feat: 运维标杆化打磨 P0/P1/P2 —— 审计日志、真实指标、备份恢复、菜单收敛

审计发现 5 处硬伤（/metrics 空壳、零备份、prod 双副本数据分裂、零审计、资源偏紧），
本轮全部落地。

=== P0-1 真实 /metrics（原来是空壳）===
原实现只返回一行注释 `# LokiStack Metrics`，注释却写着"可被 Prometheus 抓取"，
平台挂了/DB 写不进去/告警引擎卡死都只能靠用户反馈。
现接入 prometheus/client_golang，四层指标：
  HTTP    : lokistack_http_requests_total / _duration_seconds / _in_flight_requests
  存储    : lokistack_db_size_bytes / _db_save_duration_seconds / _db_save_total / _db_records
  业务    : lokistack_deployments{status,mode} / lokistack_collectors{status,type,run_mode}
  后台任务: lokistack_alert_evaluations_total / _duration_seconds / lokistack_loki_queries_total
  + go_* / process_*（GoCollector、ProcessCollector）

关键点：path 标签用 c.FullPath() 路由模板，不用原始 URL —— 否则 117 个 Deployment
会把 Prometheus 基数炸掉。指标定义下沉 pkg/metrics 叶子包，避开
services ↔ repository 循环依赖。

=== P0-2 备份与恢复（原来 0 处代码）===
平台全部状态在 /app/data/opsxloki.json（51KB）+ kubeconfigs/ + known_hosts/，
DB 丢了 = 失去"这些资源是谁建的"的映射，从此无法管理/卸载/升级在跑的 Loki。

  CLI : lokistack backup --output <path> / restore <pkg> / self-check / version
  API : GET /system/backup（下载）/ POST /system/restore（校验暂存）/
        POST /system/restore/apply（确认应用）/ GET /system/backups
  K8s : kubernetes/pdb-backup.yaml —— 每日 03:30 CronJob，保留最近 7 份

安全设计：
  - manifest.json 记录 ENCRYPTION_KEY 的 sha256 前 16 位**指纹**，用于恢复时
    校验"这把钥匙能不能解开这份备份"，不泄露密钥本身
  - 恢复分两步（校验暂存 → 确认应用），应用前自动把当前 DB 备份为
    opsxloki.json.before-restore.<时间戳>
  - 包内不含明文密钥（kubeconfig 本就是加密态）

=== P0-3 prod compose 双副本 → 单副本 ===
lokistack-1 / lokistack-2 各挂独立数据卷 + nginx 轮询 = 数据分裂：
页面刷新两次可能看到不同结果，写操作只落一个副本。不是高可用。
已改单实例（nginx 仅做反代），文件顶部与 nginx.conf 都写明原因。

=== P0-4 操作审计日志（借鉴 /usr/local/src/aiops 的字段口径）===
aiops 是每个 controller 各写 recordXxxAudit()；本平台有 60+ 写接口，
逐个埋点必然漏，漏掉的那个恰好最危险（删集群、改存储凭证）。
改为 **gin 中间件统一记录** + handler 通过 SetAudit 补充业务语义：
  models/audit.go     : 字段对齐 aiops，另加 Method/Path/Before/After
  services/audit.go   : 写入 + 90 天/2 万条自动裁剪 + 脱敏 + diff 生成
  middleware/audit.go : 自动识别 module/action/resource，跳过只读接口
  controllers/audit.go: 列表/详情/统计（仅 admin）
敏感字段（password/secretKey/privateKey/token）写入前统一替换为 ***。

=== P1 稳定性 ===
- 平台资源 1C/1Gi → 4C/4Gi 限（500m/512Mi 请求）：JSON DB 全量读写 +
  每分钟告警评估 + 批量发布并发，1Gi 会 OOM
- terminationGracePeriodSeconds: 30 —— 收到 SIGTERM 要等 DB 完整落盘，
  否则 kubelet SIGKILL 会把 JSON 写一半（全库丢失）
- liveness timeoutSeconds 10s（默认 1s 写盘时会被误杀）
- PDB minAvailable: 0 —— 让 kubectl drain 正确等待重建，不卡维护
- DB schemaVersion + migrateSchema() 版本递进迁移（原先加字段全靠零值兜底）
- scripts/release.sh —— 不可变 tag <版本>-<日期>-<commit> + IfNotPresent，
  根治 latest 并发构建互相覆盖导致的静默回滚（本项目已实际踩过）
- PVC 保持 30Gi（按长期增长预留，云盘单价低，不做在线扩容）

