上次容灾演练记录停在 14 个月前，参与的人走了三个。这次真切换时值班翻了半小时文档，第一步的权限申请就卡住，实际恢复时间 3 小时 40 分，目标是 30 分钟。第一次遇到会往复杂处想，其实漏掉的多是个小前提。
ls -lt ops/drill/ | head -5 grep -n 'RTO' ops/runbook/switch-traffic.sh
演练没有固定周期，忙起来就往后推。流程依赖个人记忆，交接时没有把切换动作写进值班手册。这一点先确认清楚，后面就不用反复试。
「演练频率」相关的验证我通常做两遍，改完一次、隔天再看一次，确认不是临时生效。临时改动用注释写上日期和原因，过两周自己都记不清为什么这么写。
具体做法是，演练定成每季度一次 写进值班日历并设置提醒；每次轮换至少一名新成员参与 保证有人会做；把切换动作拆成可执行清单 每步有验证点；记录实际恢复时间 超过目标就复盘补项。
改完照着核一遍，最近一次演练记录在 3 个月内，新值班人按手册能独立完成切换，恢复时间在 30 分钟内。