CloudQ 架构可运维等级评估 — 基于信通院标准 + SRE 方法论的完整评估方案

⚡ TL;DR

基于中国信通院 Q/KXY SS004-2025《云服务卓越架构能力成熟度模型》+ 腾讯云卓越架构标准 + SRE 最佳实践，通过 CloudQ 智能顾问的多云凭证托管 + 自定义 MCP/Skills/知识库能力，对云架构可运维成熟度进行系统化评估。

6 维度评分（可观测性 / 高可用容错 / 安全合规 / 变更管理 / 应急响应 / 性能保障）× 5 级成熟度（L1 初始级 ~ L5 卓越级），木桶封顶规则，输出雷达图 + 评分卡 + 改进路线图，支持多架构横向对比。

📦 Skill 包下载： ⬇ 下载 Skill 包 (16KB) 上传到 CloudQ 自定义 Skill 即可使用

引言：为什么需要架构可运维等级评估

企业云架构的"可用"和"可运维"是两个不同维度的能力。一套架构可能当前运行正常（可用性达标），但在故障发生时缺乏快速发现、定位、恢复的能力（可运维性不足）。架构可运维等级评估正是为量化这一能力而设计——回答核心问题：这套架构在故障发生时，能否快速被发现、被定位、被恢复，且在恢复过程中不影响业务连续性。

本评估方案基于三大标准体系构建，旨在为客户提供权威、可复现、可对比的架构可运维成熟度评估能力，输出结构化评估报告，并通过腾讯云 CloudQ 智能顾问实现自动化数据采集与评级计算。

CloudQ 能力基础

本评估 Skill 运行于 CloudQ 智能顾问平台，依赖以下 CloudQ 核心能力：

CloudQ 能力	在本评估中的用途
多云凭证托管	托管客户腾讯云多账号凭证，在托管态下查询资源信息、监控指标、告警信息
自定义 MCP	接入客户业务数据源（Prometheus/Loki/ELK/EventBridge 等），补充监控/日志/变更数据
自定义 Skills	本评估 Skill 自身即通过 CloudQ 自定义 Skill 机制加载运行
自定义知识库	客户上传 SOP/Runbook/演练记录等补充材料，Skill 读取后做补充评级
全景图谱	基于托管凭证生成资源拓扑全景，用于跨 AZ 部署/关联分析
云巡检	基于托管凭证执行巡检，输出风险数据（安全组/CAM/COS/DB 备份等）
容量水位	基于托管凭证采集资源容量利用率数据
混沌演练	执行混沌演练并采集稳态基线数据

多云凭证托管是本评估的前置条件：评估前需确保客户已在 CloudQ 托管对应腾讯云账号凭证。多账号场景下，Skill 可跨账号聚合评估。

一、评估依据

本评估方案依据以下三大标准体系构建，三者互补、不可替代：

标准体系	角色	覆盖范围
中国信通院 Q/KXY SS004-2025	主体标准	5 大支柱成熟度分级体系（L1-L5 定义 + 检查项）
腾讯云卓越架构标准	云产品映射	腾讯云产品最佳实践 + CloudQ 数据来源映射
SRE 最佳实践	运维方法论	可运维性的工程方法论 + 关键指标定义

1.1 中国信通院 Q/KXY SS004-2025

《云服务卓越架构能力成熟度模型》（Q/KXY SS004-2025）由中国信息通信研究院、腾讯云、华为云、移动云、量子科技长三角产业创新中心联合起草，2025 年 7 月 22 日由云计算开源产业联盟发布。该标准定义了云服务卓越架构的 5 大支柱（稳定性/安全/性能/成本/运营运维）和 5 级成熟度分级体系（初始级/基础级/全面级/优秀级/卓越级）。

本评估引用该标准的以下章节：

标准章节	标题	对应评估维度
§5.2	分级概述	评分等级 L1-L5 + 90% 规则
§6.2	高可用架构	高可用与容错韧性
§6.3	可观测性	可观测性
§6.4	熔断限流	高可用与容错韧性
§6.5	基础设施稳定	高可用与容错韧性
§6.6	可运维性	性能保障
§7	安全（安全防护+应用安全+数据安全）	安全合规
§8	性能（性能分析+性能优化）	性能保障
§10.3	变更管理	变更管理
§10.4	应急管理	应急响应
§10.5	故障/事件管理	应急响应
§10.7	事故演练	应急响应

