e9ea34fe53
P6 生产硬化阶段交付物（46 文件）：
## 1. API Gateway 中间件链（services/api-gateway/internal/middleware/）
- circuit-breaker.go: gobreaker v2 熔断器（5s 窗口/50% 错误率/30s OPEN→HALF_OPEN）
- ratelimit.go: 令牌桶限流（sync.Map + cleanup goroutine，默认 100rps/20 burst）
- cors.go: CORS 中间件（CORS_ORIGINS 环境变量）
- recovery.go: panic 恢复 + uuid request_id
- security.go: 安全头 + 请求体 10MB 限制
- requestid.go: 请求 ID 注入
- health/health.go: /healthz + /readyz 健康检查
- main.go: 重写注册全部中间件链（Recovery→RequestID→CORS→Security→BodyLimit→RateLimit→CircuitBreaker→Auth）
## 2. 基础设施硬化（infra/）
- backup/backup-mysql.sh: MySQL 全量备份（mysqldump+gzip，按服务独立）
- backup/restore-mysql.sh: 恢复脚本
- backup/backup-cron.sh: cron 调度入口（5 服务批量备份）
- alertmanager/alertmanager.yml: 告警路由（webhook + 邮件示例）
- prometheus/rules.yml: 8 条告警规则（服务可用性/性能/资源 3 组）
- grafana/dashboards/microservices-overview.json: 4 panel 仪表盘
- grafana/provisioning/: 数据源和仪表盘 provisioning
- k8s/namespace.yaml: 4 命名空间（edu-system/services/monitoring/ingress）
- k8s/api-gateway-deployment.yaml: Deployment + Service 骨架
- chaos/experiments.yaml: 3 个 Litmus 混沌实验（pod-kill/network-latency/disk-fill）
- docker-compose.monitoring.yml: 监控栈 profile
- security/secrets.example.env: 8 项密钥占位符
- security/waf-rules.conf: ModSecurity WAF 规则骨架
## 3. 业务服务健康检查 + 优雅停机（5 个 NestJS 服务）
- services/{iam,core-edu,content,msg,classes}/src/shared/health/: /healthz + /readyz
- services/{iam,core-edu,content,msg,classes}/src/shared/lifecycle/: OnModuleInit + OnApplicationShutdown
## 4. Python 服务健康检查
- services/{ai,data-ana}/src/health/health.py: FastAPI APIRouter
## 5. 运维文档
- docs/architecture/runbooks/p6-hardening.md: P6 总览 Runbook（9 章节）
- docs/architecture/runbooks/incident-response.md: 事件响应手册（5 章节）
- docs/architecture/004-p6-addendum.md: 004 架构补记 P6 章节
- docs/troubleshooting/known-issues-p6-addendum.md: 15 条 P6 场景→技术映射
## 验收信号
- RPO ≤ 15min（MySQL 备份 + binlog PITR）
- RTO ≤ 30min（K8s 滚动更新 + DNS 切换）
- P99 ≤ 500ms（熔断 + 限流 + 缓存）
- 熔断器错误率 > 50% 触发 OPEN
- 限流 100rps/20 burst
- 备份保留 7 天
- 混沌实验每月 1 次
108 lines
4.2 KiB
Markdown
108 lines
4.2 KiB
Markdown
## 15. P6 生产硬化（补记）
|
||
|
||
> 本章为 `004_architecture_impact_map.md` 的 P6 阶段补记，记录生产硬化引入的横切关注点与基础设施栈。
|
||
> 维护规则与正文一致：源码变更后同步 `npm run arch:scan` 更新 arch.db。
|
||
|
||
### 15.1 横切关注点矩阵
|
||
|
||
| 关注点 | NestJS 服务 | Python 服务 | Go 网关 | 实现位置 |
|
||
|--------|-------------|-------------|---------|----------|
|
||
| 健康检查 | HealthController | health.py | /healthz | shared/health, src/health |
|
||
| 优雅停机 | LifecycleService | FastAPI lifespan | enableShutdownHooks | shared/lifecycle |
|
||
| 熔断 | 经 Gateway | 经 Gateway | gobreaker v2 | api-gateway/middleware |
|
||
| 限流 | 经 Gateway | 经 Gateway | token bucket | api-gateway/middleware |
|
||
| 链路追踪 | tracer.ts | OpenTelemetry | OpenTelemetry | shared/observability |
|
||
