feat(ops+ui): WAF 自愈定时器 + 存活监控 + 恢复演练 + /metrics days 口径

- waf-whitelist-guard.sh + 每小时 timer:^/v1/ 规则被面板覆盖时自动补回并 reload
- uptime-check.sh 接入每日报告:本机/公网/4 台关键服务存活
- backup-restore-drill.sh 接入每日报告:解包校验 SQLite/JSON/权限
- /metrics 新增 days 参数;指标页加「今天/7天/30天/全部」切换
- docs/project-audit-2026-10-23.md:体检结论(含明确不做的项与理由)
- 版本 2.9.15 → 2.9.16
This commit is contained in:
jidekin committed 2026-10-23 16:51:28 +08:00
1 parent c141f6affe
commit e20244027c
6 files changed
+117 -7

No files matched your search

+29
View File
@@ -1,5 +1,34 @@
# CHANGELOG
## 2026-10-23 · 按建议落地:WAF 自愈 / 存活监控 / 恢复演练 / 指标口径(2.9.15 → 2.9.16)
老板:「剩下的可选项有啥好的建议吗」→「按你的建议来」。
### ① WAF 白名单自愈(防故障复发)
`^/v1/` 的 URL 白名单是手工改文件加的 —— 面板保存一次 WAF 设置就可能被覆盖,
客户会立刻又开始 403(真实工单复发过)。新增 `waf-whitelist-guard.sh` + **每小时 timer**:
规则不在就原子补回 + reload,幂等、静默(规则在时零输出)。
### ② 接口存活监控(补最大盲区)
每日巡检此前只看「进程在不在」—— 进程活着但接口 500 / EO 回源断了,报告依然全绿。
新增 `uptime-check.sh`(接入每日报告):本机 `/health`、公网 api/blog/`/v1/models`/管理台,
以及 4 台的关键服务(x-ui / 1Panel+容器 / 容器数)。异常项进「需要关注」。
### ③ 备份恢复演练(备份不验证等于没有)
新增 `backup-restore-drill.sh`(接入每日报告):解包最新备份 → 校验 SQLite integrity 与行数、
users/sessions/history/feedback 可解析、备份包权限 600。实测通过。
### ④ `/metrics?days=N` + 指标页口径切换
- 后端:`/metrics` 新增 `days` 参数(0=保留期内全部、1=今天、7、30…),响应里带 `days`。
- 前端:指标页顶部加「今天 / 近 7 天 / 近 30 天 / 全部」切换。
### ⑤ 体检文档留痕
新增 `docs/project-audit-2026-10-23.md`:已修项、已落地项、**评估后决定不做的项及理由**、
体检通过项、已知取舍。
**明确不做**:CSP 去 `unsafe-eval`(vue-i18n JIT 依赖,去掉会打断全部翻译)、
FTS5(当前 400 行无感)、echarts 按需引入(收益 < 风险)。
## 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」。
+10 -6
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 = "2.9.15"
VERSION = "2.9.16"
app = FastAPI(
title="API Gateway",
@@ -3068,7 +3068,7 @@ async def media_download(request: Request, url: str = "", filename: str = "",
# ─────────────────────────────────────
# GET /metrics + /metrics/prometheus(P1-3/8)
# ─────────────────────────────────────
def _usage_snapshot(account: str | None = None) -> dict:
def _usage_snapshot(account: str | None = None, days: int = 0) -> dict:
"""指标快照(2026-10-23 起口径变化)。
**调用数 / 供应商分布 / token / 耗时** 来自 SQLite(`api_calls`,保留 90 天)——
@@ -3080,7 +3080,8 @@ def _usage_snapshot(account: str | None = None) -> dict:
base: dict = {"uptime_seconds": rt.get("uptime_seconds"),
"in_flight": rt.get("in_flight", 0),
"in_flight_peak": rt.get("in_flight_peak", 0)}
db = calllog.store.usage_snapshot(account=account) if calllog.store.enabled else {"enabled": False}
db = (calllog.store.usage_snapshot(account=account, days=days)
if calllog.store.enabled else {"enabled": False})
if db.get("enabled"):
base.update({"calls": db.get("calls") or {},
