ops-v2/ops
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

设计

Browse Source
This commit is contained in:
zxr
2026-06-21 17:50:24 +08:00
parent 360317fba8
commit 17063cbad0
291 changed files with 35717 additions and 1 deletions
Download Patch File Download Diff File Expand all files Collapse all files

126
docs/H3C华三首批接入调研.md Normal file
View File

@@ -0,0 +1,126 @@
# OPS H3C/华三设备首批接入调研
## 1. 文档目标
本文定义第 1 阶段 H3C/华三网络设备接入的首批调研范围、字段清单、采集指标、Trap/Syslog 样例要求和验收条件。
当前仓库中的需求和蓝图只确认“现场设备以 H3C/华三为主”，尚未提供具体型号、SNMP 版本、账号权限、Trap 字典和 Syslog 样例。本文不伪造现场事实，先固定可开发的接入基线，并列出必须现场确认的数据。
## 2. 首批接入范围
| 类型 | 首期目标 | 验收口径 |
| --- | --- | --- |
| H3C/华三交换机 | 优先接入 | 展示设备基本信息、接口状态、接口流量、接口错误、Trap/Syslog 告警。 |
| H3C/华三路由或三层设备 | 可选接入 | 若现场提供账号，展示路由、ARP 或转发表样例。 |
| H3C/华三安全设备 | 第 2 阶段优先 | 首期只保留资源类型和接口状态样例。 |
| 非 H3C 网络设备 | 后续扩展 | 第 1 阶段不追求多厂商全覆盖。 |
## 3. 现场确认表
| 字段 | 必填 | 示例 | 说明 |
| --- | --- | --- | --- |
| 设备名称 | 是 | 核心交换机-1 | 与资源名称一致。 |
| 厂商 | 是 | H3C | 固定为 H3C/华三或现场实际厂商。 |
| 型号 | 是 | 待现场提供 | 不能凭空填写。 |
| 管理 IP | 是 | 待现场提供 | 用于 SNMP 轮询和连通性测试。 |
| SNMP 版本 | 是 | v2c 或 v3 | v3 需确认认证和加密方式。 |
| SNMP 端口 | 是 | 161 | 按现场安全策略确认。 |
| Trap 目标端口 | 是 | 162 | 需要网络策略放通。 |
| Syslog 目标端口 | 是 | 514 或现场指定 | 需要确认 UDP/TCP。 |
| 只读凭据 | 是 | 凭据引用 | 不记录真实 community、用户名或密码。 |
| 采集频率 | 是 | 60 秒或 300 秒 | 高频接口指标进入时序库。 |
| 维护窗口 | 否 | 每周日 00:00-02:00 | 维护期默认抑制告警。 |
| 所属业务 | 否 | HIS 网络域 | 用于业务系统视图。 |
| 所属机房/机柜 | 否 | 待导入 | 支持后续 3D 机房联动。 |
## 4. SNMP 采集指标基线
| 指标编码 | 指标名称 | 维度 | 用途 |
| --- | --- | --- | --- |
| `device.uptime` | 设备运行时长 | 设备 | 识别重启和稳定性。 |
| `device.cpu.usage` | CPU 使用率 | 设备 | 触发性能告警。 |
| `device.memory.usage` | 内存使用率 | 设备 | 触发性能告警。 |
| `interface.oper_status` | 接口运行状态 | 接口 | 识别接口 down/up。 |
| `interface.admin_status` | 接口管理状态 | 接口 | 区分人为关闭和异常 down。 |
| `interface.in_bps` | 入方向速率 | 接口 | 趋势图、报表、大屏。 |
| `interface.out_bps` | 出方向速率 | 接口 | 趋势图、报表、大屏。 |
| `interface.in_errors` | 入方向错误包 | 接口 | 识别链路质量问题。 |
| `interface.out_errors` | 出方向错误包 | 接口 | 识别链路质量问题。 |
| `interface.discards` | 丢弃包 | 接口 | 流量拥塞分析。 |
OID 不在本文写死。实现时应把 OID 放入资源类型模板和 H3C 指标模板，支持按型号覆盖。
## 5. Trap 字典基线
| 事件类型 | 期望字段 | 默认级别 | 转换规则 |
| --- | --- | --- | --- |
| 设备重启 | 设备标识、发生时间、重启原因 | 高 | 生成设备重启告警。 |
| 接口 down | 设备标识、接口索引、接口名称、状态 | 高 | 关联接口资源，生成接口故障告警。 |
| 接口 up | 设备标识、接口索引、接口名称、状态 | 信息 | 匹配未恢复接口告警并恢复。 |
| 电源异常 | 设备标识、电源槽位、状态 | 高 | 生成硬件告警。 |
| 风扇异常 | 设备标识、风扇槽位、状态 | 中 | 生成硬件告警。 |
| 温度异常 | 设备标识、传感器、温度、阈值 | 中 | 生成环境或硬件告警。 |
| 认证失败 | 来源、用户名或协议摘要 | 中 | 生成安全类告警或审计事件。 |
未识别 Trap 必须进入 `raw_events`，状态为 `unparsed`，允许补字典后重放。
## 6. Syslog 样例要求
现场至少提供以下样例，每类不少于 3 条原始文本：
| 类别 | 用途 | 解析目标 |
| --- | --- | --- |
| 接口状态变化 | 验证链路故障和恢复 | 设备、接口、状态、发生时间。 |
| 设备重启或板卡变化 | 验证硬件事件 | 设备、模块、原因、级别。 |
| 登录或认证失败 | 验证安全事件 | 来源 IP、账号、失败原因。 |
| 配置变更 | 验证审计关联 | 操作人、变更对象、时间。 |
| 协议邻居变化 | 验证网络事件 | 协议、邻居、状态。 |
Syslog 解析失败时按 `docs/P1故障救援策略.md` 的未解析事件流程处理。
## 7. 采集与告警规则
| 规则 | 默认条件 | 处理 |
| --- | --- | --- |
| 设备不可达 | 连续 3 次 SNMP 失败 | 生成采集失败内部事件，资源详情显示失败原因。 |
| CPU 高 | 连续 5 分钟超过阈值 | 生成性能告警。 |
| 内存高 | 连续 5 分钟超过阈值 | 生成性能告警。 |
