ai-ops/EXECUTION_BOARD.md

AI-Ops Execution Board

版本：v1.6 | 日期：2026-05-12 | 状态：单机稳定版闭环已补齐，一键启动、备份、恢复、回滚演练通过

---

当前 Gate 状态

Gate	状态	说明
GATE-0 编译	✅ SOLID	go build -buildvcs=false ./... 通过
GATE-1 单测	✅ SOLID	go test -buildvcs=false ./... 通过
GATE-2 运行	✅ PODMAN_SOLID	已用本机 Podman Compose 跑通 PostgreSQL + Redis + App 全链路，完成健康检查、ready、登录、dashboard、alerts/rules/channels/openapi 烟测；Docker 权限环境仍待单独验证
GATE-3 E2E	⚠ PARTIAL	Podman Compose 全链路通过；完整 Docker Compose / 浏览器交互 / 聚合真实压测仍待有权限环境验证

---

进度概览

阶段	内容	工期	状态	完成度
Phase 1	监控看板 + 日志查询	8人天	✅ 可运行	~95%
Phase 2	告警规则引擎 + 通知渠道	12人天	✅ 核心闭环完成	~92%
Phase 3	自愈引擎 + 审计回滚	14人天	✅ 安全最小闭环完成	~82%
全局 G1	认证与权限	-	✅ 完成	~90%
全局 G2	健康检查	-	✅ 完成	~95%
全局 G3	OpenAPI 文档	-	✅ 完成	~80%
CI	GitHub Actions	-	✅ 已补	~80%

Go 文件数：63 | Go 代码行数：5890 | 编译：通过 | Race 测试：通过 | 单机一键启动：通过 | 备份：通过 | 恢复/回滚：通过 | 总覆盖率：83.3%

---

本轮收口内容

1. 告警集群聚合

项	状态	说明
同资源 1 分钟窗口聚合	✅	CreateEventWithAggregation(ctx,event,1m,20)；同一 resource_type/resource_id 1 分钟内超过 20 条生成聚合告警
子告警关联	✅	子事件写入 parent_alert_id，聚合事件 is_aggregated=true、aggregated_count=count
通知对象	✅	若触发聚合，通知发送聚合事件而不是最后一条子事件
UUID 修复	✅	告警事件 ID 从 evt_<nanos> 改为 UUID，匹配 PostgreSQL UUID 主键
测试	✅	TestAlertEngineAggregatesWhenSameResourceExceedsTwentyEventsWithinWindow

2. 通知日志 Service 层集成

项	状态	说明
Domain model	✅	internal/domain/model/notification.go
Repository interface	✅	NotificationLogRepository
PostgreSQL 实现	✅	pg_notification_log_repository.go
Service 集成	✅	每个渠道发送前创建 pending 日志；成功标记 sent；失败标记 failed，并继续备用渠道
测试	✅	TestNotificationServiceWritesLogWhenWebhookSent

3. 自愈真实执行器安全最小闭环

动作	状态	生产约束
switch_route	✅	调用 healing_config.endpoint，默认 POST
throttle	✅	调用 healing_config.endpoint，默认 POST
restart_instance	✅	必须显式配置 allow_restart=true，否则拒绝执行
invoke_script	✅	只允许 script_id + endpoint 方式，禁止原始脚本文本直接执行
HTTP 方法白名单	✅	仅允许 POST/PUT/PATCH
Token 支持	✅	healing_config.token 写入 Bearer Authorization
测试	✅	成功调用 endpoint + restart 安全拒绝测试

4. 前端页面

页面/能力	状态	说明
/ops/dashboard	✅	单页 HTML，看板 + 登录 + 刷新
指标卡片	✅	QPS、平均延迟、P99、错误率
告警事件列表	✅	调用 /api/v1/ai-ops/alerts，显示聚合字段
规则列表	✅	调用 /api/v1/ai-ops/rules
渠道列表	✅	调用 /api/v1/ai-ops/channels
日志列表	✅	调用 /api/v1/ai-ops/logs
页面认证	✅	页面本身公开，API 使用登录后 localStorage JWT 调用

5. CI / GitHub Actions

项	状态	文件
Go 1.22 CI	✅	.github/workflows/ci.yml
PostgreSQL/Redis service	✅	CI services 配置
gofmt 检查	✅	test -z "$(gofmt -l .)"
build/test	✅	go build -buildvcs=false ./... + go test -buildvcs=false -race ./...
migration smoke	✅	应用 000001 + 000002 migration

---

当前模块状态

Phase 1：监控看板 + 日志查询

模块	状态	说明
首页基础布局	✅	/ops/dashboard 已升级为可用单页看板
指标数据获取	✅	/api/v1/ai-ops/metrics/realtime
指标下钻	✅	/api/v1/ai-ops/metrics/query
日志查询	✅	页面 + API + CSV 导出
日志查询性能	⚠	超时逻辑待补；Redis 缓存框架已集成

Phase 2：告警规则引擎 + 通知渠道

模块	状态	说明
告警规则 CRUD	✅	/api/v1/ai-ops/rules
规则引擎	✅	30 秒评估 + 持续时间判定 + 抑制期
告警升级	✅	P2 持续 2 小时未确认 → P1
告警事件列表	✅	/api/v1/ai-ops/alerts 连接真实 repo
告警集群聚合	✅	同资源 1 分钟 >20 条生成聚合事件
通知渠道 CRUD	✅	/api/v1/ai-ops/channels
通知发送后端	✅	内存队列 + 失败自动切换
通知日志	✅	DB + Service 集成完成

