flym
34c2b436f0
Record the task/quota exception matrix (isolated fault injection) results, the admin quota concurrency fix, the isolated restore drill (business/CMS/audio, with the pre-existing missing-audio finding), upstream security launch blocker, and remaining minor items. Each item marked pass / fail / awaiting-external with test version and evidence. Do not mark reliability/launch-blocking items complete.
75 lines
4.4 KiB
Markdown
75 lines
4.4 KiB
Markdown
# 运维方案（OPERATIONS）
|
||
|
||
日期：2026-09-10 · 版本 `8657f44`
|
||
范围：音频容量/保留/清理/备份/恢复、数据库备份/恢复、Worker 与额度对账、告警。**本轮不擅自删除任何既有音频。**
|
||
|
||
## 1. 音频存储现状
|
||
|
||
- 位置：`/home/flym/kaotings-audio`，布局 `{user_id}/{task_id}.wav`（私有本地目录，非对象存储）。
|
||
- 元数据：`audio_files`（`storage_key`、`mime_type`、`size_bytes`、`checksum`、`status`、`expires_at`）。
|
||
- 写入：成功结算时先写文件、再登记 `audio_files`（含 SHA256）。
|
||
- 读取：回放/下载按 `storage_key` 取文件；文件缺失返回 404（优雅降级）。
|
||
|
||
## 2. 备份
|
||
|
||
| 对象 | 工具 | 位置 | 说明 |
|
||
| --- | --- | --- | --- |
|
||
| 业务库 `kaotings` | `pg_dump --format=custom` | `/home/flym/backups/kaotings_<ts>.dump` | 含用户/额度/任务/音频元数据/流水 |
|
||
| CMS 库 `kaotings_cms` | `infra/scripts/backup-cms-db.sh`（root） | `/home/flym/backups/kaotings_cms_<ts>.dump` | 独立库/账号 |
|
||
| 音频目录 | `tar`/`rsync` 到隔离位置 | 待指定 | 与库备份分开存放 |
|
||
|
||
> 备份位置、保留期、异地/异机与责任人：**待用户确认**（见 §5）。
|
||
|
||
## 3. 容量 / 保留 / 清理（需用户决定的参数集中列出）
|
||
|
||
| 参数 | 当前值 | 需用户决定 |
|
||
| --- | --- | --- |
|
||
| 音频保留期 `AUDIO_RETENTION_SECONDS` | 7 天（默认） | 是（产品/隐私/存储预算） |
|
||
| 磁盘容量上限 / 告警阈值 | 根盘约 48 GiB 可用，无上限告警 | 是（阈值 + 通知方式） |
|
||
| 保留期清理策略 | 未启用定时清理（仅启动时清孤儿） | 是（是否按 `expires_at` 定时删除） |
|
||
| 原始文本保留期 | 存于 `tts_tasks.text` | 是（产品/隐私） |
|
||
| 备份保留份数 / 周期 | 待确认 | 是（运维负责人） |
|
||
|
||
- 清理安全边界：
|
||
- 启动时 `cleanup_orphan_audio` 仅删除“**无** `available` 记录且 mtime>1h”的孤儿文件。
|
||
- 保留期清理在参数确认并实现后启用；**在此之前不删除任何既有音频**。
|
||
- 告警：磁盘使用率超阈值、`audio_files` 与磁盘文件数量长期不一致、Worker 长期无 `queued` 消化。
|
||
|
||
## 4. 恢复（含隔离演练结果）
|
||
|
||
### 4.1 流程
|
||
|
||
1. 停止写入（可选，视 RPO）：`systemctl stop kaotings-api`。
|
||
2. 建空库 → `pg_restore --clean --if-exists` 业务库 / CMS 库。
|
||
3. 音频：从隔离备份拷贝到 `/home/flym/kaotings-audio`。
|
||
4. 校验：行数、音频文件↔`audio_files` 关联、`checksum`、额度↔流水一致（见 §4.2 校验 SQL）。
|
||
5. `systemctl start kaotings-api`，`/healthz` 复核。
|
||
|
||
### 4.2 校验（隔离演练已执行）
|
||
|
||
- 业务库行数源=恢复：users 35 / quota 34 / tasks 28 / audio 26 / usage 61 / grants 10。
|
||
- 额度↔流水：`used` 与 `consume`、`reserved` 与 `reserve-consume-release` 均 0 不符。
|
||
- 音频：磁盘 22 文件全部被 `available` 引用（无孤儿）。
|
||
- **发现**：4 条 `status=available` 且任务 `succeeded` 的 `audio_files` 行在磁盘无文件（既有不一致，回放 404 降级）。待调查根因（见 §6）。
|
||
|
||
### 4.3 Worker 重启 / 额度对账
|
||
|
||
- 单 Worker（systemd 单进程），原子领取（`FOR UPDATE SKIP LOCKED`）+ 5 分钟租约 + 过期 `running` 回收（`WORKER_LEASE_EXPIRED`，释放冻结）。
|
||
- 对账：`GET /admin/usage/summary` 汇总 `quota_accounts` 与 `usage_records` 口径；`GET /admin/tts/tasks` 查结算状态（consumed/released/pending）。
|
||
- 不变式（每账户恒成立）：`limit_snapshot + adjustment - used - reserved >= 0`（由 Phase 5 异常矩阵 S3/S4 保证）。
|
||
|
||
## 5. 待用户确认清单（集中）
|
||
|
||
1. 音频保留期（`AUDIO_RETENTION_SECONDS`）。
|
||
2. 磁盘容量上限与告警阈值、通知方式。
|
||
3. 是否启用按 `expires_at` 的定时保留期清理。
|
||
4. 原始文本保留期。
|
||
5. 备份位置（异地/异机）、保留份数与周期、责任人。
|
||
6. 上游 HTTPS/加密端点、允许来源网段、凭据轮换（见 `DEPLOYMENT.md` §4）。
|
||
|
||
## 6. 待调查 / 未闭环项（不标为完成）
|
||
|
||
- **4 条 `available` 音频行无对应文件**：既有 DB/文件系统不一致，待定位根因（文件被外部删除 or 写入路径异常）；恢复流程本身通过。
|
||
- **上游公网 HTTP**：上线阻断，待加密 + 来源限制 + 外部复测（`DEPLOYMENT.md` §4）。
|
||
- **音频容量/保留/清理参数**：待用户确认（§5）。
|