1.2 腾讯云卓越架构标准

腾讯云作为 Q/KXY SS004-2025 的起草单位之一，其卓越架构标准与信通院模型高度对齐，并补充了腾讯云产品特定的最佳实践。本评估方案通过腾讯云 CloudQ 智能顾问的多云凭证托管能力（支持腾讯云多账号凭证托管），在托管状态下查询对应凭证下的资源信息、监控指标与告警信息，并利用自定义 MCP/Skills/知识库扩展数据来源。

检查项	腾讯云产品	CloudQ 能力	CloudQ 数据来源
跨 AZ 部署	CVM/CLB/TDSQL-C	凭证托管 + 全景图谱	全景图谱拓扑
DB 备份策略	TDSQL-C/CDB	凭证托管 + 云巡检	巡检数据
COS 版本控制	COS	凭证托管 + 云巡检	巡检数据
COS 加密	COS/KMS	凭证托管 + 云巡检	巡检数据
安全组规则	VPC/SecurityGroup	凭证托管 + 云巡检	巡检数据
CAM 权限	CAM	凭证托管 + 云巡检	巡检数据
容量水位	CVM/CDB/Redis	凭证托管 + 容量水位	容量水位数据
变更审计	CloudAudit	凭证托管 + 云巡检	巡检数据
事件总线	EventBridge	自定义 MCP	M3 MCP 接入
监控告警	CloudMonitor	自定义 MCP	M3 MCP 接入
日志服务	CLS	自定义 MCP	M3 MCP 接入
混沌演练	智能顾问混沌演练	混沌演练	混沌演练数据
稳态基线	智能顾问混沌演练	混沌演练	稳态基线数据

1.3 SRE 最佳实践

《Site Reliability Engineering》（SRE 最佳实践）是运维领域的工程方法论经典，定义了可运维性的核心概念和指标。本评估中，SRE Book 与信通院并列作为评估依据，提供运维理论基础和关键指标定义。

本评估引用的 SRE 概念：

SRE 概念	出处	对应评估维度
监控黄金信号	Ch.6 Monitoring Distributed Systems	可观测性（延迟/流量/错误/饱和度）
错误预算	Ch.3 Embracing Risk	高可用与容错韧性
SLO/SLI	Ch.4 Service Level Objectives	可观测性 + 应急响应
MTTD	Ch.11 Being On-Call	应急响应（平均检测时间）
MTTR	Ch.11 Being On-Call	应急响应（平均恢复时间）
Postmortem	Ch.15 Postmortem Culture	应急响应（故障复盘机制）
变更管理	Ch.14 — 约束变更	变更管理
容量规划	Ch.5 Distributing the Load	性能保障
自动化价值	Ch.7 — 自动化的真实价值	性能保障（可运维性）

二、6 评估维度

从信通院 Q/KXY SS004-2025 的 4 大支柱（稳定性/安全/性能/运营运维）中，结合 SRE 运维闭环模型（监控→告警→根因→修复→复盘→改进），选取 6 个与"可运维性"最相关的子维度作为评估维度：

#	维度	信通院章节	SRE 对应概念	权重	评估核心
1	可观测性	§6.3	监控黄金信号（延迟/流量/错误/饱和度）	0.20	监控/日志/链路追踪覆盖度 + 告警分级 + 智能分析
2	高可用与容错韧性	§6.2+§6.4+§6.5	冗余设计 + 错误预算	0.20	多 AZ 部署 + 冗余 + 备份恢复 + 流量保护
3	安全合规	§7	—	0.15	安全组 + CAM + 加密 + 数据分级 + 等保合规
4	变更管理	§10.3	变更管理 + SLO 迭代	0.15	变更审批 + 灰度发布 + 回滚 + 自动化部署
5	应急响应	§10.4+§10.5+§10.7	MTTD + MTTR + Postmortem	0.15	值班 + 故障分级 + MTTD/MTTR + 故障复盘 + 混沌演练
6	性能保障	§8+§6.6	容量规划 + 性能基线	0.15	性能基线 + 容量规划 + 自动调优 + 自动化运维

2.1 SRE 运维闭环验证

验证 6 维度是否覆盖 SRE 定义的运维完整闭环：

SRE 闭环环节	覆盖维度	SRE 出处
监控	可观测性	Ch.6 Monitoring Distributed Systems
告警	可观测性	Ch.6 — 黄金信号
根因定位	可观测性 + 应急响应	Ch.6 + Ch.11
修复	应急响应 + 变更管理	Ch.11 + 变更管理
复盘	应急响应	Ch.15 Postmortem Culture
改进	变更管理	持续改进

