在 GitHub 上编辑 content/zh/operations.md ↗
运维
指标
GET /metrics 输出 Prometheus 文本格式。生产环境缺少 METRICS_TOKEN 时进程拒绝启动;请求使用 Authorization: Bearer <token>。token 只从该 header 读取,绝不从查询参数读取,因为 URL 会进入代理日志、浏览器历史与 Referer。比较使用常量时间。
非生产环境且 token 为空时,/metrics 仅限回环访问。“回环”指经过 TRUST_PROXY 后看到的对端,客户端伪造 X-Forwarded-For 不能把公网请求伪装成本地。
核心指标:
fledge_http_requests_total{method,route,status}、fledge_http_request_secondsfledge_jobs_total{status,kind}、fledge_job_seconds、fledge_job_queue_secondsfledge_jobs_active、fledge_jobs_queued、fledge_queue_depthfledge_admission_rejected_total{reason}、fledge_retries_total{kind}fledge_merges_total{result}、fledge_path_guard_blocked_totalfledge_github_requests_total{method,status}、fledge_bridge_requests_total{status}
SLO
| SLO | 目标 |
|---|---|
| 任务成功率(7 天) | ≥ 90% |
| p95 队列等待 | < 10 分钟 |
| p95 任务时长 | < 30 分钟 |
| 绿灯后合并成功率 | ≥ 98% |
| bridge 可用性 | ≥ 95% |
| GitHub 429 速率 | ≤ 0.1 req/s |
告警规则位于 deploy/prometheus/fledge-alerts.yml,覆盖任务成功、队列等待、任务时长、bridge 失败、GitHub 429 与未处理运维告警。SLO 报告:
npm run build
PROMETHEUS_URL=http://127.0.0.1:9090 npm run slo:report
需要认证时设置 PROMETHEUS_AUTH_HEADER;它作为请求 header 发送,绝不进入 URL。
日志与失败处理
任务详情记录失败类别、错误码与下一步。控制面日志覆盖队列、租约、bridge 与 GitHub 请求。平台不保存 prompt/response 正文或密钥。失败分为外部波动、GitHub 权限或拒绝、模型、项目环境、仓库内容、条件变化、写入结果未知或 Fledge 自身,便于明确重试与交接。
备份
数据库与 TOKEN_ENCRYPTION_KEY 分开备份。没有密钥,数据库备份无法解密仓库 token 或用户模型 Key。在独立实例上演练恢复;不要把恢复指向线上数据库。部署 .env(或密钥管理器条目)的保留期应与密钥一致。