ENGINEER WEEKLY / PLATFORM TEAM
2026 · 07 · 21
Platform Team · Weekly Engineering Report

可靠性收斂，產品能力向前。

這一週的主線很清楚：Backup / Restore 完成前三個里程碑並顯著降低失敗；Nuphos 進入跨成員並行交付；Operator 上線後的邊界問題正在集中收斂。

這是 Platform Team 在全公司 Engineer Weekly 的工程進展摘要：聚焦交付結果、風險與下一步，而非逐條 issue 流水帳。
3 / 3Backup M1–M3 全數完成
−62.6%Volume Copy 失敗次數 WoW
17K+舊 Admin 程式碼移除
3,300每月預計節省（Node page）
01 / RELIABILITY

Backup / Restore / Clone
從「能跑」走向「穩定可控」

計畫中的核心修復已全部落地。M1–M3 完成，M4 轉入錦上添花的體驗與效率優化；本週失敗量從 163 降至 61。

Owner · Bruce
Backup milestones
Linear milestone overview · M1–M3 100%，M4 33%
Volume Copy failed attempts163 → 61
−62.6% week over week

大幅下降来自 preflight、容量校验、manifest 传输与 restore image 的系统性修复。

失敗發生在哪個階段？

7/7–7/137/14–7/20
核心路徑已收斂
Prepare / preflight
74 → 8
Backup / export
23 → 24
Restore / import
21 → 10
Verify / finalize
5 → 4
Multi-service / stage
40 → 15
剩餘瓶頸：Backup 本身。 Backup-related failures 僅從 37 降至 34（−8.1%），是下一輪最值得投入的區域。
更早失敗容量、deadline、disk preflight
資料一致性保留 PVC declared capacity + DB readback
大檔可靠傳輸Manifest 移至 S3；R2 production rollout
執行環境更新Restore image v0.7.4
02 / PLATFORM

Nuphos：從資源供應
走向完整運營平台

本週最大的共同專案。三位成員沿資料庫、事件、可觀測性、成本與治理並行推進，目標是把「基礎設施操作」變成可審計、可觀測、可自動化的產品能力。

Owners · Bruce / Pan / Ian
BRUCE

Database first-class

資料庫成為一等資源，補足 lifecycle、狀態與操作邊界。

IAN

Incident workflow

Trigger 與 Slack 事件流程，讓異常可被快速感知與處理。

IAN + PAN

Observability & Cost

供應商可觀測性、成本自監控與 Better Stack 串接。

BRUCE + IAN

Governance

權限、安全、調查與破壞性操作的統一邊界。

Nuphos cost dashboard
成本資料不只要「看得到」

已能由 AI 生成圖表、洞察與行動項，並自動更新報告；下一步是把成本異常與日常運營流程真正串起來。

03 / OPERATIONS

Dedicated Server Operator
核心已上線，集中處理 edge cases

Production gate、dashboard 與 backend orchestration 已完成。近期回報集中在「重啟 gate 過度保守」與「中國區 image 缺失」，兩項皆在修復。

Owner · Bruce
Migration coreDone
Production gateDone
Dashboard & orchestrationDone
Post-launch hardeningIn progress
● IN PROGRESS · PLA-2108

Reboot gate 在 k3s unreachable 時拒絕所有重啟

包括 force reboot，導致使用者無法自行恢復，轉而依賴人工支援。修復重點是保留安全 gate，同時提供可控的 recovery path。

● IN PROGRESS · PLA-2116

中國區 SWR 缺少 rancher / klipper-lb image

Operator 升級後在中國機器集中暴露。正補齊 fleet image availability 與升級前檢查。

WONDER_MESH / CGNAT TLS verificationinotify exhaustionSWAP_OBSERVABILITY
04 / INFRA

兩條基礎設施主線：
DNS 現代化 × 中央遙測退場

本週不是單純「做減法」：一條線提升 Zeabur DNS 的可靠性與可維護性；另一條線以分散式 VictoriaMetrics 取代中央監控資料路徑，為舊 telemetry 與 Node page 退役創造條件。