| 接口 down | 管理状态 up 且运行状态 down | 生成接口故障告警。 |
| 接口错误包突增 | 错误包增量超过阈值 | 生成链路质量告警。 |
| Trap 未解析 | 字典未命中 | 进入未解析池，不直接告警。 |
| Syslog 命中屏蔽 | 命中维护窗口或屏蔽策略 | 记录抑制事件，不通知。 |
阈值必须支持按设备、接口和业务系统覆盖。
## 8. 数据模型映射
| OPS 对象 | H3C 数据来源 | 说明 |
| --- | --- | --- |
| `resources` | 设备基本信息、管理 IP、型号 | 厂商固定为 H3C/华三或现场实际值。 |
| `metric_definitions` | 指标模板 | 不同型号可覆盖 OID。 |
| `metric_series` | 接口和设备指标 | 标签包含接口名、接口索引。 |
| `raw_events` | Trap、Syslog、采集失败 | 保留原始报文和解析状态。 |
| `alerts` | 规则命中结果 | 关联资源、接口、业务系统。 |
| `audit_logs` | 规则变更、字典变更、重放 | 支撑验收追溯。 |
## 9. 验收脚本
1. 录入一台 H3C/华三网络设备资源，绑定只读凭据引用。
2. 执行 SNMP 连通性测试，记录成功或失败原因。
3. 展示设备基本信息、CPU、内存、接口状态和接口流量。
4. 投递或接收一条接口 down Trap/Syslog 样例。
5. 在原始事件池查看原文、解析结果和规则命中。
6. 在告警中心查看接口故障告警。
7. 投递或接收恢复样例，确认告警恢复。
8. 查看资源详情、报表、大屏和审计日志中的证据。
## 10. 未决项
| 未决项 | 当前状态 | 影响 | 处理建议 |
| --- | --- | --- | --- |
| 具体设备型号 | 待现场提供 | 影响 OID 模板和接口面板 | 验收前必须填入现场确认表。 |
| SNMP v2c 或 v3 | 待现场确认 | 影响凭据模型和安全配置 | 优先使用只读权限，v3 优先。 |
| Trap/Syslog 样例 | 待现场提供 | 影响解析规则 | 至少提供可解析、未解析、恢复样例。 |
| 模拟事件是否可验收 | 待院方确认 | 影响正式演示方式 | 会前确认可控样例边界。 |
| 网络策略 | 待现场确认 | 影响采集连通性 | 明确 161、162、Syslog 端口策略。 |

173
docs/P1故障救援策略.md Normal file
View File

@@ -0,0 +1,173 @@
# OPS P1 故障救援策略
## 1. 文档目标
本文定义第 1 阶段必须覆盖的平台自身故障处理策略，重点解决采集失败、Trap/Syslog 解析失败、通知失败和派单失败不能静默的问题。
本文用于指导 `server/internal/logic/`、`server/internal/models/`、`web/src/views/` 和验收脚本实现。相关状态机以 `docs/首期数据模型与状态机.md` 为准。
## 2. 通用原则
| 原则 | 要求 |
| --- | --- |
| 错误可见 | 平台内部失败必须进入可查询记录，不允许只写进控制台日志。 |
| 业务不中断 | 通知失败、自动派单失败不能阻断告警确认、人工派单和工单处理。 |
| 可重试 | 外部依赖、网络抖动、临时超时类错误必须支持自动重试和人工重试。 |
| 可降级 | 解析失败、通知失败、派单失败要进入待处理队列或未解析池，而不是丢弃。 |
| 可审计 | 状态变化、重试、人工修正、规则重放必须写审计日志并带 `traceId`。 |
| 可测试 | 每一类救援路径都要有接口测试或端到端测试覆盖。 |
## 3. 统一错误分类
| 错误码 | 场景 | 用户提示 | 默认处理 |
| --- | --- | --- | --- |
| `COLLECT_UNREACHABLE` | 设备不可达、端口不通 | 设备不可达，保留最近成功采集时间 | 按策略重试，连续失败后生成平台内部事件 |
| `COLLECT_AUTH_FAILED` | 凭据错误、权限不足 | 凭据不可用，请检查凭据引用和设备权限 | 停止高频重试，提示人工修正 |
| `COLLECT_TIMEOUT` | SNMP、Agent、数据库、自定义 SQL 超时 | 采集超时，已进入重试队列 | 指数退避重试，标记采集延迟 |
| `EVENT_PARSE_FAILED` | Trap/Syslog 字典缺失或格式不匹配 | 事件未解析，可补充规则后重放 | 进入未解析事件池 |
| `NOTIFY_CHANNEL_FAILED` | 站内消息、短信、邮件发送失败 | 通知发送失败，不影响告警处理 | 按渠道重试，允许人工补发 |
| `TICKET_ASSIGN_FAILED` | 无匹配处理人、权限不足、重复派单 | 自动派单失败，请人工选择处理人 | 回退待分派状态 |
| `STATE_CONFLICT` | 并发确认、关闭、转交 | 状态已变化，请刷新后重试 | 拒绝本次操作并返回当前状态 |
| `RATE_LIMITED` | 告警风暴、通知过载 | 已限流，部分通知合并发送 | 启用限流和摘要通知 |
所有 API 错误响应必须包含 `code`、`message`、`traceId` 和 `suggestion`。
## 4. 采集失败救援
### 4.1 失败来源
| 来源 | 典型原因 | 是否自动重试 | 是否生成内部事件 |
| --- | --- | --- | --- |
| SNMP 轮询 | 设备不可达、团体字错误、OID 不支持 | 是 | 连续失败达到阈值后生成 |
| H3C/华三接口指标 | 接口索引变化、接口 down、设备重启 | 是 | 是 |
| 主机 Agent | Agent 离线、版本不兼容、主机防火墙 | 是 | 是 |
| 数据库监控 | 账号权限不足、SQL 超时、连接池耗尽 | 按错误类型 | 是 |
| URL/API 探测 | 5xx、超时、DNS 失败、证书失败 | 是 | 是 |
### 4.2 重试策略
| 错误类型 | 自动重试 | 退避策略 | 人工动作 |
| --- | --- | --- | --- |
| 网络不可达 | 3 次 | 30 秒、1 分钟、5 分钟 | 检查网络和防火墙 |
| 协议超时 | 3 次 | 10 秒、30 秒、1 分钟 | 调整超时或采集周期 |
| 凭据错误 | 0 次或 1 次确认 | 不持续重试 | 修改凭据引用 |
| 指标部分缺失 | 不重试整个任务 | 标记缺失指标 | 检查模板与设备型号 |
| 采集器异常 | 2 次 | 10 秒、30 秒 | 查看采集器日志 |
