opsx
b49677f6a6
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
92 lines
2.8 KiB
Go
92 lines
2.8 KiB
Go
package controllers
|
||
|
||
import (
|
||
"fmt"
|
||
"time"
|
||
|
||
"github.com/gin-gonic/gin"
|
||
|
||
"lokistack/services"
|
||
"lokistack/utils"
|
||
)
|
||
|
||
// SystemController 系统级运维操作：备份 / 恢复 / 巡检。
|
||
type SystemController struct{}
|
||
|
||
func NewSystemController() *SystemController { return &SystemController{} }
|
||
|
||
// Backup 导出当前平台数据（tar.gz 下载）。
|
||
//
|
||
// 内容：数据文件 + kubeconfigs/ + known_hosts/ + manifest.json（含密钥指纹），
|
||
// 不含明文密钥。恢复必须使用同一把 ENCRYPTION_KEY。
|
||
func (ctrl *SystemController) Backup(c *gin.Context) {
|
||
name := fmt.Sprintf("lokistack-backup-%s.tar.gz", time.Now().Format("20060102-150405"))
|
||
c.Header("Content-Type", "application/gzip")
|
||
c.Header("Content-Disposition", fmt.Sprintf(`attachment; filename="%s"`, name))
|
||
|
||
if _, err := services.CreateBackup(c.Writer); err != nil {
|
||
// 已经写了响应头，无法再改状态码，只能把错误写进 body 尾部
|
||
_, _ = c.Writer.WriteString(fmt.Sprintf("\n\n# 备份失败: %v", err))
|
||
return
|
||
}
|
||
}
|
||
|
||
// Restore 上传备份包：校验 + 暂存，**不直接覆盖**线上数据库。
|
||
// 返回暂存路径与密钥指纹比对结果，由管理员确认后再调用 RestoreApply。
|
||
func (ctrl *SystemController) Restore(c *gin.Context) {
|
||
file, err := c.FormFile("file")
|
||
if err != nil {
|
||
utils.BadRequest(c, "请上传备份文件（form-data 字段名 file）")
|
||
return
|
||
}
|
||
if file.Size > 128<<20 {
|
||
utils.BadRequest(c, "备份文件超过 128MB，请用 run.sh restore 在服务器上操作")
|
||
return
|
||
}
|
||
f, err := file.Open()
|
||
if err != nil {
|
||
utils.InternalServerError(c, fmt.Sprintf("读取上传文件失败: %v", err))
|
||
return
|
||
}
|
||
defer f.Close()
|
||
|
||
res, err := services.ValidateAndStageBackup(f)
|
||
if err != nil {
|
||
utils.BadRequest(c, fmt.Sprintf("备份校验失败: %v", err))
|
||
return
|
||
}
|
||
utils.Success(c, res)
|
||
}
|
||
|
||
// RestoreApply 应用已暂存的备份。应用后需重启平台进程才生效。
|
||
func (ctrl *SystemController) RestoreApply(c *gin.Context) {
|
||
var req struct {
|
||
Confirm bool `json:"confirm"`
|
||
}
|
||
_ = c.ShouldBindJSON(&req)
|
||
if !req.Confirm {
|
||
utils.BadRequest(c, "恢复会覆盖当前全部数据，请传 confirm=true 确认")
|
||
return
|
||
}
|
||
path, err := services.ApplyStagedBackup()
|
||
if err != nil {
|
||
utils.BadRequest(c, err.Error())
|
||
return
|
||
}
|
||
utils.Success(c, gin.H{
|
||
"message": "备份已应用，请重启平台使新数据生效（kubectl -n log rollout restart deploy/lokistack）",
|
||
"dbPath": path,
|
||
})
|
||
}
|
||
|
||
// Backups 列出服务器上已有的备份文件（run.sh backup 产出）。
|
||
func (ctrl *SystemController) Backups(c *gin.Context) {
|
||
utils.Success(c, gin.H{"list": services.ListBackups()})
|
||
}
|
||
|
||
// Health 平台自检：一键诊断用。
|
||
// 聚合「能不能用」的判断，避免排障时在多个页面之间跳。
|
||
func (ctrl *SystemController) Health(c *gin.Context) {
|
||
utils.Success(c, services.SelfCheck())
|
||
}
|