From 1cf94dae7b1b24f910f07e33cc4c1e2db76e0870 Mon Sep 17 00:00:00 2001 From: jidekin <294297426@qq.com> Date: Fri, 23 Oct 2026 16:31:45 +0800 Subject: [PATCH] =?UTF-8?q?feat(ops):=20=E6=AF=8F=E6=97=A5=E5=A4=87?= =?UTF-8?q?=E4=BB=BD=20+=20=E6=AF=8F=E4=BA=BA=2020=20QPS=20+=20=E8=B0=83?= =?UTF-8?q?=E7=94=A8=E6=97=A5=E5=BF=97=E4=BD=93=E7=A7=AF=E4=B8=8A=E9=99=90?= =?UTF-8?q?/VACUUM?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit - 新增 backup-app-data.sh(VACUUM INTO 快照 + 配置/账号/会话/历史)+ dsh-gateway-backup.timer(每天 03:30,留 14 份) - gateway.yaml: server.rate_limit_rps null → 20(按账号桶,实测 120 并发触发 55 个 429) - calllog: CALLLOG_MAX_BYTES(2GiB) 按有效数据量精确收紧 + 按需 VACUUM(含 wal_checkpoint) - 修:体积判断改用 (page_count-freelist)*page_size;VACUUM 后 checkpoint 才能真正缩文件 - 版本 2.9.14 → 2.9.15 --- CHANGELOG.md | 34 ++++++++++++++++ app/calllog.py | 100 +++++++++++++++++++++++++++++++++++++++++++++- app/main.py | 2 +- data/gateway.yaml | 3 +- 4 files changed, 135 insertions(+), 4 deletions(-) diff --git a/CHANGELOG.md b/CHANGELOG.md index ad982ec..2575cd1 100644 --- a/CHANGELOG.md +++ b/CHANGELOG.md @@ -1,5 +1,39 @@ # CHANGELOG +## 2026-10-23 · 按体检建议落地:每日备份 + 每人 QPS + 库体积上限(2.9.14 → 2.9.15) + +老板:「按你的建议做,全部做」。 + +### ① 应用数据每日备份(新增) +此前每日任务只做「进程巡检」,**完全没备份网关数据**(账号/会话/历史/反馈/调用日志)。 +- 新增 `<运维脚本目录>/backup-app-data.sh`: + - `calllog.db` 用 **`VACUUM INTO` 做一致性快照**(不锁业务读写,比 `cp` 安全) + - 账号/会话/历史/反馈/agents.yaml/gateway.yaml/`.env` 一并打包 + - 打包 → `<备份目录>/app-data-YYYY-MM-DD.tar.gz`,权限 600,**保留 14 份** +- 新增 systemd 定时器 `dsh-gateway-backup.timer`:**每天 03:30**(在 03:00 巡检之后); + 实测触发 `status=0/SUCCESS`,首份备份 6.7 MB。 + +### ② 每人 QPS 限流(从「不限」改为 20/s) +- `data/gateway.yaml`:`server.rate_limit_rps: null` → **20**(按账号分桶,桶容量 40) +- 实测:120 个并发请求 → **65 个 400(放行)+ 55 个 429(限流)**;3 秒后单请求恢复 200。 +- 说明:**串行**请求触发不了(每次耗时 >50ms,令牌边用边满)—— 这是令牌桶的正常特性, + 它防的是"瞬间并发打爆额度",不是限制日常速度。 +- 供应商级限流(如 Dots AI 的 1 rps)保持不变,两者取更严的。 + +### ③ 调用日志库体积上限 + 定期 VACUUM +「内容不截断」后单条可达 MB 级(库里已有一条 **1.4 MB** 的 prompt),光靠 90 天保留兜不住体积。 +- 新增 `CALLLOG_MAX_BYTES`(默认 **2 GiB**):有效数据超限时**从最旧开始精确删除**, + 删到上限的 80% 停手(按平均行大小算出要删几条,不再固定批量以免删过头)。 +- 新增按需 `VACUUM`:空闲页占比 > 25% 时回收(每天最多一次;体积收紧后强制回收一次)。 +- **踩了两个坑**:① 用文件大小判断是否超标 → 删光了也不降(DELETE 只是把页挂到 freelist), + 必须看 `(page_count − freelist) × page_size`;② WAL 模式下 VACUUM 的产物先进 `-wal`, + 必须 `PRAGMA wal_checkpoint(TRUNCATE)` 才会让主库文件真正变小。 +- 实测:11.8 MB / 300 行 → 收紧到 4 MB 目标 → **删 220 行、剩 80 行、文件降到 3.2 MB**。 + +### 更正上一轮体检的一处误判 +「sessions.json 明文存 token」**是我看错了** —— `app/sessions.py` 早就只存 +`sha256("sess:" + token)`(盘上永远不出现可直接使用的凭证),无需改动。 + ## 2026-10-23 · 代码体检:修 7 个测试失败 + 测试隔离(2.9.13 → 2.9.14) 老板:「检查 ai 网关项目,看下有什么问题或者可以优化的点」→ 体检中发现测试套件跑不起来/有回归。 