### 4.3 降级表现
- 资源列表显示 `collect_status=failed` 或 `partial_success`。
- 资源详情显示最近成功采集时间、失败原因和失败次数。
- 时序图只展示已有样本，并标记缺口时间段。
- 首页、大屏和报表显示“数据过期”或“部分指标不可用”，不使用假数据填充。
### 4.4 日志与审计
每次失败至少记录：
| 字段 | 说明 |
| --- | --- |
| `collector_task_id` | 采集任务 ID。 |
| `resource_id` | 资源 ID。 |
| `error_code` | 统一错误码。 |
| `error_message` | 原始失败摘要，敏感信息脱敏。 |
| `retry_count` | 当前重试次数。 |
| `last_success_at` | 最近成功采集时间。 |
| `trace_id` | 请求或任务链路 ID。 |
## 5. Trap/Syslog 解析失败救援
### 5.1 处理流程
```text
-----------+ +-------------+ +----------------+
| 接收原文 | ---> | 写 raw_events | ---> | 尝试字典/规则解析 |
+-----------+ +-------------+ +----------------+
|
+-------------------+-------------------+
v v
+-------------+ +--------------+
| parsed | | unparsed |
| 转告警或抑制 | | 待补规则重放 |
+-------------+ +--------------+
```
### 5.2 未解析事件要求
| 项目 | 要求 |
| --- | --- |
| 入库 | 原始报文必须先写入 `raw_events.payload_json` 或原文存储字段。 |
| 状态 | `parse_status=unparsed`，不能直接删除。 |
| 可见性 | 告警中心或事件池显示未解析数量、来源、接收时间。 |
| 重放 | 补充 Trap 字典、OID 描述或 Syslog 规则后，可对选定事件重放解析。 |
| 审计 | 规则新增、规则修改、重放动作必须写审计。 |
### 5.3 用户提示
| 场景 | 页面提示 | 建议动作 |
| --- | --- | --- |
| OID 字典缺失 | 未识别 Trap OID | 补充 OID 描述和级别映射 |
| Syslog 格式不匹配 | 日志规则未命中 | 创建或调整解析规则 |
| 资源无法匹配 | 事件来源未绑定资源 | 绑定来源 IP、主机名或设备标识 |
| 恢复事件不完整 | 无法判断恢复关系 | 补充恢复规则或人工关闭 |
## 6. 通知失败救援
### 6.1 渠道策略
| 渠道 | 首期要求 | 失败处理 |
| --- | --- | --- |
| 站内消息 | 必须支持 | 写失败记录，允许重新发送 |
| 短信 | 必须支持测试账号 | 记录第三方返回码，按渠道限流 |
| 邮件 | 必须支持测试 SMTP | 记录 SMTP 错误摘要，支持人工补发 |
通知失败不改变告警和工单主状态。告警详情必须展示通知记录和失败原因。
### 6.2 重试与限流
| 场景 | 策略 |
| --- | --- |
| 临时网络失败 | 自动重试 3 次，间隔 1 分钟、5 分钟、15 分钟。 |
| 第三方限流 | 暂停该渠道，改为站内消息和摘要通知。 |
| 收件人无效 | 不自动重试，提示维护接收人配置。 |
| 告警风暴 | 同一资源同一规则在去重窗口内合并通知。 |
| 高级别告警 | 可突破普通限流，但仍要记录发送频率和接收人。 |
## 7. 派单失败救援
### 7.1 自动派单失败
| 失败原因 | 救援动作 | 用户可见表现 |
| --- | --- | --- |
| 无匹配处理人 | 回退为待分派，显示推荐处理组为空 | 告警详情显示“请选择处理人” |
| 处理人无权限 | 回退为待分派，提示权限不匹配 | 派单失败记录可见 |
| 重复派单 | 拒绝创建新未关闭工单，返回已有关联工单 | 告警详情跳转已有工单 |
| 工单状态冲突 | 拒绝更新，返回当前工单状态 | 页面提示刷新 |
| 规则配置错误 | 禁用该自动派单规则或标记异常 | 策略页显示异常规则 |
### 7.2 人工救援
- 告警详情提供“重新派单”和“手动创建工单”入口。
- 工单列表支持筛选 `source=dispatch_failed`。
- 派单规则异常必须出现在系统管理或策略页，不只存在于日志。
## 8. 测试要求
| 测试项 | 类型 | 通过标准 |
| --- | --- | --- |
| 采集凭据错误 | 后端接口测试 | 返回 `COLLECT_AUTH_FAILED`，资源采集状态失败，写审计。 |
| SNMP 超时 | 后端集成测试 | 触发重试，连续失败后生成内部事件。 |
| Trap 未解析 | 接口测试 | `raw_events` 保留原文，状态为 `unparsed`，补规则后可重放。 |
| 短信发送失败 | 集成测试 | 告警状态不变，通知记录失败，可人工补发。 |
| 自动派单无人匹配 | 端到端测试 | 告警保留待分派提示，不创建重复工单。 |
| 并发关闭工单 | 后端接口测试 | 只有一个请求成功，其余返回 `STATE_CONFLICT`。 |
## 9. 验收证据
| 证据 | 要求 |
| --- | --- |
| 接口响应 | 保留失败请求、错误码、`traceId` 和建议动作。 |
| 页面截图 | 资源详情、未解析事件池、通知记录、派单失败提示。 |
| 日志 | 能按 `traceId` 查询采集、解析、通知、派单链路。 |
| 数据库记录 | `collector_runs`、`raw_events`、`notification_records`、`ticket_transitions` 有对应记录。 |

114
docs/P1测试计划.md Normal file
View File

@@ -0,0 +1,114 @@
# OPS 第 1 阶段测试计划
## 1. 文档目标
本文定义 OPS 第 1 阶段后端、前端和端到端测试范围。当前仓库尚未初始化 `server/`、`web/`，本文先作为编码前测试规格，后续实现必须按本文补齐测试。
## 2. 测试分层
| 层级 | 目标 | 工具建议 | 数据要求 |
| --- | --- | --- | --- |
| 后端单元测试 | 验证状态机、规则匹配、错误救援、权限判断 | Go `testing` | 不访问外部服务 |
