运维手册

日常运维检查清单

每日

• [ ] 检查 /health 端点响应状态
• [ ] 审查错误日志（grep ERROR /var/log/psb/app.log）
• [ ] 检查磁盘使用率（告警阈值：80%）
• [ ] 检查内存和 CPU 使用率

每周

• [ ] 数据库备份验证
• [ ] 审查 Prometheus 告警（响应时间 > 2s，错误率 > 1%）
• [ ] 检查安全日志（异常登录、限流触发）
• [ ] 更新依赖（检查安全漏洞）

每月

• [ ] 全量数据备份归档
• [ ] SSL 证书有效期检查
• [ ] 性能基准测试
• [ ] 清理过期日志和临时文件

常见问题排查

数据库连接失败

# 检查 SQLite 文件权限
ls -la data/psb.db
# 检查 WAL 模式
sqlite3 data/psb.db "PRAGMA journal_mode;"
# 修复 WAL
sqlite3 data/psb.db "PRAGMA wal_checkpoint;"

LLM 服务不可用

# 检查 Ollama 状态
curl http://localhost:11434/api/tags
# 检查后端 LLM 健康端点
curl http://localhost:8000/api/v1/llm/health

内存不足

• 检查 Redis 内存使用：redis-cli info memory
• 限制 LLM 并发请求数
• 增加容器内存限制

数据备份和恢复

SQLite 备份

# 在线备份
sqlite3 data/psb.db ".backup '/backup/psb-$(date +%Y%m%d).db'"
# 导出 SQL
sqlite3 data/psb.db ".dump" > /backup/psb-$(date +%Y%m%d).sql

恢复

# 停止服务
docker-compose stop backend
# 替换数据库
cp /backup/psb-20240101.db data/psb.db
# 重启服务
docker-compose up -d backend

用户管理

创建管理员

curl -X POST http://localhost:8000/api/admin/auth/register \
  -H "Content-Type: application/json" \
  -d '{"email":"newadmin@example.com","password":"SecurePass123","name":"New Admin"}'

重置密码

直接修改数据库（仅限紧急情况）：

python -c "
from app.core.security import get_password_hash
print(get_password_hash('NewPassword123'))
"
# 然后更新 users 表的 password_hash 字段

禁用用户

curl -X PATCH http://localhost:8000/api/admin/users/<user_id> \
  -H "Authorization: Bearer <admin_token>" \
  -H "Content-Type: application/json" \
  -d '{"status":"suspended"}'

系统维护窗口

维护模式开关

# 开启维护模式（通过系统配置）
curl -X PUT http://localhost:8000/api/admin/config/maintenance_mode \
  -H "Authorization: Bearer <admin_token>" \
  -d '{"value":"true"}'
# 用户会收到 503 响应，前端显示维护页面

告警处理流程

告警	阈值	处理步骤
响应时间 > 2s	P95 > 2s	1. 检查数据库慢查询 2. 增加缓存 3. 扩展后端实例
错误率 > 1%	5分钟窗口	1. 查看错误日志 2. 回滚最近部署 3. 检查外部依赖
磁盘 > 80%	使用率 > 80%	1. 清理日志 2. 归档旧数据 3. 扩容磁盘
内存 > 85%	使用率 > 85%	1. 重启服务 2. 检查内存泄漏 3. 增加实例内存
LLM 不可用	连续 3 次失败	1. 检查 Ollama 服务 2. 切换备用模型 3. 查看网络连接