=== P2 易用性 ===
- 一键自检 GET /system/self-check + 仪表盘自检卡：真实探活 Loki /ready、
  集群凭据解密、磁盘空间、主机状态、近 24h 失败操作
- 审计日志页 /audit：统计卡 + 用户名/模块/结果筛选 + 变更前后 diff 弹窗
- 菜单收敛 13 → 7（页内 tab 切换，URL 全部不变）：
    资源接入 = 集群 + 主机 + 存储
    日志服务 = Loki 实例 + 采集器
    日志     = 查询 + 分析
    系统管理 = 用户 + 审计 + 设置
  新增 GroupTabs 组件 + meta.group/groupKey，侧栏按分组去重并正确高亮

测试：go vet 通过、go test 全绿、tsc 通过

backend/main.go

@@ -2,11 +2,14 @@ package main
 
 import (
 	"context"
+	"encoding/json"
 	"errors"
+	"fmt"
 	"log"
 	"net/http"
 	"os"
 	"os/signal"
+	"path/filepath"
 	"strings"
 	"syscall"
 	"time"
@@ -20,7 +23,89 @@ import (
 	"lokistack/services"
 )
 
+// version 由构建注入（-ldflags "-X main.version=..."），未注入时为 dev
+var version = "2.0.0"
+
+// runCLI 提供不依赖 Web 的运维命令（备份 CronJob、恢复、自检都走它）。
+//
+//	lokistack backup --output /app/data/backups/xxx.tar.gz
+//	lokistack restore <备份包路径>          # 校验 + 立即应用（会先备份当前 DB）
+//	lokistack self-check                    # 打印 JSON 自检结果
+func runCLI(args []string) {
+	switch args[0] {
+	case "backup":
+		out := ""
+		for i := 1; i < len(args); i++ {
+			if args[i] == "--output" && i+1 < len(args) {
+				out = args[i+1]
+			}
+		}
+		if out == "" {
+			out = "/app/data/backups/lokistack-" + time.Now().Format("20060102-150405") + ".tar.gz"
+		}
+		if err := os.MkdirAll(filepath.Dir(out), 0o700); err != nil {
+			fmt.Fprintf(os.Stderr, "创建备份目录失败: %v\n", err)
+			os.Exit(1)
+		}
+		f, err := os.Create(out)
+		if err != nil {
+			fmt.Fprintf(os.Stderr, "创建备份文件失败: %v\n", err)
+			os.Exit(1)
+		}
+		defer f.Close()
+		m, err := services.CreateBackup(f)
+		if err != nil {
+			fmt.Fprintf(os.Stderr, "备份失败: %v\n", err)
+			os.Exit(1)
+		}
+		fmt.Printf("备份完成: %s\n记录数: %d\n密钥指纹: %s\n", out, m.RecordCount, m.KeyFP)
+
+	case "restore":
+		if len(args) < 2 {
+			fmt.Fprintln(os.Stderr, "用法: lokistack restore <备份包.tar.gz>")
+			os.Exit(1)
+		}
+		f, err := os.Open(args[1])
+		if err != nil {
+			fmt.Fprintf(os.Stderr, "打开备份失败: %v\n", err)
+			os.Exit(1)
+		}
+		defer f.Close()
+		res, err := services.ValidateAndStageBackup(f)
+		if err != nil {
+			fmt.Fprintf(os.Stderr, "校验失败: %v\n", err)
+			os.Exit(1)
+		}
+		if res.Warning != "" {
+			fmt.Fprintf(os.Stderr, "⚠️  %s\n", res.Warning)
+		}
+		path, err := services.ApplyStagedBackup()
+		if err != nil {
+			fmt.Fprintf(os.Stderr, "应用失败: %v\n", err)
+			os.Exit(1)
+		}
+		fmt.Printf("恢复完成: %s（备份 %d 条记录）\n请重启平台进程使新数据生效。\n", path, res.RowsInBackup)
+
+	case "self-check":
+		b, _ := json.MarshalIndent(services.SelfCheck(), "", "  ")
+		fmt.Println(string(b))
+
+	case "version":
+		fmt.Println(version)
+
+	default:
+		fmt.Fprintf(os.Stderr, "未知命令 %q。可用: backup / restore / self-check / version\n", args[0])
+		os.Exit(1)
+	}
+}
+
 func main() {
+	// 运维命令行：支持在容器/CronJob 里不经 Web 完成备份/恢复/自检
+	if len(os.Args) > 1 {
+		runCLI(os.Args[1:])
+		return
+	}
+
 	cfg := config.GetConfig()
 
 	// gin 默认是 debug 模式：每次启动会把上百行路由表 dump 到日志里，
@@ -35,6 +120,10 @@ func main() {
 		log.Fatalf("Failed to init DB: %v", err)
 	}
 
+	// 指标注册要早于任何可能埋点的组件（middleware / alert engine）
+	services.InitMetrics(version)
+	log.Println("Metrics enabled at /api/v1/metrics")
+
 	log.Println("Seeding default data...")
 	seed.Seed()