝置錯誤及備援配置。scrub 用來檢查既有資料的完整性，不能取代備份。
2. 安排適合的執行時段並觀察 I/O 影響，結合歷史趨勢判斷裝置及校驗錯誤。
3. 完成後檢查結果。更換磁碟前先核對裝置識別資訊、備份及剩餘備援能力。

操作步驟與驗證

1. 確認主機 CPU 功能與叢集共同支援的範圍。host 模式可能讓客體使用目的端不支援的指令。
2. 依效能及跨節點移轉需求選擇 CPU 型號，記錄需要特定指令集的應用程式。
3. 用測試虛擬機驗證開機與移轉。修改 CPU 型號可能需要關機，請先安排維護時段。

操作步驟與驗證

1. 比較主機與客體的時鐘及同步服務，注意暫停、恢復執行或高負載後的變化。
2. 避免多個代理程式與時間同步服務同時調整時鐘，確認平台建議的時間來源與客體工具。
3. 測試移轉及重新啟動後的偏差，驗證憑證、登入與排程工作，並持續監控。

操作步驟與驗證

1. 盤點網路、儲存、權限、虛擬機定義及叢集設定，區分主機設定備份與客體資料備份。
2. 依平台支援方式匯出並加密保存。設定檔可能含權杖或儲存服務認證資訊，需限制讀取權限。
3. 記錄從全新主機還原需要的版本及步驟，在測試環境完成演練後，再確認備份是否足以復原。

操作步驟與驗證

1. 同時觀察客體與主機指標。客體 CPU 等待或磁碟延遲，可能是主機上其他工作占用資源所致。
2. 核對 CPU 權重、記憶體限制及磁碟與網路配額，不要只增加客體內應用程式的執行緒。
3. 以實際並行負載驗證資源分配及高百分位延遲，保留維護空間並監控超額配置風險。

操作步驟與驗證

1. nvidia-smi 顯示的 CUDA 版本代表驅動程式支援範圍，不代表已安裝相同版本的 CUDA Toolkit。
2. 確認應用程式使用套件內附的執行環境，還是需要自行編譯擴充模組，再依官方相容性說明選擇元件。
3. 記錄驅動程式、執行環境、框架與編譯器版本，先驗證小型運算，不要反覆覆蓋安裝而掩蓋相依衝突。

nvidia-smi

操作步驟與驗證

1. 記錄主機上的 GPU 編號與 UUID。容器或程序篩選可見裝置後，編號可能從零重新排列。
2. 為每項工作指定可見 GPU 與程序數，避免多個工作意外使用同一張卡。
3. 啟動後對照程序日誌、實際 GPU 記憶體用量及裝置名稱。調整排程後，重新確認對應關係。

nvidia-smi --query-gpu=index,uuid,name --format=csv

操作步驟與驗證

1. 先確認硬體與框架支援的精度。模型權重、啟用值（activations）及最佳化器狀態，可能使用不同資料類型。
2. 較低精度可減少部分記憶體需求與運算量，但數值範圍、穩定性及運算子支援情況仍需測試。
3. 以固定資料比較輸出品質、損失值、吞吐量及 GPU 記憶體尖峰。若出現 NaN，保存觸發問題的輸入、日誌及執行設定。

操作步驟與驗證

1. 確認模型架構、上下文長度、同時處理的請求數及快取精度。模型權重檔案大小不包含 KV Cache 用量。
2. 較長輸入與持續生成都會提高快取需求，請以實際長度分布及允許的最長請求測試。
3. 設定上下文、同時處理數及佇列上限，評估快取策略對延遲與品質的影響後，再擴大服務規模。

操作步驟與驗證

1. 固定模型、軟體版本、精度與輸入輸出長度，分別記錄首次載入及暖機後的結果。
2. 同時記錄吞吐量、首個 token 延遲、高百分位延遲、錯誤率及 GPU 記憶體尖峰，不以單一分數代表所有工作負載。
3. 記錄功耗、溫度及其他共用工作，以相同設定重複測試；一次尖峰結果不能視為持續效能保證。

操作步驟與驗證

1. 確認量化格式、框架、運算核心與 GPU 的支援關係，不能只看模型檔案的副檔名判斷可否互換。
2. 以固定樣本比較原始與量化模型輸出，涵蓋長上下文、特殊字元及重要任務。
3. 記錄載入時的記憶體尖峰、吞吐量及錯誤率。權重變小不代表所有執行階段的記憶體都等比例減少。

操作步驟與驗證

1. 將每步訓練時間拆成讀取、前處理、傳輸及運算，GPU 使用率低不一定是顯示卡故障。
2. 檢查儲存吞吐量、小檔案數量、資料載入工作程序及記憶體用量。增加工作程序也可能造成資源競爭。
3. 使用相同訓練樣本調整預先擷取與並行數，觀察整體吞吐量及記憶體，不只看單一階段速度。

操作步驟與驗證

1. 盤點模型下載快取、解壓縮副本、訓練輸出及檢查點。下載與解壓縮期間可能暫時需要多份容量。
2. 依工作設定快取路徑與保留份數，刪除前確認沒有執行中的程序使用這些檔案。
3. 測試檢查點儲存與還原，監控容量及 inode，避免長時間訓練在最後寫入時才失敗。

操作步驟與驗證

1. 記錄溫度、功耗、時脈及限制原因，對照效能下降時的工作負載與環境變化。
2. 區分正常功率限制與散熱異常。未確認硬體限制前，不要直接變更功率或風扇設定。
3. 保存監控趨勢與可重現的工作負載，透過支援管道處理硬體問題；調整後重新驗證持續吞吐量。

nvidia-smi --query-gpu=name,temperature.gpu,power.draw,clocks.gr --format=csv

操作步驟與驗證

1. 從可信來源取得模型，記錄版本、授權及校驗資訊。模型權重與相依指令碼應分別檢查。
2. 啟用自訂遠端程式碼前先了解其功能，在隔離環境測試，限制認證資訊、檔案及網路存取。
3. 固定可重現的版本並審查更新。日誌與範例不要包含使用者敏感輸入或真實存取權杖。