2.2 未评估的维度

标准维度	不评估原因
Q/KXY §6.1 服务解耦	属架构设计评估，非运维能力评估
Q/KXY §9 成本	成本高不等于运维能力差，由独立成本评估 Skill 覆盖
Q/KXY §10.1 组织架构	非技术评估项，需人工问卷
Q/KXY §10.2 团队建设	非技术评估项，需人工问卷
Q/KXY §10.6 入网测试	属上线前评估，非运维评估

三、评分等级（L1-L5）

严格采用信通院 Q/KXY SS004-2025 §5.2 的 5 级定义，并与 SRE 成熟度特征对应：

等级	英文	中文	信通院定义	SRE 对应
L1	Initial Level	初始级	被动救火，无规范/无工具/无文档	无 SLO，靠用户投诉发现问题
L2	Basic Level	基础级	有基础规范和工具，但覆盖不全	有基础 SLO 但不迭代
L3	Comprehensive Level	全面级	体系化覆盖，自动化初步形成	SLO 迭代，有错误预算管理
L4	Excellent Level	优秀级	全自动化 + 智能化辅助，少量人工决策	SLO 驱动，自动告警 + 自动根因
L5	Fabulous Level	卓越级	AI 大脑中枢，自学习/自优化/自愈	全自动自愈，预测性运维

90% 规则：每级满足 90% 的能力项即可认为达到该级别（Q/KXY SS004 §5.2）。高级别内容宜包含低级别内容，无需重复引用。

四、评分机制

4.1 综合分计算公式

综合分 = Σ(维度等级分 × 维度权重)  范围 1.00-5.00

等级分值映射：L1=1.0, L2=2.0, L3=3.0, L4=4.0, L5=5.0

权重表（依据信通院支柱重要性 + SRE 原则）：

维度	权重	依据
可观测性	0.20	Q/KXY §6.3 + SRE：监控是运维基础
高可用与容错韧性	0.20	Q/KXY §6.2 核心稳定性 + SRE 错误预算
安全合规	0.15	Q/KXY §7 安全支柱
变更管理	0.15	Q/KXY §10.3 + SRE 变更管理
应急响应	0.15	Q/KXY §10.4+10.5 + SRE MTTD/MTTR
性能保障	0.15	Q/KXY §8 + SRE 容量规划
合计	1.00

综合分到等级的映射：

综合分范围	综合等级
[1.0, 1.8)	L1 初始级
[1.8, 2.6)	L2 基础级
[2.6, 3.4)	L3 全面级
[3.4, 4.2)	L4 优秀级
[4.2, 5.0]	L5 卓越级

4.2 木桶封顶规则

综合等级 = min(加权综合分对应等级, 最低维度等级)

依据：信通院 Q/KXY SS004 §5.2 "每级满足 90% 的能力项即可认为达到该级别"。一个维度严重不足即不满足晋级条件。

示例：

场景	可观测	容错	安全	变更	应急	性能	加权分	封顶后
客户 A	L4	L4	L4	L4	L1	L4	3.6 (L4)	L1
客户 B	L3	L3	L3	L3	L3	L3	3.0 (L3)	L3
客户 C	L4	L4	L3	L4	L4	L4	3.8 (L4)	L3

4.3 维度内评级规则

每个维度有多个检查项（详见 Skill 包 references/check-items.md）
每个检查项独立判定 L1-L5
维度内 90% 检查项达到某等级 → 该维度取该等级
不足 90% → 取下一等级
每条判定必须附证据（数据源 + 具体值）

4.4 Baseline 缺失保护

首次评估：报告显式标注"首次评估，无历史 baseline"，对比表留空
第二次起：输出 Δ 变化（等级升降 + 分数差）
禁止编造趋势：没有历史数据时，不允许输出"较上次提升 X"这类语句

4.5 降级评估规则

数据源状态	对应维度处理
MCP 未接入（Prometheus/Loki/ELK）	可观测性维度降级为 L1-Unknown，标注"数据未接入"
CloudAudit 无数据	变更管理维度降级，仅基于知识库评级
知识库无文档	应急响应/变更管理部分检查项标注"需补充材料"
L1-Unknown	不参与综合分计算（权重按比例分配给其他维度），木桶封顶不适用

