增加生产监控、备份和升级能力

你正在帮助我把已经运行的 TabTin 部署补齐为可交付的生产系统。目标不是堆监控产品，而是让我能发现故障、定位根因、恢复数据并安全升级。

开始前

阅读部署配置、健康检查和日志说明。确认服务拓扑、关键用户流程、数据位置、可接受停机时间、恢复点目标和告警接收方式。先盘点现有日志、指标、备份和升级脚本，避免引入与当前规模不相称的复杂平台。

任务

1. 为 Web、API、数据库、缓存、协作、实时和异步任务定义健康信号与故障判定。
2. 统一结构化日志、请求关联和敏感信息脱敏，保留足够的用户流程证据。
3. 配置数据库、上传文件和关键配置的定时备份、保留周期、加密与异地存放。
4. 设计版本升级流程：预检查、迁移、服务顺序、健康验证和失败回退。
5. 为容量、错误率、队列积压、磁盘和证书到期设置少而关键的告警。

验证

主动制造一个安全的非生产故障，确认告警和日志能指出具体服务。执行一次隔离环境恢复演练，证明备份可用；模拟升级前后运行健康和关键用户流程测试。检查日志、备份和告警消息中没有密码、令牌或用户敏感正文。

最终汇报

给出监控清单、告警阈值、日志位置、备份与恢复结果、升级和回退步骤、责任人需要关注的日常事项。明确哪些验证只在非生产完成，哪些仍需生产窗口确认。