分级发布 + 流水线检测 + 线上监控

技术范畴的防范，楼上已经很精辟了。

稍微补充一个点，除了系统发布相关配置外，还有不少故障来自于运营/产品在后台不合理配置造成，这类问题有些时候通过技术手段很难防范（很可能发现问题时已经造成一定损失了）。鉴于运营产品人员流动性比较大，且后台系统有一定复杂度，让大家都熟悉系统成本很高，所以我们这边的做法是：配置调整流程里，加多一个 QA 把关环节。

重大活动调整配置，运营/产品在预发环境配置完毕后，提交给 QA 进行二次检查确认，确认后再到线上配置。