五、检查项标准

每个维度包含多个检查项，每个检查项有明确的 L1-L5 判定标准。以下以"可观测性"和"高可用与容错韧性"为例展示完整检查项表，其余维度详见 Skill 包 references/check-items.md。

5.1 可观测性检查项（Q/KXY §6.3）

检查项	L1	L2	L3	L4	L5
数据采集覆盖	缺乏标准化，Excel 手工处理	关键指标规范化，部分组件未覆盖	覆盖性能/业务/健康/UX 各层面，实时采集	动态调整采集粒度，资源+架构+应用多维	AI 自动调整策略，多云统一底座
监控与告警	仅基础性能指标，手动触发	主要应用监控，静态阈值，有漏检误报	全面监控+静态/动态阈值+实时告警+分析能力	基于历史数据告警+故障风险识别+自动诊断建议	AI 多 Agent 协同，故障检测/分析/自愈闭环
指标/日志/链路系统	无集中管理	基本集中管理，无跨服务追踪	指标+日志+链路集中收集，跨服务追踪	端到端全自动化，多维度深度查询	高度可视化/自动化/智能化，AI 识别优化点

5.2 高可用与容错韧性检查项（Q/KXY §6.2 + §6.4 + §6.5）

检查项	L1	L2	L3	L4	L5
冗余架构设计	单点部署，单点故障	初步冗余（主备/双机热备），手动干预	核心模块冗余+自动故障转移+多 AZ 部署	全组件冗余+多 AZ+自动切换 RTO 分钟级	多云/混合云跨区域灾备+AI 智能恢复 RTO 秒级
数据备份与恢复	无备份机制	定期全量备份，恢复慢有丢失风险	标准化备份+快速恢复+多地点存储	跨区域恢复+自动化 RTO 秒级	AI 智能同步备份+RPO≈0
熔断限流	无熔断限流，突发流量直冲	基础限流（QPS/TPS/CPU），静态阈值	智能熔断+动态限流+负载均衡+自动伸缩	自适应熔断+细粒度限流+快速恢复	AI 预测过载+多维熔断+智能自愈
容灾演练	无	无	有一定混沌演练和风险巡检，依赖人工	全自动混沌演练和风险巡检	AI 管控演练+可视化分析报告

5.3 行业阈值配置

不同行业对运维能力的要求不同，Skill 包内置 thresholds.yaml 配置文件，支持按行业加载不同阈值：

行业	典型差异	示例
互联网（默认）	L4 监控覆盖率 85%+	日志保留 90 天
金融	L4 监控覆盖率 95%+，安全权重 0.20	日志保留 180 天，KMS 90 天轮转
政务	应急演练半年 1 次	安全权重 0.20

六、评估流程

6.1 输入

字段	必填	说明
架构范围	是	项目名 / 资源标签 / 资源 ID 列表 / 地域
评估时间窗口	否	默认最近 30 天，用于变更/告警统计
行业类型	否	internet/finance/gov，加载不同阈值
补充知识库	否	客户上传的 SOP/Runbook/演练记录等

6.2 Workflow

步骤	内容
第一步：资源盘点	基于 CloudQ 全景图谱，列出架构涉及的所有资源
第二步：数据采集（并行）	巡检+容量+拓扑+告警+日志+变更+知识库
第三步：评分	对每个维度的检查项逐一判定 L1-L5，计算维度等级
第四步：报告生成	生成评估报告 + 雷达图 + 横向对比 + 改进路线图

6.3 数据来源与阶段路线图

阶段	评分范围	数据来源
M0	完整标尺定义（6维度 × L1-L5 × 检查项 × 阈值）	不依赖外部数据
M1	3 维度完整评分（安全/容错/性能）+ 3 维度降级评估	CloudQ 内置数据
M2	+知识库补充（应急响应/变更管理的 SOP/演练记录）	CloudQ + 知识库
M3	6 维度完整评分	接入 MCP + 知识库

七、知识库补充机制

无法通过 MCP 等扩展方式自动获取数据的检查项，可在 CloudQ 自定义知识库上传补充材料，Skill 读取后做补充评级：

知识库内容类型	对应维度	用途
架构图（PNG/PDF）	全维度	资源拓扑核对
Runbook/SOP 文档	应急响应/变更管理	SOP 完整度评级
故障复盘报告	应急响应/变更管理	演练/复盘频率评级
值班排班表	应急响应	值班制度评级
等保测评报告	安全合规	合规等级交叉验证
CI/CD 流水线配置	变更管理	灰度/回滚能力评级
混沌演练记录	应急响应	演练频率评级

