4 Commits

Include renames

Author	SHA1	Message	Date
opsx	c1f822fb10	refactor: 移除资源用量的可选 Prometheus 接入与平台监控页 ... - 资源用量弹窗:删除 applyPrometheus/promQueryValue 与峰值/限流字段 (LOKI_USAGE_PROMETHEUS_URL 从未内置,代码恒走降级),统一提示 「未接入 Prometheus:暂无峰值/限流数据」;扩容建议改基于 metrics-server 实时值 - 移除「平台监控」菜单页与 /api/v1/system/metrics-summary; 原始指标保留在标准 /api/v1/metrics(Prometheus 文本格式)可自行抓取 - 手册/落地页/CHANGELOG 同步(去除备份恢复与监控页宣传,指标端点表述中性化)	2026-10-29 15:16:18 +08:00
opsx	3ea7f2dcc6	feat(site): homepage 落地页 + docsify 用户手册文档站(/docs /homepage 随二进制发布) ... - homepage/:品牌落地页(Hero/特性/快速开始),参考 opsxapi 站点风格,绿色品牌系 - docs/:docsify 文档站 + user-guide 十篇手册(安装/向导/采集/查询/分析/告警/授权/备份/FAQ) - 后端 serveStaticDir 挂载 /docs 与 /homepage(可执行文件相对定位,独立于前端 dist)	2026-10-29 14:04:24 +08:00
opsx	c44ffad61f	fix(metrics): duplicate metrics collector registration panic（线上 CrashLoopBackOff） ... === 现象 === 上一提交 b49677f 部署后平台直接 CrashLoopBackOff（5 次重启）： Initializing database... panic: duplicate metrics collector registration attempted lokistack/pkg/metrics.Register.func1() metrics.go:125 === 根因 === prometheus/client_golang 在 init() 里已经把 GoCollector 与 ProcessCollector 注册进 **默认 registry**（prometheus.DefaultRegisterer）。我又对同一默认 registry 调用 MustRegister 注册了同一批 collector → 重复注册 → 运行时 panic。 致命点：go build / go vet / 普通单测**全都发现不了** —— MustRegister 的重复检查只在运行期执行，只有真的调用 Register() 才会炸。 所以整个 P0 打磨在测试阶段是"全绿"的，一上线就挂。 === 修法 === 不再碰默认 registry，改用自有实例： var registry = prometheus.NewRegistry() // 独立，不受 init() 影响 registry.MustRegister(...) // 注册全部指标 promhttp.HandlerFor(registry, ...) // 抓取读自有 registry 好处：完全掌控注册内容，未来再加 collector 不会与库的默认行为冲突。 === 回归测试（这才是关键收获）=== 新增 backend/pkg/metrics/metrics_test.go： - TestRegisterIsIdempotent : 连续调用 Register 两次，必须不 panic - TestHandlerExposesCustomMetrics : 断言抓取输出含 lokistack_* 与 go_goroutines - TestRegisterConcurrent : 20 个 goroutine 并发调用不 panic 这三条在修复前必然失败，修复后全绿。以后再改指标定义会被它们拦住。 镜像：lghost/lokistack:latest + v0.1 = 2f8f3c85643e	2026-10-28 21:32:36 +00:00
opsx	b49677f6a6	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	2026-10-28 21:27:01 +00:00