| 后端接口测试 | 验证 REST API、统一响应、鉴权、审计 | Go `httptest` | SQLite 内存库或任务指定测试库 |
| 后端集成测试 | 验证 PostgreSQL 事务语义、时序库适配、通知适配 | Go 测试套件 | 真实 SQLite 内存库或真实测试服务，不 mock 数据库 |
| 前端类型检查 | 验证 TypeScript、API 类型和状态分支 | `pnpm type:check` | 不依赖真实后端 |
| 前端组件/页面测试 | 验证 loading、empty、error、success、partial、forbidden 状态 | 项目模板现有测试工具 | 可使用固定响应夹具 |
| 端到端测试 | 验证资源到告警、通知、工单、报表闭环 | Playwright 或等价工具 | 连接真实后端 API |
开发期 mock 只能用于前端独立调试。联调、验收和端到端测试必须连接真实后端 API。
## 3. 后端测试矩阵
| 能力域 | 必测场景 | 测试类型 | 通过标准 |
| --- | --- | --- | --- |
| 统一响应 | 成功、业务错误、权限错误、系统错误 | 接口测试 | 响应包含 `code`、`message`、`traceId`，错误含建议动作。 |
| 资源模型 | 创建、编辑、停用、退役、非法状态恢复 | 单元 + 接口 | 状态机合法，非法流转拒绝并写审计。 |
| 采集任务 | 成功、部分成功、超时、凭据错误、连续失败 | 单元 + 集成 | 失败原因可见，连续失败生成内部事件。 |
| 时序适配 | 批量写入、范围查询、聚合、降采样、保留策略 | 集成 | 可按 `resource_id + metric_code + 时间范围` 查询。 |
| Trap/Syslog | 解析成功、未解析、补规则重放、屏蔽策略 | 接口 + 集成 | 未解析事件保留原文，重放后状态正确。 |
| 告警规则 | 阈值触发、恢复、去重、压缩、抑制、升级 | 单元 + 接口 | 告警状态机合法，策略命中可追踪。 |
| 通知 | 站内消息、短信、邮件成功和失败 | 集成 | 通知失败不阻塞告警和工单，记录失败原因。 |
| 工单 | 创建、接单、转交、挂起、重启、关闭、并发关闭 | 单元 + 接口 | 非法流转拒绝，并发冲突返回当前状态。 |
| 权限 | 功能权限、数据权限、越权访问 | 接口 | 越权返回 forbidden，不泄露敏感数据。 |
| 报表 | 空范围、大范围、导出、无权限 | 接口 + 集成 | 大范围查询受控，导出写审计。 |
## 4. 前端测试矩阵
| 页面 | 状态覆盖 | 必测动作 |
| --- | --- | --- |
| 首页总览 | loading、empty、error、success、partial、forbidden、stale | 模块配置保存、局部组件失败、无权限模块隐藏。 |
| 综合监控 | loading、empty、error、success、partial、forbidden、stale | 资源筛选、查看详情、采集失败提示、手动刷新。 |
| 告警中心 | loading、empty、error、success、partial、forbidden、operating、operation_failed | 确认、忽略、派单、筛选、导出、查看通知记录。 |
| 策略与模板 | empty、error、success、forbidden、operation_failed | 创建规则、字段校验、禁用策略、模板变量校验。 |
| 通知中心 | loading、empty、error、success、partial、operation_failed | 查看三类渠道记录、失败重发。 |
| 工单管理 | loading、empty、error、success、partial、forbidden、operation_failed | 接单、转交、挂起、重启、关闭、并发冲突提示。 |
| 报表管理 | loading、empty、error、success、partial、forbidden、stale | 生成、导出、空范围、大范围失败提示。 |
| 可视化大屏 | loading、empty、error、success、partial、forbidden、stale | 轮播配置、组件局部失败、刷新时间展示。 |
| 权限管理 | empty、error、success、forbidden、operation_failed | 角色授权、数据权限、越权验证。 |
## 5. 端到端验收测试
### 5.1 主闭环脚本
1. 创建或导入主机、H3C/华三网络设备、数据库、URL/API 样例资源。
2. 配置采集任务和指标阈值。
3. 写入或触发一条可控异常。
4. 在原始事件池查看接收、解析、规则命中记录。
5. 在告警中心确认告警生成、去重、级别和业务上下文。
6. 验证站内消息、短信、邮件三类通知记录。
7. 对告警执行确认并派单。
8. 工单完成接单、处理、关闭。
9. 回到告警详情查看关联工单、处理记录和审计日志。
10. 在首页、大屏、报表查看该故障的统计证据。
### 5.2 失败救援脚本
| 脚本 | 操作 | 通过标准 |
| --- | --- | --- |
| 采集失败 | 使用错误凭据触发采集 | 资源详情显示失败原因，写 `collector_runs` 和审计。 |
| 未解析 Trap | 投递未知 OID 样例 | `raw_events` 状态为 `unparsed`，补规则后可重放。 |
| 通知失败 | 配置不可用短信或邮件测试通道 | 告警可继续处理，通知记录失败，可重试。 |
| 自动派单失败 | 创建无匹配处理人的派单规则 | 告警停留待分派，不创建重复工单。 |
| 权限拒绝 | 普通账号尝试关闭无权工单 | 返回 forbidden，页面不乐观更新。 |
## 6. 本地验证命令
后端初始化后至少运行：
```powershell
Set-Location .\server
go test ./...
go vet ./...
```
前端初始化后至少运行：
```powershell
Set-Location .\web
pnpm type:check
pnpm lint
pnpm build
```
如果因为私有依赖、网络、凭据或环境限制无法运行，需要在交付说明中记录原因、影响范围和替代验证证据。
## 7. 测试数据要求
| 数据 | 最小要求 |
| --- | --- |
| 资源 | 主机、H3C/华三网络设备、数据库、虚拟化、URL/API 各至少 1 类样例。 |
| 指标 | CPU、内存、磁盘、接口状态、接口流量、URL 可用性、响应时间。 |
| Trap/Syslog | 至少 1 条可解析样例、1 条未解析样例、1 条恢复样例。 |
