feat(ops): 每日备份 + 每人 20 QPS + 调用日志体积上限/VACUUM

- 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
This commit is contained in:
jidekin committed 2026-10-23 16:31:45 +08:00
1 parent c1ccc572fc
commit c141f6affe
4 files changed
+135 -4

No files matched your search

+34
View File
@@ -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 `/root/dsh/security/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 → `/root/dsh/security/backups/app/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。
+98 -2
View File
@@ -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,
+1 -1
View File
@@ -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",
+2 -1
View File
@@ -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。