492f33a129
- DEFAULT_CHAIN_ADMISSION.md: reviewed and approved, real artifact refs added - DEFAULT_DATA_IDEMPOTENT_RELEASE_GATE.md: reviewed and approved - scripts/setup_default_data.sh: idempotent init with --dry-run/--apply/artifact - scripts/test/test_default_data.sh: 4 test cases all pass - scripts/acceptance/verify_user_key_self_service.sh: Phase 0 skeleton - .gitignore: add generated artifact directories
2.0 KiB
2.0 KiB
SLO and Observability
日期：2026-06-04 状态：待审核 适用版本：vNext.3
目的
把 vNext 从“有脚本、有测试”提升到“有生产观测与发布门禁”。
观测维度
至少覆盖三层：
- 插件控制面
- 宿主入口
- 上游 provider
核心指标
路由与可用性
- user chat success rate
- pool success rate
- provider route success rate
- failover rate
- sticky hit rate
- cooldown active count
延迟
- control plane P95/P99
- host probe P95/P99
- user-key chat P95/P99
错误分类
- 429
- 403
- 5xx
cloudflare_blockedauth_failedhost_protocol_mismatchnetwork_timeout
key 自助
- key create success rate
- first chat=200 conversion rate
- denied access count
- rotate/reset success rate
治理
- pause hits
- quota exhausted hits
- manual override count
最小 SLO 建议
默认链路候选
- 最近窗口 user-key chat success rate >= 95%
- P95 latency <= 5000ms
- 最近窗口无
auth_failed - 最近窗口无
cloudflare_blocked
key 自助
- key create success rate >= 99%
- first chat=200 conversion rate >= 95%
日志与 traces
至少要求：
- request_id 贯穿 control plane / host probe / user-key probe
- route_id / provider_id / model_pool_id 可关联
- 错误分类写入结构化日志
- 审计日志与业务日志分离
告警建议
P1 告警
- 默认链路 success rate 连续低于阈值
- user-key probe 连续失败
- host protocol mismatch 激增
- auth_failed 激增
P2 告警
- failover rate 异常升高
- sticky hit rate 异常下降
- quota exhausted 快速增加
发布门禁
vNext.3 引入正式发布门禁前，至少要求：
- 指标已可收集
- 错误分类稳定
- 默认链路 admission 文档与指标口径一致
- 至少一轮真实环境回放/验证
与当前范围关系
本文件属于 vNext.3 设计文档。 当前 vNext.1 不进入实现，但必须在规划阶段明确其后续必备性，避免将来“功能可用但不可运营”。