| 告警 | 不同级别至少 3 条，覆盖触发、确认、忽略、恢复、派单。 |
| 通知 | 站内消息、短信、邮件成功和失败各至少 1 条记录。 |
| 工单 | 创建、接单、转交、挂起、重启、关闭全路径样例。 |
| 权限 | 管理员、值班人员、普通只读用户各 1 个。 |
## 8. 质量门禁
- 后端核心状态机和规则逻辑必须有单元测试。
- 所有核心接口必须覆盖成功、失败、无权限、非法状态。
- 前端核心页面必须覆盖 `docs/首期UI状态覆盖.md` 中列出的状态。
- 端到端测试必须能证明主闭环，不得只校验静态页面存在。
- 测试不能使用 mock 数据库替代真实数据库行为。

841
docs/integrated-ops-platform-blueprint-design.md Normal file
View File

@@ -0,0 +1,841 @@
<!-- /autoplan restore point: C:\Users\27105\.gstack\projects\ops\main-autoplan-restore-20260621-151741.md -->
# 一体化运维平台完整蓝图与分期落地方案
生成来源：`/office-hours`
生成日期：2026-06-21
分支：`main`
仓库：`ops`
状态：草案
模式：企业内部项目交付
## 问题陈述
当前项目已经从招标文件和菜单规划表中提取出 33 条一体化运维平台需求，覆盖资源监控、告警、工单、拓扑、IP 地址管理、数据中心、资产、机柜、知识库、报表、大屏、权限和系统管理。
真正的问题不是缺少功能清单，而是需求按资源类型和菜单组织，容易形成“页面很多、闭环很弱”的平台。医院当前高概率存在多工具监控、手工台账、微信群或人工派单混用的状态。平台需要把分散的运维信号、处理动作和验收证据统一到同一条运维事件链路中。
## 当前现状
基于本次需求讨论输入，当前假设的现场状态为：
- 多套监控或厂商工具并存，告警来源分散。
- Excel 或人工方式维护设备、IP、机柜、业务系统等台账。
- 告警通知和故障处理依赖人工沟通，缺少统一受理、派单、升级、关闭和复盘记录。
- 大屏和报表容易变成展示层，若没有真实事件链路支撑，验收时会被追问数据来源、处理过程和审计证据。
该假设需要在现场调研阶段确认，但足以指导蓝图设计：平台必须围绕“资源上下文 + 事件生命周期 + 处理闭环证据”组织。
## 会议结论补充
本轮会议对部分前期待确认项给出了更明确边界：
- 现场设备以 H3C/华三为主，厂商适配优先级应向 H3C 设备倾斜；第 1 阶段不追求全厂商覆盖。
- 3D 机房前端已经外包，OPS 侧不承担 3D 前端实现，只需要提供数据中心、机房、机柜、U 位、设备和告警状态等后端接口。
- Windows PowerShell 主要用于本地开发、调试和文档命令示例；验收部署环境需要面向 Linux 与麒麟系统。
- 医院当前有老运维平台，但首期不做迁移或集成；后续可能需要做历史数据迁移。
- 告警渠道中，平台站内消息、短信、邮件需要优先打通。
- 暂不考虑独立移动端；前端页面需要具备移动端适配能力。
- 数据中心、机柜、设备等已有现有数据，但短期内拿不到；首期需要支持后续导入和接口预留，不能依赖这些数据才能完成验收。
- 验收是否允许使用模拟 Trap、模拟 Syslog 和可控 URL/API 故障仍需确认。
- 建议引入国产或国内生态成熟的时序数据库，用于承载高频指标、采集样本和后续趋势分析。
## 目标用户与最小可验收闭环
### 核心用户
- 一线值班运维人员：需要及时知道哪些告警要处理、归属谁、下一步怎么做。
- 网络、主机、数据库、虚拟化等专项管理员：需要看到所属资源指标、拓扑关系、历史趋势和故障上下文。
- 运维负责人：需要看到告警处理效率、未恢复风险、资源健康、报表和大屏。
- 系统管理员：需要管理用户、角色、权限、字典、系统参数和日志审计。
### 最窄可验收闭环
以一个关键业务系统或关键资源组为样例，完成：
1. 纳管主机、网络设备、数据库、虚拟化或 URL/API 等关键资源。
2. 采集指标、Syslog、SNMP Trap 或探测结果。
3. 触发告警并进入统一事件池。
4. 执行去重、压缩、屏蔽、抑制、级别判断和通知路由。
5. 值班人员确认、忽略、派单或升级。
6. 工单处理并关闭，沉淀处理记录和关联知识。
7. 首页、大屏、报表、历史告警和审计日志能证明完整过程。
## 约束条件
- 蓝图要覆盖招标需求，但落地路线不能把 33 条需求全部压进同一期。
- 现场设备以 H3C/华三为主，但仍需确认具体型号、协议开放情况和账号权限。
- 平台事务数据仍面向 PostgreSQL 设计；高频指标和采集样本需要引入时序数据库选型，不把所有时序数据压入 PostgreSQL。
- 开发期可使用 SQLite 内存库做真实测试，不以 mock 数据库代替行为验证。
- 模板目录只能作为初始化来源，实际业务代码应落在 `server/`、`web/`、`deploy/`。
- 需求、架构和验收文档需要中文维护；本地开发命令示例使用 Windows PowerShell，验收部署需另行提供 Linux/麒麟适配说明。
## 设计前提
1. 平台蓝图采用“双主线”：资源监控覆盖 + 告警事件闭环，两者并行。
2. 告警事件生命周期是业务主轴，资源、资产、拓扑、机柜、IPAM 是上下文，不是孤立菜单。
3. 资源监控蓝图完整覆盖，落地路线从主机、H3C/华三网络设备、数据库、虚拟化、URL/业务可用性等关键样例开始。
4. 告警能力必须包含去重、压缩或归并、屏蔽、抑制、升级、确认、忽略、派单、历史和报表证据。
5. 工单、知识库、报表、大屏围绕同一条事件链路产生证据。
6. 拓扑、IPAM、机柜、资产、动环属于完整蓝图必备能力，但按资源上下文和影响分析能力分期接入；3D 机房前端由外部团队负责，OPS 侧负责后端接口和数据模型。
7. 验收设计从“菜单是否存在”升级为“故障从发现到关闭是否可追踪、可审计、可报表”。
## 外部产品校准
外部校准显示，同类 ITOM/AIOps 平台的核心价值正在从“展示更多指标”转向“服务上下文、告警降噪、事件归并、工单处置和持续复盘”。
- Grafana 告警最佳实践强调：告警应面向一线响应人，必须可理解、可行动；基础设施信号适合辅助诊断，不应全部作为高优先级打扰；需要分组、抑制抖动和定期复盘。参考：<https://grafana.com/docs/grafana/latest/alerting/guides/best-practices/>
- ServiceNow ITOM 强调跨监控工具聚合事件、服务映射、去重、关联和突出可行动告警。参考：<https://www.servicenow.com/products/it-operations-management.html>
