案例：SIM 卡欠费，监测系统静默离线 7 天

现象：怎么发现的

这个故障没有任何报警，是运维人员季度盘点时偶然发现的：某冷库 AIoT 监测平台的数据中断了整整 7 天。期间平台一片安静——没有温度告警，也没有离线告警。现场纸质温度记录表显示温度正常，但电子数据无法导出验证，这 7 天在系统层面是"黑箱"。

排查与根因

根因简单得让人无奈：网关里的 4G SIM 卡欠费停机了。更麻烦的是三层防线同时失效：

1. 网关本地缓存只保留约 7 天，超出后旧数据被循环覆盖——发现时最早的部分数据已经丢失；
2. 平台侧的离线告警依赖同一条网络链路发出，链路断了，告警也发不出去；
3. 没有人工定期核对机制，从季度盘点才发现，间隔长达 7 天。

处置过程

1. 立即为 SIM 卡充值，恢复通信；
2. 本地缓存中尚未覆盖的数据补传至平台；
3. 已被覆盖的缺失时段，以纸质温度记录作为补充凭证；
4. 出具数据缺失情况说明并上报；
5. 随即上线 SIM 卡余额自动监控告警。

经验教训

• 告警不能依赖被监测的链路本身：通信中断的告警必须有独立出口（如平台服务端检测心跳超时后走短信通道），否则"网络坏了"和"一切正常"看起来一模一样。
• 心跳超时即告警：网关心跳超过 1 小时未上报，就应在值班群触发告警，把发现时间从"季度"压缩到"小时"。
• 余额监控前置：SIM 卡余额低于阈值（如 50 元）自动短信提醒，最好直接用物联网卡管理平台统一托管，避免逐卡人工续费。
• 双链路冗余：重要库房采用 4G + 有线/Wi-Fi 双通道，单链路故障不丢数据。
• 月度链路自检写进 SOP：主动核对每个网关的在线状态和数据连续性，而不是等告警。