"providers": db.get("providers") or {},
@@ -3096,18 +3097,21 @@ def _usage_snapshot(account: str | None = None) -> dict:
@app.get("/metrics")
async def metrics(request: Request, _auth=Depends(require_auth)):
async def metrics(request: Request, days: int = 0, _auth=Depends(require_auth)):
"""指标快照。`days`:0=保留期内全部(默认)、1=今天、7=近 7 天……(2026-10-23 新增)。"""
if not _cfg().server.metrics_enabled:
raise HTTPException(404, "metrics 已禁用")
# M5+: 普通账号只看自己名下调用产生的聚合,admin 看全局 + 熔断状态。
# 2026-10-22(老板):成员首页要看自己调用的次数统计,所以**不**把本端点收成仅管理员;
# 按账号聚合的逻辑保持原样(全局字段的收敛在 /health 里做)。
d = max(0, int(days or 0))
if request.state.role == "admin":
snap = _usage_snapshot()
snap = _usage_snapshot(days=d)
snap["circuits"] = _circuits.statuses() # P2-16 熔断状态
else:
snap = _usage_snapshot(request.state.account)
snap = _usage_snapshot(request.state.account, days=d)
snap["circuits"] = []
snap["days"] = d
return snap
+54
View File
@@ -0,0 +1,54 @@
# AI 网关项目体检报告(2026-10-23)
> 范围:`/root/dsh/projects/api-gateway`(v2.9.15)。方法:跑测试 + 静态检查 + 数据/权限/备份审计 + 真实接口压测。
## 一、已修复(本次体检发现)
| # | 问题 | 严重度 | 处理 |
|---|---|---|---|
| 1 | **225 个测试用例跑不起来**(pytest 未装,`tests/` 6197 行)| 高 | 装入 venv + `requirements-dev.txt` |
| 2 | **4 个用例断言旧内存版 `/logs`**(改读库时引入的回归)| 高 | 断言前 `flush()`;改用 `/logs/calls` 断言管理员视角 |
| 3 | **3 处夹具引用已下线的 `grok-4.6`** | 中 | 改 `grok-4.7` |
| 4 | **测试读写生产库** | 高 | `tests/conftest.py` 把 `CALLLOG_DB` 指向临时目录 |
| 5 | `/logs` 库映射缺 `video_id` | 中 | `api_calls` 增列(自动迁移)|
| 6 | 测试不幂等(失败残留账号)| 低 | 用例开头先删 |
**结果**:218/225 → **225/225 通过**。
## 二、已按建议落地(运维/容量)
| 项 | 内容 |
|---|---|
| **每日备份** | `backup-app-data.sh` + `dsh-gateway-backup.timer`(03:30):`VACUUM INTO` 快照 + 配置/账号/会话/历史,留 14 份 |
| **备份恢复演练** | `backup-restore-drill.sh`:解包 → 校验 SQLite integrity/行数、JSON 可解析、权限 600(已接入每日报告)|
| **每人 QPS** | `server.rate_limit_rps: null → 20`(按账号桶;实测 120 并发触发 55 个 429)|
| **库体积上限** | `CALLLOG_MAX_BYTES=2GiB`,按「有效数据量」精确收紧到 80% + 按需 VACUUM(含 `wal_checkpoint`)|
| **接口存活监控** | `uptime-check.sh` 接入每日报告:本机/公网/4 台关键服务,进程活着但接口挂也能发现 |
| **WAF 白名单自愈** | `waf-whitelist-guard.sh` + 每小时 timer:`^/v1/` 被面板覆盖时自动补回并 reload |
## 三、评估后**不做**的项(附理由)
| 项 | 为什么不做 |
|---|---|
| **CSP 去掉 `unsafe-eval`** | 产物里的 `new Function` 来自 **vue-i18n 的 JIT 编译器**;去掉会直接打断全部翻译(复现「界面显示变量名」)。站点是登录后的管理台、无内联脚本,风险本来就窄 |
| **FTS5 全文搜索** | 当前 400 行,`LIKE '%kw%'` 全表扫 <10ms;10 万行以后再说 |
| **echarts 按需引入** | 已独立 chunk + 懒加载,只影响 2 个页面,改造收益 < 风险 |
| **熔断/限流/失败计数落盘** | 重启重置是**更安全的默认**(宁可多试一次,不要一直熔断)|
| **sessions token 加密**(上一轮误判)| `app/sessions.py` 早就只存 `sha256("sess:"+token)`,盘上无可用凭证 |
## 四、体检通过项
- SQLite `integrity_check = ok`;索引齐全;文件权限 600
- 安全响应头齐全(CSP / X-Frame-Options: DENY / nosniff)