- Atlassian 事故管理强调可重复的记录、诊断、解决和活动留痕。参考：<https://www.atlassian.com/incident-management>
- PagerDuty Event Orchestration 把动态路由、事件规则和事件编排作为告警治理核心能力。参考：<https://support.pagerduty.com/main/docs/event-orchestration>
- TDengine TSDB 官方文档说明其面向物联网、工业互联网、金融、IT 运维等时序场景，提供 SQL、连接器、集群、流式计算和数据订阅能力。参考：<https://docs.taosdata.com/>
- Apache IoTDB 官方介绍其定位为工业物联网时序数据库，支持边云协同、多协议兼容、高压缩比、高吞吐读写和 Grafana 等生态集成。参考：<https://iotdb.apache.org/>
- openGemini 官方介绍其聚焦可观测性海量数据存储与分析，支持指标、日志、链路数据存储，具备分布式集群、高基数和压缩能力。参考：<https://opengemini.org/>
结论：招标需求应按事件生命周期重组，而不是按菜单平铺；指标和采集样本需要单独进行国产/国内生态时序数据库选型，避免 PostgreSQL 同时承担事务数据和高频时序数据压力。
## 备选方案
### 方案 A：事件生命周期主轴平台
以“资源纳管 -> 指标/日志/Trap -> 告警事件 -> 降噪归并 -> 通知/升级 -> 工单处理 -> 知识沉淀 -> 报表/大屏”为平台骨架。
优点：
- 同时满足资源监控覆盖和告警闭环。
- 验收故事强，能演示故障从产生到关闭的完整证据链。
- 33 条需求可以归入统一架构，而不是散成菜单清单。
缺点：
- 对领域模型要求高，资源、指标、事件、告警、策略、工单要一次设计清楚。
- 前期接口、状态机和数据模型设计工作较重。
- 需要额外维护招标需求映射矩阵，向非技术干系人解释每个需求落点。
### 方案 B：模块矩阵型平台
按需求文档中的模块直接建设：综合监控、告警管理、工单、拓扑、IPAM、资产、知识库、报表、大屏、权限、系统管理独立推进。
优点：
- 和招标清单结构一致，容易解释“每个模块都有”。
- 适合做投标响应和逐项验收映射。
- 模块可以表面并行拆分。
缺点：
- 容易形成模块孤岛。
- 后续补事件链路时会返工。
- 开发优先级不清晰，容易先完成页面而不是闭环。
### 方案 C：分层能力底座平台
按采集接入层、资源/资产模型层、事件治理层、应用体验层建立底座，再把监控、告警、工单、拓扑、大屏、报表作为上层应用。
优点：
- 长期架构更稳，适合扩展多厂商、多协议、多资源类型。
- 能统一 SNMP、Syslog、Trap、Agent、URL 探测、数据库脚本等接入方式。
- 适合完整蓝图和多期演进。
缺点：
- 单独作为交付路线过重，容易离验收演示太远。
- 如果没有事件生命周期牵引，可能先做底座但缺少业务价值证明。
## 推荐方案
采用方案 A，并吸收方案 C 作为内部架构原则。
工程和产品表达上，平台以事件生命周期为主轴。内部架构上，按能力分层建设，保证后续多资源、多协议、多厂商扩展不推倒重来。方案 B 只作为需求映射和验收矩阵，不作为工程主结构。
## 蓝图架构
### 1. 采集接入层
职责：把不同来源的指标、日志、Trap、探测结果和手工录入数据接入平台。
能力范围：
- 主机 Agent 或无代理采集。
- SNMP 轮询和 SNMP Trap 接收，第 1 阶段优先覆盖 H3C/华三设备的常见指标、接口状态和 Trap 样例。
- Syslog 接收和规则解析。
- URL/API、端口、服务、进程、Webservice 探测。
- 数据库连接和自定义 SQL 脚本监控。
- 中间件、虚拟化、存储、安全设备、动环设备适配。
- 跨网代理和主动/被动数据推送。
关键设计：
- 所有采集结果先归一为 `MetricSample`、`LogEvent`、`TrapEvent`、`ProbeResult`、`DiscoveryResult`。
- 采集配置、凭据引用、调度周期、失败重试和最近采集状态必须可审计。
- 采集失败本身也应能产生平台内部告警。
### 1.5. 指标与时序数据存储层
职责：承载高频指标样本、探测结果、采集状态和趋势分析数据，避免事务库承担所有时序写入压力。
存储分工：
- PostgreSQL：保存资源、资产、告警、事件、工单、策略、权限、审计、报表配置等事务数据。
- 时序数据库：保存指标样本、探测样本、接口流量、采集健康度、后续容量趋势和性能趋势。
- 对象存储或文件存储：保存导出报表、附件、截图、录像和大屏快照等非结构化证据。
候选方向：
- TDengine TSDB：适合 IT 运维、物联网和工业互联网等时序场景，需验证麒麟部署、Go 连接器、集群运维和授权模式。
- Apache IoTDB：适合工业物联网和设备树结构数据，需验证资源模型映射、SQL 能力、Grafana 集成和运维复杂度。
- openGemini：适合可观测性海量指标、日志和链路数据，需验证项目成熟度、麒麟适配、社区活跃度和长期维护风险。
选型原则：
- 必须支持 Linux 与麒麟部署，能在验收环境稳定运行。
- 必须提供 Go 后端可用的连接方式，支持批量写入、范围查询、聚合、降采样和保留策略。
- 必须支持与 PostgreSQL 中的资源 ID、指标编码、时间范围关联查询。
- 首期不把时序库能力暴露为复杂产品卖点，只作为监控指标和报表性能底座。
### 2. 资源与资产模型层
职责：提供统一上下文，回答“这个告警来自什么资源、归属哪个业务、影响哪些对象”。
核心对象：
- `Resource`：主机、网络设备、安全设备、存储、数据库、中间件、虚拟化对象、URL/API、动环设备等统一资源。
- `ResourceType`：资源类型和指标模板。
- `MetricDefinition`：指标编码、单位、阈值建议、采集方式。
- `MetricSeries`：时序数据中的指标序列映射，关联资源、指标定义、采集任务和时序库存储位置。
- `BusinessSystem`：HIS、LIS、PACS、EMR 等业务系统。
- `TopologyNode`、`TopologyLink`：网络拓扑和业务拓扑。
- `Asset`、`DataCenter`、`Room`、`Rack`、`RackUnit`：资产、数据中心、机房、机柜和 U 位。
- `IpSubnet`、`IpAddress`、`IpLease`、`IpConflict`：IP 地址管理。
关键设计：
- 资源必须能绑定业务系统、组织、责任人、位置、资产和权限范围。
- 资产台账和监控资源要允许先分离后关联，避免现场台账不准时卡住监控接入。
- 拓扑不只用于展示，还要为告警影响分析和归并提供上下文。