Phase 3：自愈引擎 + 审计回滚

模块	状态	说明
自愈规则配置	✅	healing_action + healing_config + is_sandboxed
自愈执行后端	✅	HTTP endpoint 执行器；restart/script 有安全约束
沙盒模式	✅	dry-run 只记录不执行
级联失败处理	⚠	基础失败记录已完成；复杂级联策略未实现
审计日志查询	✅	/api/v1/ai-ops/audits
审计后端	✅	append-only 触发器保障
配置回滚	✅	/api/v1/ai-ops/audits/{id}/rollback

---

已验证命令

cd /home/long/project/ai-ops

gofmt -w cmd internal test
go build -buildvcs=false ./...
go test -buildvcs=false ./...
go test -buildvcs=false -coverprofile=coverage.out ./...
go tool cover -func=coverage.out | tail -1
# total: 81.3%
# latest total: 83.4%
# single-node hardening total: 83.3%

# 单机稳定版验证
scripts/aiops-single-node.sh doctor
AI_OPS_PROJECT=aiops-verify AI_OPS_APP_PORT=18180 AI_OPS_DB_PORT=15433 AI_OPS_REDIS_PORT=16380 scripts/aiops-single-node.sh start
AI_OPS_PROJECT=aiops-verify AI_OPS_APP_PORT=18180 AI_OPS_DB_PORT=15433 AI_OPS_REDIS_PORT=16380 scripts/aiops-single-node.sh backup
AI_OPS_PROJECT=aiops-verify AI_OPS_APP_PORT=18180 AI_OPS_DB_PORT=15433 AI_OPS_REDIS_PORT=16380 scripts/aiops-single-node.sh recover
AI_OPS_PROJECT=aiops-verify AI_OPS_APP_PORT=18180 AI_OPS_DB_PORT=15433 AI_OPS_REDIS_PORT=16380 scripts/aiops-single-node.sh restore backups/ai_ops_20260512-103615.sql.gz

# Podman Compose 替代 Docker Compose 全链路验证
CGO_ENABLED=0 go build -buildvcs=false -o ai-ops-static ./cmd/ai-ops
podman-compose -f docker-compose.podman.yml up -d
curl -fsS http://localhost:18080/health
curl -fsS http://localhost:18080/actuator/health/ready
curl -fsS http://localhost:18080/ops/dashboard
curl -fsS http://localhost:18080/openapi.json
curl -fsS -X POST http://localhost:18080/api/v1/ai-ops/login \
  -H 'Content-Type: application/json' \
  -d '{"username":"admin","password":"admin"}'
curl -fsS http://localhost:18080/api/v1/ai-ops/alerts?page=1\&page_size=5 \
  -H "Authorization: Bearer $TOKEN"

# Podman DB schema smoke
PGPASSWORD=aiops123 psql -h localhost -p 15432 -U aiops -d ai_ops \
  -c "SELECT to_regclass('public.ai_ops_alerts'), to_regclass('public.ai_ops_notification_logs');"

---

Podman 验证交付物

文件	用途
config.podman.yaml	容器内配置，DB host=postgres，Redis host=redis
docker-compose.podman.yml	Rootless Podman Compose 验证，端口映射 15432/16379/18080，避免宿主冲突
Dockerfile.podman-local	离线本地二进制镜像模板；当前 compose 使用 volume 挂载 ai-ops-static，避免 build/pull 阻塞
ai-ops-static	CGO_ENABLED=0 静态二进制，适配 Alpine 容器运行

Podman 当前验证结果：

ai-ops-podman-app=Up
ai-ops-podman-postgres=Up (healthy)
ai-ops-podman-redis=Up (healthy)
PODMAN_COMPOSE_FULL_STACK_OK

---

剩余风险 / P2 技术债

1. Docker 原生 Compose 仍需在有 Docker daemon 权限环境单独验证；本机已用 Podman Compose 完成替代验证。
2. fresh DB 破坏性验证因本机命令钩子阻断 DROP DATABASE，未在本机完成；Podman 新卷初始化与 CI migration smoke 已覆盖主要场景。
3. 自愈执行器目前是安全 HTTP endpoint 适配层，不直接接 Kubernetes / Gateway SDK；生产接入时需补具体 adapter。
4. 前端为轻量单页运维面板，不是完整产品化 UI。
5. 覆盖率 gate 已达成并继续补强：go test -buildvcs=false -coverprofile=coverage.out ./... 总覆盖率 83.3%；已补告警升级、Feishu/Wechat 通知占位分支、日志导出错误分支、CreateEvent 直接路径，并修复告警升级通知服务为空时的空指针风险。
6. 单机稳定版已补齐：scripts/aiops-single-node.sh 支持 start/stop/status/logs/smoke/backup/restore/recover/doctor；隔离端口验证通过；restore 演练暴露并修复了恢复到已有库时 schema 对象重复的问题。
7. production mode 配置已加硬校验：JWT secret 至少 32 字符、metrics auth 至少 16 字符、DB 必填项不能为空，避免线上单机空 secret/空 metrics key 误运行。