| 指标 | metrics.ts | prometheus_fastapi | prometheus | shared/observability |
|
||
| 日志 | logger.ts | structlog | zap | shared/observability |
|
||
| 错误处理 | global-error.filter | exception handler | middleware | shared/errors |
|
||
|
||
### 15.2 API Gateway 中间件链
|
||
|
||
请求流经顺序（出向到下游服务）：
|
||
|
||
```
|
||
请求入口
|
||
→ WAF（规则匹配）
|
||
→ CORS
|
||
→ 限流（token bucket，按 route+tenant）
|
||
→ 熔断（gobreaker v2，按下游服务）
|
||
→ 重试（指数退避，仅幂等）
|
||
→ 链路追踪注入
|
||
→ 转发到下游
|
||
→ 响应 → 指标记录 → 返回
|
||
```
|
||
|
||
### 15.3 可观测性栈
|
||
|
||
```
|
||
应用层（NestJS / Python / Go）
|
||
→ OpenTelemetry SDK（trace + metrics）
|
||
→ OTLP exporter
|
||
→ 采集层
|
||
├─ Prometheus（metrics）
|
||
├─ Tempo / Jaeger（trace）
|
||
└─ Loki / ELK（log）
|
||
→ 展示层
|
||
├─ Grafana（仪表盘）
|
||
└─ Alertmanager（告警路由）
|
||
```
|
||
|
||
关键指标命名约定：
|
||
- `http_request_duration_seconds`（histogram，含 service/route/status 维度）
|
||
- `circuit_breaker_state`（gauge，0=Closed / 1=Open / 2=HalfOpen）
|
||
- `rate_limiter_rejected_total`（counter）
|
||
- `db_connections_in_use`（gauge）
|
||
- `kafka_consumer_lag`（gauge）
|
||
|
||
### 15.4 安全栈
|
||
|
||
| 层 | 机制 | 配置位置 |
|
||
|----|------|----------|
|
||
| 边缘 | WAF + DDoS 防护 | Cloudflare / 入口 LB |
|
||
| 网关 | JWT 校验 + 限流 + CORS | api-gateway |
|
||
| 服务 | requirePermission 权限点 | modules/*/actions |
|
||
| 数据 | 字段加密 + 审计日志 | data-access |
|
||
| 密钥 | KMS + K8s Secret + 轮换 | deploy/k8s/secrets |
|
||
| 传输 | mTLS（服务间，可选）+ TLS（边缘） | mesh / ingress |
|
||
|
||
### 15.5 健康检查约定
|
||
|
||
- `GET /healthz`：liveness，仅返回进程存活，不检查依赖，避免滚动重启雪崩
|
||
- `GET /readyz`：readiness，检查 DB 等关键依赖，失败返回 503
|
||
- K8s 探针：livenessProbe → /healthz，readinessProbe → /readyz
|
||
- Python 服务 readyz 简化为 ok + TODO，待依赖客户端就绪后补全
|
||
- 无需鉴权，必须在路由白名单中放行
|
||
|
||
### 15.6 优雅停机约定
|
||
|
||
- NestJS：`app.enableShutdownHooks()` 注册 SIGTERM/SIGINT 钩子
|
||
- LifecycleService 实现 OnApplicationShutdown，按序关闭：Kafka producer → Redis → DataSource
|
||
- K8s：`terminationGracePeriodSeconds=60`，preStop hook 可加 sleep 5s 摘流量
|
||
- Python：FastAPI lifespan shutdown 事件，关闭连接池
|
||
- 销毁顺序理由：先停外部消息生产（避免新事件），再关缓存，最后关 DB
|
||
|
||
### 15.7 灾难恢复策略
|
||
|
||
- 备份：CronJob 每 15min，PostgreSQL + Redis + Kafka offset
|
||
- 恢复：`scripts/restore/`，月度演练验证 RTO
|
||
- 多 AZ：Pod 反亲和 + DB 同步复制 + Redis 哨兵 + Kafka ISR=2
|
||
- DNS 切换：区域级故障，TTL=60s，季度演练
|
||
|
||
### 15.8 与正文章节的对应
|
||
|
||
| 本章小节 | 对应正文章节 |
|
||
|----------|--------------|
|
||
| 横切关注点 | 第 3 章 共享内核 |
|
||
| 中间件链 | 第 5 章 API Gateway |
|
||
| 可观测性 | 第 10 章 可观测性 |
|
||
| 安全栈 | 第 11 章 安全 |
|
||
| 健康检查 | 第 6 章 服务边界 |
|
||
| 灾难恢复 | 第 12 章 部署与运维 |
|
||
|
||
### 15.9 同步要求
|
||
|
||
新增导出符号需在落地到 Edu 仓库后运行 `npm run arch:scan` 更新 arch.db：
|
||
- `HealthController`、`HealthModule`（5 个 NestJS 服务）
|
||
- `LifecycleService`（5 个 NestJS 服务）
|
||
- `health.py` router（ai、data-ana）
|