- 数据中心、机柜、设备等现有数据短期拿不到时，系统必须允许先纳管监控资源，后续再通过导入或接口补齐资产位置关系。
### 3. 事件治理层
职责：把原始异常转为可处理、可路由、可归并、可关闭的运维事件。
核心对象：
- `RawEvent`：来自指标阈值、Syslog、Trap、探测失败、采集失败的原始事件。
- `AlertRule`：阈值、匹配条件、持续时间、恢复条件、作用范围。
- `Alert`：平台告警实例。
- `Incident`：归并后的事件或故障单元，可关联多个告警。
- `SilencePolicy`：屏蔽策略和屏蔽时间段。
- `DedupRule`：去重规则。
- `CorrelationRule`：压缩、依赖、抑制和关联规则。
- `EscalationPolicy`：升级策略。
- `NotificationPolicy`：通知路由。
状态建议：
- `Alert`: firing、acknowledged、ignored、recovered、expired。
- `Incident`: open、assigned、in_progress、suspended、resolved、closed。
- `Ticket`: created、accepted、transferred、withdrawn、suspended、restarted、closed。
关键设计：
- 告警不等于工单。告警是信号，事件是归并后的处置对象，工单是执行记录。
- 所有降噪策略必须留下规则命中和处理轨迹，便于验收和追责。
- 高级别告警优先、升级、通知失败重试、通知历史都要可查；第 1 阶段优先实现平台站内消息、短信、邮件三类渠道。
### 4. 流程闭环层
职责：把事件处理从“人工沟通”变成平台内可追踪流程。
能力范围：
- 告警确认、忽略、恢复、失效、导出。
- 手动创建工单、告警直接派单、策略自动派单。
- 接单、转交、撤回、挂起、重启、关闭。
- 知识库分类、发布、审核、附件、检测点关联。
- 处理记录、通知记录、审核日志、操作日志。
关键设计：
- 工单必须能回链告警、事件、资源、业务系统、知识条目和处理人。
- 知识库不是独立文档仓库，应优先服务告警检测点和故障类型。
- 危险操作或策略变更需要审计日志。
### 5. 应用体验层
职责：向不同角色提供可操作的页面和验收证据。
核心应用：
- 首页总览：待处理告警、资源健康、告警趋势、网络状态、模块化配置。
- 综合监控：资源列表、资源详情、指标趋势、采集状态、模板绑定。
- 告警中心：实时告警、历史告警、降噪策略、模板、通知、升级、派单。
- 工单管理：事件工单流转和处理记录。
- 业务系统视图：业务健康、业务拓扑、影响范围、时间轴、笔记和文档。
- 网络拓扑：设备、链路、布局、告警图标、统计、下载。
- IP 地址管理：子网、地址状态、扫描、冲突、租约、变更、报表。
- 数据中心与资产：数据中心层级、机房、机柜、U 位、资产变更和容量。
- 知识库：分类、审核、关联检测点、附件下载。
- 报表管理：TopN、故障、服务器、网络设备、流量、统计报告和导出。
- 可视化大屏：分组、个人配置、轮播、拓扑、实时告警、接口流量、业务状态。
- 用户权限与系统管理：组织、用户、角色、数据权限、字典、参数、消息、日志。
## 需求映射
| 能力域 | 覆盖需求 |
| --- | --- |
| 首页与大屏 | OPS-001、OPS-028 |
| 资源监控 | OPS-002 至 OPS-012、OPS-031、OPS-032 |
| 网络拓扑与流量 | OPS-013、OPS-014、OPS-015 |
| IP 地址管理 | OPS-016、OPS-017 |
| 告警治理 | OPS-018、OPS-019、OPS-020、OPS-021 |
| 工单闭环 | OPS-022 |
| 数据中心、机柜、资产 | OPS-023、OPS-024、OPS-025 |
| 知识库 | OPS-026 |
| 报表 | OPS-027 |
| 用户权限、系统管理、日志 | OPS-029、OPS-030 |
| 业务系统视图 | OPS-011、OPS-033 |
## 分期路线
### 第 0 阶段：现场确认与验收基线
目标：把蓝图变成可执行范围。
交付物：
- 现场资源清单和样例设备清单。
- 通知渠道确认：平台站内消息、短信、邮件为第 1 阶段优先渠道；企业微信、钉钉、电话等作为后续扩展。
- 账号、协议、网络连通性和安全边界确认。
- 验收矩阵：每个 OPS 编号对应演示路径、数据准备、通过标准和截图/录像证据。
- Linux 与麒麟验收部署环境确认，包括发行版、CPU 架构、数据库部署方式和网络策略。
### 第 1 阶段：双主线核心闭环
目标：完成资源监控和告警事件闭环的最小可验收主干。
范围：
- 资源模型、资源类型、指标定义、采集任务、采集状态。
- 主机、H3C/华三网络设备、数据库、虚拟化、URL/API 至少各一类样例接入或现场可替代样例。
- 时序数据库完成选型验证并接入指标样本写入、查询和保留策略。
- 指标阈值告警、Syslog/Trap 样例告警、URL/API 探测告警。
- 告警去重、压缩或归并、屏蔽、抑制、级别、升级、通知历史。
- 平台站内消息、短信、邮件三类通知优先打通。
- 告警确认、忽略、恢复、派单和历史查询。
- 工单基础流转：创建、接单、转交、挂起、关闭。
- 首页总览、告警大屏、基础报表、权限和操作日志。
- 3D 机房前端所需后端接口草案，包括数据中心、机房、机柜、U 位、设备坐标/位置、资源健康和告警状态。
不承诺：
- 所有厂商全量适配。
- 除平台站内消息、短信、邮件之外的所有通知渠道全部打通。
- 3D 机房前端实现、复杂 IPAM、全量知识审核流程。
- 老运维平台迁移或集成。
### 第 2 阶段：资源上下文增强
目标：让告警更容易定位影响范围和责任边界。
范围：
- 网络拓扑、业务拓扑和资源关系。
- IP 地址管理、自动扫描、冲突、租约、变更记录。
- 数据中心、机房、机柜、U 位和资产关联；在现场数据可获得后支持批量导入、校验和资源关联。
- 面向外包 3D 机房前端的稳定后端接口和权限控制。
- 知识库检测点关联和审核日志。
- 更多资源类型和厂商适配。
- 老运维平台历史数据迁移评估和一次性导入方案。
### 第 3 阶段：运营治理与智能化
目标：从“可处置”升级为“可优化”。
范围：
- 告警质量评分、噪声分析、规则优化建议。
- 业务健康度、SLA/SLO、容量趋势和风险预测。
- 自动化处置建议、脚本执行审批、回滚和审计。
- 更完整的大屏编排、专题报表和领导视图。
## 成功标准
### 蓝图成功标准
- 33 条 OPS 需求均能映射到能力域和分期路线。
- 每个核心对象都有清晰归属：资源、指标、原始事件、告警、事件、工单、知识、报表、审计。
- 平台能解释“为什么这不是菜单堆叠，而是运维闭环”。