Owner · Pan
WORKSTREAM A · RELIABILITYPLA-2013

Zeabur DNS / CoreDNS 現代化

處理 cgk1 的 zeabur-dns / kube-proxy 不穩定，同時移除長期維護舊版 CoreDNS 的風險。

1
CoreDNS 升至最新版本從兩年前的舊版本切到 current；未來升級只需調整版本。
2
改善記憶體與 cache 行為直接收斂 cgk1 的 DNS instability。
3
Plugin 拆至獨立 repository降低與主系統耦合，讓升級與維護邊界更清楚。
結果： DNS 更穩、升級更安全，也不再被一個高風險舊版本綁住。
WORKSTREAM B · RETIREMENTPLA-2021

分散式 VictoriaMetrics 上線

伺服器 CPU、RAM 等監控資料已寫入專用的分散式 VictoriaMetrics，不再依賴中央資料庫。

1
刪除前端不再使用的 latency metrics縮小資料模型與維護面。
2
移除舊 latency 記錄與匯出工具清理 server-latency-exporter 相關機制。
3
清除廢棄 backend code、簡化 infra中央資料路徑逐步退出，不再雙軌維護。
結果： 先完成資料路徑替代，才安全地淘汰舊 telemetry 與相關資源。

為什麼現在可以開始省下這筆成本？

分散式 VictoriaMetrics 上線監控資料有新的可靠落點
中央資料庫不再承載監控舊 telemetry 路徑失去必要性
清理 metrics / exporters / backend移除重複資源與維護負擔
Node page 可正式退役完成最後一段資源淘汰
Retire Node page

這是 VictoriaMetrics 遷移與中央 telemetry 退場 的最終收益，而非 DNS 升級本身帶來。

≈ 3,300 / month
05 / DEVELOPER PLATFORM

Agent Toolkit & Access Token
把憑證能力產品化

新的 Access Token 入口已完成，後端同步建立 hash storage、scope、生命週期與 audit 基礎。下一步是 zeabur.app 網路與 domain registration。

Owners · Pan / Ian
Access Token UI
新的 Access Token 管理入口與建立流程
Access Token storage
MongoDB accessTokens collection：耐久化、稽核與生命周期管理的資料基礎
Secure by default

Hash storage

Token 不以明文持久化。

Least privilege

Scopes

把權限縮小到實際所需。

Operable

Rotate & audit

可輪替、可追蹤、可治理。

06 / INTERNAL TOOLS

Admin / FinOps：
少一點頁面，多一個可信入口

清除累積多年的舊頁面，重做 Server Revenue，將分散且易產生歧義的資訊收斂為單一、可信的營運入口。

Owner · Pan
Admin server revenue
17,000+lines of legacy UI removed
Server Revenue redesign：從多個歷史入口收斂為單一真實來源
07 / GOVERNANCE

SOC 2 readiness：
證據鏈已成形，剩餘項目持續推進

本週完成監控、日誌、防火牆、開發流程與災難復原證據；角色權限與年度滲透測試仍在進行。

Owners · Bruce / Pan / Ian
Control / Evidence
Status
Owner
Monitoring / logs / firewall evidence
● Done
Platform
Branch protection / MFA / vulnerability scan
● Done
Platform
Disaster recovery tabletop
● Done
Platform
Role-based access review
● In review
Shared
Annual penetration test
● Ongoing
External + Platform
Platform Team · This week in one sentence

核心能力已交付，現在把可靠性、治理與運營體驗做深。

Backup 進入優化期；Nuphos 是下一階段的共同主線；Operator 的上線後問題正在集中收斂。三條線最終匯向同一件事：讓平台操作更安全、更可觀測，也更少依賴人工。

ENGINEER WEEKLY · PLATFORM TEAMESC 關閉 ×