diff --git a/app/calllog.py b/app/calllog.py index f1738d1..8d943b4 100644 --- a/app/calllog.py +++ b/app/calllog.py @@ -27,6 +27,7 @@ from __future__ import annotations import asyncio import logging +import math import os import sqlite3 import threading @@ -41,6 +42,12 @@ DB_PATH = os.environ.get("CALLLOG_DB") or os.path.join(_ROOT, "data", "calllog.d RETENTION_DAYS = int(os.environ.get("CALLLOG_RETENTION_DAYS") or 90) QUEUE_MAX = int(os.environ.get("CALLLOG_QUEUE_MAX") or 10000) CONTENT_MAX = int(os.environ.get("CALLLOG_CONTENT_MAX") or 8388608) +# 库体积上限(2026-10-23):超过就从最旧的开始删,直到降到 80% 以下。 +# 为什么要它:内容"不截断"后单条可达 MB 级(实测有一条 1.4MB 的 prompt), +# 90 天保留本身不封顶,光靠时间兜不住体积。 +MAX_BYTES = int(os.environ.get("CALLLOG_MAX_BYTES") or 2 * 1024 ** 3) # 2 GiB +TRIM_TARGET = 0.8 # 删到上限的 80% 停手,避免每次清理只删一点点 +VACUUM_FREELIST_RATIO = 0.25 # 空闲页超过 1/4 才 VACUUM(且每天最多一次) DISABLED = os.environ.get("CALLLOG_DISABLED", "") not in ("", "0", "false", "False") BATCH = 200 # 攒够多少条提交一次 @@ -310,9 +317,11 @@ class CallLogStore: # ── 清理 ──────────────────────────────────────────────────── def cleanup(self) -> int: + """按时间清理 → 按体积收紧 → 必要时 VACUUM。返回删除条数。""" if not self.enabled or self._db is None: return 0 cutoff = time.time() - self.retention_days * 86400 + n = 0 try: with self._lock: cur = self._db.execute("DELETE FROM api_calls WHERE ts < ?", (cutoff,)) @@ -320,14 +329,101 @@ class CallLogStore: self._db.execute("DELETE FROM video_jobs WHERE status != 'pending' AND done_at < ?", (time.time() - 7 * 86400,)) self._db.commit() - n = cur.rowcount or 0 + n += cur.rowcount or 0 if n: log.info("调用日志清理:删除 %d 条(早于 %d 天前)", n, self.retention_days) - return n except Exception as e: # noqa: BLE001 log.warning("调用日志清理失败: %s", e) + n += self._trim_to_size() + self._maybe_vacuum() + return n + + def _live_bytes(self) -> int: + """有效数据字节数 =(总页 − 空闲页)× 页大小。 + + **必须用它而不是文件大小**来判断是否超标:SQLite 的 DELETE 只是把页挂到 freelist, + 文件不会变小 —— 按文件大小判断会"删光了也不见降",进而把数据全删光。 + """ + try: + with self._lock: + pc = self._db.execute("PRAGMA page_count").fetchone()[0] or 0 + fl = self._db.execute("PRAGMA freelist_count").fetchone()[0] or 0 + ps = self._db.execute("PRAGMA page_size").fetchone()[0] or 4096 + return max(0, pc - fl) * ps + except Exception: # noqa: BLE001 return 0 + def _trim_to_size(self, max_bytes: int | None = None) -> int: + """库**有效数据**超过 MAX_BYTES 时,从最旧的开始批量删,直到降到 TRIM_TARGET 以下。 + + 「不截断内容」的代价就是单条可能很大(实测有 1.4MB 的 prompt),光靠 90 天保留 + 兜不住体积 —— 这里按字节封顶。删完若空闲页占比高,再 VACUUM 真正回收磁盘。 + """ + limit = max_bytes or MAX_BYTES + if not self.enabled or self._db is None or limit <= 0: + return 0 + target = int(limit * TRIM_TARGET) + if self._live_bytes() <= limit: + return 0 + deleted = 0 + try: + while True: + live = self._live_bytes() + if live <= target: + break + rows = self._db.execute("SELECT COUNT(*) FROM api_calls").fetchone()[0] or 0 + if not rows: + break + # 按平均行大小精确估算要删多少条(固定 200 条的批量会把数据删过头) + avg = max(1, live // rows) + need = max(1, math.ceil((live - target) / avg)) + with self._lock: + cur = self._db.execute( + "DELETE