30 lines
5.6 KiB
Markdown
30 lines
5.6 KiB
Markdown
# P6：有界业务状态与事件采样
|
||
|
||
日期：2026-09-18。本文记录第二批运行观测实现的边界和回归证据。它补充进程级批次指标，用于回答“本节点看到哪些固定状态、最近固定事件类别有多少、最早样本等待多久、采样是否完整”，不把有限样本当作全局业务统计，也不宣称生产容量或高可用已经验收。
|
||
|
||
## 已实现
|
||
|
||
- 迁移 `000026_operational_metrics` 为 `pulse_tasks`、`orbit_deliveries`、`weave_instances` 增加固定前缀索引；不增加模型字段，不引入外键或级联。
|
||
- 迁移 `000027_operational_event_metrics` 为不可变 `orbit_events` 增加 `(type,occurred_at,id)` 固定事件窗口索引；不增加模型字段，不引入外键或级联。
|
||
- 迁移 `000028_terminal_latency_metrics` 为任务和流程终态完成时间增加固定索引；采样最近5分钟成功/失败/取消记录，计算从持久化创建到终态的平均/最大耗时，仍不增加模型字段。
|
||
- 现有 `weave_inbox` 的固定 `ix_inbox_due` 已纳入采样：输出 `PENDING`、`LEASED`、`PROCESSED`、`QUARANTINED` 四种有界状态以及待消费事件的最早 `available_at` 年龄；不把该年龄误称为流程推进完成延迟。
|
||
- 采样器按固定事件类型在最近5分钟内配对 `task.accepted`→`task.started`、`task.accepted`→确定终态以及 `workflow.started`→`workflow.stopped`，输出平均/最大阶段耗时；事件缺失、跨窗口或超过10000条上限的记录不进入样本。
|
||
- [存储采样器](../../internal/storage/mysql/operational_metrics.go)只拼接代码内固定的表、索引、列名、状态和事件集合。每个状态或事件类别使用索引读取最多10001条，再将结果封顶到10000；至少一类封顶时 `orbit_business_snapshot_truncated=1`。
|
||
- 采样器先读取数据库UTC时间，再读取任务、结果交付和流程实例固定状态计数、最早未完成年龄及最近5分钟受理/完成/核查/恢复/流程推进事件类别。所有调用由独立900ms上下文限制；取消、数据库错误和超时都返回失败，不修改持久化数据。
|
||
- [业务指标记录器](../../internal/observability/business.go)将成功、错误、超时分别计数并记录耗时。失败样本不覆盖最后一次成功状态，同时保留最后成功时间，方便告警区分“旧值可见”和“本轮采集失败”。标签基数和状态取值均在目录中固定。
|
||
- 终态耗时只使用`created_at`与`completed_at`，以固定平均/最大指标暴露；它不声称授权耗时、外部副作用耗时或全局分位数。
|
||
- [进程入口](../../cmd/orbit/main.go)仅在显式启用指标时每5秒后台采样；`GET /metrics`仍只渲染进程内存，不在抓取请求中执行SQL。采样错误进入脱敏结构化日志，不能改变任务、交付或流程事务。
|
||
|
||
## 回归证据
|
||
|
||
- [业务记录器单测](../../internal/observability/metrics_test.go)验证成功状态、年龄、截断、成功计数和失败后保留最后成功值；超时计数单独增加。
|
||
- [真实MySQL专项](../../internal/storage/mysql/operational_metrics_integration_test.go)验证三次迁移索引真实存在、数据库外键为0、任务状态、交付状态、流程状态、Inbox状态、`task.accepted`事件和终态耗时被采样、固定状态集合存在，并验证已取消上下文被拒绝。
|
||
- `go test ./...`覆盖编译和普通单测；真实MySQL专项由标准`GO=... DOCKER=... sh scripts/test-mysql.sh`执行，未设置`ORBIT_TEST_MYSQL_DSN`时专项会跳过，不能把跳过当通过。最新000028标准脚本在Go 1.27.1、darwin/arm64、Docker MySQL 8.4.10环境退出码为0；存储/迁移/事务组、指标开关进程组、流程运行器全停恢复、SDK与两个独立业务示例均通过。日志确认`TestIntegrationOperationalSnapshot`、`TestIntegrationNoForeignKeysUpgrade`、`TestIntegrationCredentialOperations`、`TestIntegrationCredentialCommitFaults`、`TestIntegrationMetricsProcess`及`TestIntegrationWorkflowRuntimeProcess`均PASS，迁移账本到000028且dirty=false；脚本新增的`orbit-admin verify`实际输出`schema_version=28`、`migration_count=28`、`foreign_key_count=0`、`required_index_count=6`、`complete=true`。
|
||
- 当前固定目录导出的指标夹具为932029字节，包含事件、Inbox和阶段耗时指标回归；`promtool check metrics`成功；本报告原始验证记录7条规则，后续新增提交前事务重试耗尽规则后当前规则数为8，使用 `prom/prometheus:v3.5.0`（digest `sha256:63805ebb8d2b3920190daf1cb14a60871b16fd38bed42b857a3182bc621f4996`）执行 `promtool check rules` 与 `promtool test rules` 均成功。标准验证镜像仅用于离线检查，平台运行不依赖Prometheus。
|
||
|
||
## 解释和边界
|
||
|
||
每个Orbit节点都读取自己的有限样本；多节点指标不能直接相加获得全局精确积压或吞吐。达到10000上限、采样超时、节点重启或节点间时间不同都会影响解释，必须结合截断标记、最后成功时间、数据库权威查询和审计判断。事件窗口按`occurred_at`统计固定类别，不包含未知类型；它是趋势线索，不是端到端受理、授权或完成延迟。
|
||
|
||
当前仍未完成端到端授权/外部效果阶段延迟、全局吞吐聚合、Inbox从事件产生到推进完成的精确阶段延迟、发送队列全局聚合、生产采集通知演练、锁/磁盘/复制指标和多故障域容量验证。事件配对阶段耗时是本节点有限趋势样本，不包含外部副作用，也不能替代这些验收。此批实现不能替代保留、备份恢复、HA、RPO/RTO及发布验收。
|