- **TODO / FIXME:0 处**;53 处 `except Exception` 全部有日志或兜底,无裸 `pass`
- `history.py` 有三重上限(条目数/单条字节/整文件字节)
- `/v1/media/download` 有域名白名单 + 内网地址拦截(SSRF)
- 密码 salt+hash;API Key 明文存储是产品需求(页面需反复复制),靠文件权限 600 兜底
- 阻塞 IO 都走 `_offload` 线程池
## 五、仍然存在的已知取舍(记录在案)
1. **`/logs` 只看自己的**(含 admin)—— 看全站要走「日志 → 调用日志」页签。
2. **实时页列表只给前 8KB 预览**,展开时调 `/logs/entry/{id}` 取全文(避免 200 条大内容拖垮接口)。
3. **`unsafe-eval` 必须保留**(见上)。
4. **WAF 规则以文件为准**:面板保存会覆盖 → 已有每小时自愈兜底,但仍建议最终在面板里也配置一份。
+5
View File
@@ -167,6 +167,11 @@ export default {
snapshot: 'Live snapshot',
circuitCard: 'Auto-paused after repeated failures, auto-recovers shortly',
byProvider: 'Calls by provider (success / fail)',
rangeLabel: 'Range',
rangeToday: 'Today',
range7: '7 days',
range30: '30 days',
rangeAll: 'All',
},
logs: {
tabLive: 'Realtime',
+5
View File
@@ -167,6 +167,11 @@ export default {
snapshot: '实时快照',
circuitCard: '连续失败会自动暂停,稍后自动恢复',
byProvider: '按供应商调用(成功 / 失败)',
rangeLabel: '统计口径',
rangeToday: '今天',
range7: '近 7 天',
range30: '近 30 天',
rangeAll: '全部',
},
logs: {
tabLive: '实时',
+14 -1
View File
@@ -1,5 +1,15 @@
<template>
<div class="page">
<!-- 2026-10-23:指标口径切换(后端 /metrics?days=) -->
<div class="range-bar">
<span class="sub">{{ t('metrics.rangeLabel') }}</span>
<el-radio-group v-model="days" size="small" @change="load">
<el-radio-button :value="1">{{ t('metrics.rangeToday') }}</el-radio-button>
<el-radio-button :value="7">{{ t('metrics.range7') }}</el-radio-button>
<el-radio-button :value="30">{{ t('metrics.range30') }}</el-radio-button>
<el-radio-button :value="0">{{ t('metrics.rangeAll') }}</el-radio-button>
</el-radio-group>
</div>
<el-alert v-if="err" :title="err" type="error" show-icon :closable="false" class="mb" />
<!-- KPI:全部来自 /metrics 当前快照。网关没有历史时序接口,
@@ -108,6 +118,8 @@ const router = useRouter()
const { t } = useI18n()
const { resolved } = useTheme()
const data = ref<any>({})
// 指标口径:0=保留期内全部、1=今天、7=近7天、30=近30天
const days = ref(0)
const loading = ref(false)
const err = ref('')
// 运行时间的实时基准:uptimeAt = 上次拿到 /metrics 的时刻,nowTick = 本地每秒心跳。
@@ -118,7 +130,7 @@ async function load() {
loading.value = true
err.value = ''
try {
data.value = await api('/metrics')
data.value = await api(`/metrics?days=${days.value}`)
uptimeAt.value = Date.now()
} catch (e: any) {
if (e && e.status === 401) { router.push('/login'); return }
@@ -265,6 +277,7 @@ onUnmounted(() => { clearInterval(timer); clearInterval(tickTimer) })
</script>
<style scoped>
.range-bar { display: flex; align-items: center; gap: 10px; margin-bottom: 10px; }
.about-card { margin-top: var(--gap); padding: 12px 16px; }
.about-line b { color: var(--text); }
</style>