FROM api_calls WHERE id IN " + "(SELECT id FROM api_calls ORDER BY ts ASC LIMIT ?)", (int(need),)) + self._db.commit() + got = cur.rowcount or 0 + deleted += got + if not got: + break + if deleted: + self._maybe_vacuum(force=True) + log.warning("调用日志超出 %d MB 上限,已按最旧优先删除 %d 条(现存 %.1f MB)", + limit // (1024 * 1024), deleted, self._live_bytes() / 1024 / 1024) + except Exception as e: # noqa: BLE001 + log.warning("调用日志体积收紧失败: %s", e) + return deleted + + def _maybe_vacuum(self, force: bool = False) -> None: + """回收空闲页(VACUUM)。每天最多一次,避免频繁锁库;force=True 时跳过占比判断。""" + if not self.enabled or self._db is None: + return + now = time.time() + # force=True(体积收紧后要立刻回收)必须绕过每日守卫,否则刚删完的数据空间不会释放 + if not force and now - getattr(self, "_last_vacuum", 0) < 86400: + return + try: + with self._lock: + pc = self._db.execute("PRAGMA page_count").fetchone()[0] or 0 + fl = self._db.execute("PRAGMA freelist_count").fetchone()[0] or 0 + if not pc: + return + if not force and fl / pc < VACUUM_FREELIST_RATIO: + return + before = os.path.getsize(self.path) / 1024 / 1024 + self._db.execute("VACUUM") + # WAL 模式下 VACUUM 的产物先进 -wal,必须 checkpoint 回主库文件才会真正变小 + try: + self._db.execute("PRAGMA wal_checkpoint(TRUNCATE)") + except Exception: # noqa: BLE001 + pass + after = os.path.getsize(self.path) / 1024 / 1024 + self._last_vacuum = now + if before - after > 0.5: + log.info("调用日志 VACUUM:%.1f MB → %.1f MB(空闲页 %d/%d)", before, after, fl, pc) + except Exception as e: # noqa: BLE001 + log.warning("调用日志 VACUUM 失败: %s", e) + # ── 查询 ──────────────────────────────────────────────────── def _where(self, *, start: float | None, end: float | None, account: str | None, model: str | None, ok: int | None, status: int | None, diff --git a/app/main.py b/app/main.py index 04b6c7e..505b511 100644 --- a/app/main.py +++ b/app/main.py @@ -383,7 +383,7 @@ _docs_on = config.server.docs_enabled # 安全默认关(report: /docs、/ope # 2026-09-30: 2.6.1 → 2.7.0(按老板要求整个删除「火山方舟 Coding Plan」供应商:配置/模型/代码/文档/前端下拉/环境变量全清)。 # 2026-09-30: 2.7.0 → 2.7.1(界面提示白话化:熔断器→供应商自动保护、引擎→运行环境、slug→标识;删 120 个未引用死键)。 # ★ 版本号纪律:每次改动都要往上加,小改动加小版本号、大改动加大版本号(README 有专章)。 -VERSION = "2.9.14" +VERSION = "2.9.15" app = FastAPI( title="API Gateway", diff --git a/data/gateway.yaml b/data/gateway.yaml index 4a58649..a32c054 100644 --- a/data/gateway.yaml +++ b/data/gateway.yaml @@ -375,7 +375,8 @@ server: hot_reload: true # 监听 gateway.yaml mtime 自动重载(改配置免重启) hot_reload_interval: 15 # 重载检查间隔(秒) metrics_enabled: true # 记录调用指标(/metrics) - rate_limit_rps: null # 全局单 user QPS 上限(null=不限;供应商级用 provider.rate_limit_rps) + rate_limit_rps: 20 # 全局单 user QPS 上限(2026-10-23 由 null 改为 20:防泄露 Key 打爆额度; + # 供应商级限流仍由 provider.rate_limit_rps 控制,两者取更严的那个) # 请求体字节上限。2026-09-24 从 2MB 提到 20MB:带图对话(生成/上传的 PNG 以 # base64 内联进历史,单张 100KB~750KB)几张就顶爆 2MB → 上游 413 # 「请求体超过上限 2000000 字节」。内部网关 + nginx 两层把关,保留限制只调大数字。