Skill 读取逻辑：

检查知识库中是否有对应类型的文档
有 → LLM 解析文档内容，提取检查项通过/未通过
无 → 该检查项标注"需用户补充材料"，对应维度评级上限锁定 L2

八、报告输出结构

评估报告包含以下 8 个章节：

评估依据：三大标准声明 + 评估覆盖范围
TL;DR：综合等级 + 综合分 + Top3 短板 + 数据覆盖度 + 评估时间 + 耗时
6 维度雷达图：SVG 可视化
各维度评分卡：检查项 × 等级 × 证据 × L+1 目标 × 改进建议
横向对比：历史趋势（首次评估留空）
改进路线图：按 ROI 排序的改进项清单
评估覆盖度说明：已评维度数 / 总维度数
附录：评估标准映射 + 检查项清单 + 阈值配置

报告封面必须包含以下声明：

本评估依据以下标准：
- 中国信通院 Q/KXY SS004-2025《云服务卓越架构能力成熟度模型》
- 腾讯云卓越架构标准
- SRE 最佳实践（Site Reliability Engineering, 2016）

评估覆盖 4/5 支柱（稳定性/安全/性能/运营运维），成本维度不在评估范围。
分级体系 L1-L5 对应 Q/KXY SS004 §5.2 定义。
运维指标定义（MTTD/MTTR/SLO/SLI/错误预算）依据 SRE 最佳实践。

九、Skill 包与使用指引

9.1 Skill 包下载

完整的评估 Skill 包可从以下地址下载：

📦 architecture-operability-grade.zip（16KB）
下载地址：architecture-operability-grade.zip

9.2 Skill 包结构

architecture-operability-grade/
├── SKILL.md                          # 主指令（评估 Workflow + 报告模板）
├── references/
│   ├── standards.md                  # 三大标准 + 章节映射 + SRE 概念映射
│   ├── check-items.md               # 6 维度 × 检查项 × L1-L5 判定标准
│   ├── scoring-formula.md            # 评分公式 + 木桶封顶 + baseline 保护
│   └── thresholds.yaml              # 行业阈值（internet/finance/gov）

9.3 上传到 CloudQ 使用指引

登录 CloudQ 控制台：访问 CloudQ 智能顾问控制台，进入「Skill 管理」页面
上传 Skill 包：点击「上传自定义 Skill」按钮，选择下载的 architecture-operability-grade.zip 文件上传
验证安装：上传成功后，在 Skill 列表中确认技能名称 architecture-operability-grade 已激活
发起评估：在 CloudQ 会话中输入架构范围（如项目名/资源标签/地域），触发评估
（可选）配置行业阈值：如客户属于金融/政务行业，在 Skill 配置中指定 industry: finance 或 industry: gov 以加载对应阈值
（可选）上传知识库：在 CloudQ 自定义知识库中上传 SOP/Runbook/演练记录等补充材料，以获得更完整的评估覆盖
查看报告：评估完成后，在会话中查看评估报告（含雷达图 + 评分卡 + 改进路线图）

9.4 SKILL.md frontmatter 格式

CloudQ 对 Skill 名称有命名规范要求：仅允许小写字母、数字、连字符和下划线。本 Skill 的 frontmatter 如下：

---
name: architecture-operability-grade
description: |
  Evaluate cloud architecture operability maturity based on CAICT Q/KXY SS004-2025,
  Tencent Cloud Well-Architected Framework, and SRE 最佳实践.
  Assesses 6 dimensions: Observability, High Availability & Fault Tolerance,
  Security & Compliance, Change Management, Emergency Response, Performance Assurance.
  Each dimension is scored L1-L5 per the CAICT standard.
---

十、总结

本评估方案通过三大标准体系的融合，为客户提供权威、可复现、可对比的架构可运维成熟度评估能力：

权威性：基于中国信通院 Q/KXY SS004-2025 国家行业标准 + SRE 最佳实践运维方法论经典
可复现性：每个检查项都有可程序化检测的阈值，同一架构重复评估结果一致
可对比性：支持多次评估横向对比 + 多架构横向对比
可执行性：通过 CloudQ 智能顾问自动化数据采集，无需人工问卷
行业适配：内置互联网/金融/政务三套行业阈值，可按客户行业加载

评估结果不仅给出当前等级，还提供按 ROI 排序的改进路线图，帮助客户明确从当前等级到下一等级的最优路径。