### 第 1 阶段验收标准
- 至少完成一个端到端故障演示：资源异常触发告警，告警被归并和通知，值班人员确认并派单，工单处理关闭，报表和大屏可追踪全过程。
- 至少覆盖主机、H3C/华三网络设备、数据库、虚拟化、URL/API 中的关键样例。
- 告警策略、模板、级别、平台站内消息、短信、邮件、升级、历史、导出可演示。
- 指标样本进入时序数据库，资源详情、趋势图、报表能从真实采集或可控样例数据读取。
- 3D 机房后端接口可返回数据中心、机房、机柜、设备和告警状态样例数据，但不要求 OPS 交付 3D 前端。
- 权限、数据权限和操作日志能证明平台安全边界。
- 报表和大屏数据来自真实后端记录，不使用静态展示数据作为验收依据。
## 交付与部署计划
平台作为内网部署 Web 服务交付。本地开发和调试以 Windows PowerShell 为主，验收部署目标面向 Linux 与麒麟系统。
建议交付形态：
- `server/`：Go、Gin、GORM 后端服务，提供 REST API、后台任务、采集调度和事件处理。
- `web/`：Vue 3、TypeScript、Pinia、Vue Router、Arco Design Vue 前端。
- `deploy/`：数据库迁移、本地初始化脚本、Linux/麒麟部署说明、服务配置示例、烟测脚本。
- `server/etc/*.example.yaml`：配置结构示例，不提交真实凭据。
建议发布流程：
- 开发环境：SQLite 内存库用于测试，PostgreSQL 作为事务数据目标数据库；时序库可先通过适配层和本地实例验证。
- 验收环境：使用 PostgreSQL、选定时序数据库、可控样例设备或现场授权设备，部署到 Linux/麒麟系统。
- 每次交付附带版本说明、迁移脚本、验收矩阵、演示脚本和截图/录像证据。
## 外部依赖
- 现场设备清单、IP 段、账号权限和协议开放情况。
- H3C/华三设备型号、SNMP OID、Trap 字典、Syslog 格式和账号权限。
- 是否允许 SNMP、Syslog、Trap、Agent、数据库连接和 URL/API 探测。
- 医院短信平台、邮件服务、站内消息要求和第三方平台接入方式。
- 是否需要对接现有 ITSM、短信平台、统一身份认证或日志审计平台；老运维平台首期不迁移不集成，仅保留后续数据迁移可能性。
- 现场网络隔离、代理部署和安全审查要求。
- Linux 与麒麟系统版本、CPU 架构、服务管理方式、数据库部署边界和国产化合规要求。
- 选定时序数据库在 Linux/麒麟环境下的部署、授权、运维、备份和恢复要求。
- 真实验收样例：至少一个业务系统、一个网络设备、一个主机、一个数据库或 URL/API。
## 待确认问题
1. 验收是否允许使用模拟 Trap、模拟 Syslog 和可控 URL/API 故障？如果允许，需要明确哪些场景可模拟、哪些必须来自现场设备。
2. H3C/华三首批接入设备的型号、SNMP 版本、Trap/Syslog 格式、账号权限和网络连通性是什么？
3. 短信平台和邮件服务的接入方式、测试账号、发送限制和验收口径是什么？
4. Linux 与麒麟验收环境的系统版本、CPU 架构、服务管理方式和网络安全限制是什么？
5. 时序数据库已决策采用 TDengine 开源版；现场仍需确认 AGPL 合规、Linux/麒麟目标版本、部署形态、备份恢复和是否需要企业版支持。
6. 3D 机房外包前端需要 OPS 提供哪些接口字段、刷新频率、权限控制和告警状态编码？
7. 数据中心、机柜、设备现有数据何时可获得？如果短期拿不到，是否接受使用样例数据完成接口和验收演示？
## 下一步任务
下一步不要直接开发。先组织一次 60-90 分钟现场确认会，拿这份蓝图逐项确认第 0 阶段的输入。
会前准备一张确认表，至少包含：
- 首批资源样例：主机、网络设备、数据库、虚拟化、URL/API。
- 每类资源的接入方式、账号、网络连通性和负责人。
- H3C/华三设备的 SNMP、Trap、Syslog 接入样例。
- 第 1 阶段必须打通的平台站内消息、短信、邮件渠道。
- Linux/麒麟验收部署环境和时序数据库选型。
- 外包 3D 机房前端需要的后端接口清单。
- 一条验收故障演示脚本：故障如何触发、谁接收、谁确认、谁派单、谁关闭、怎么出报表。
- 每个 OPS 编号归属到第 1 阶段、第 2 阶段或第 3 阶段。
会议结论必须形成 `docs/首期验收矩阵.md` 和 `TODOS.md`，否则后续开发会回到范围不清。
## 关键观察
- 你坚持 “A 与 B 都很重要”，这是正确压力。资源覆盖和告警闭环不能互相牺牲，但必须分清底座和主线。
- 你选择“时间未定，先做完整蓝图”，说明当前目标不是快速样机，而是要先把平台结构讲清楚。这个选择要求文档必须分期，否则完整蓝图会变成全量承诺。
- 你最终选择“事件生命周期主轴平台，并把分层底座作为内部原则”，这是本次最关键决策。它保留长期扩展能力，同时不丢掉验收闭环。
## /autoplan 审查记录
### 输入概况
- 计划文件：`docs/integrated-ops-platform-blueprint-design.md`
- 基准分支：`main`
- 界面范围：包含首页、综合监控、告警中心、工单、大屏、报表、权限等应用界面。
- 开发体验范围：包含 REST API、部署、配置示例、迁移脚本、开发测试命令和工程初始化。
- 外部审查声部：本轮未启用。后续如 Codex CLI 因权限被拒绝，需要按用户要求先申请权限再执行。
- 高优先级仓库问题：Git remote URL 含明文凭据。报告中不复述凭据；后续用户已明确要求忽略该项，不作为当前交付阻塞。
- 高优先级仓库问题：`.gitignore` 忽略 `docs/`，会导致需求、蓝图和验收矩阵默认不进版本控制。
- 前提检查：通过。用户已确认事件生命周期主轴，并明确选择“方案 A，方案 C 作为方案 A 的内部架构原则”。
### CEO 视角审查
#### 0A. 前提挑战
| 前提 | 结论 | 原因 |
| --- | --- | --- |
| 双主线：资源监控覆盖 + 告警事件闭环 | 通过 | 用户明确指出 A 与 B 都重要；蓝图把资源监控作为底座、告警闭环作为主线，方向正确。 |
| 事件生命周期是业务主轴 | 通过 | 招标清单按菜单组织，但验收价值来自故障从发现到关闭的证据链。 |
| 第 1 阶段从关键样例开始而非全厂商覆盖 | 有风险但可接受 | 这是唯一可落地方式，但需要验收矩阵明确“不等于全量厂商适配”。 |
| 工单、知识库、报表、大屏围绕事件链路 | 通过 | 能避免展示层空转。 |
| 第 0 阶段现场确认优先 | 通过 | 当前最大未知是现场设备、协议、账号、通知渠道和是否允许模拟故障。 |
#### 0B. 现有资产复用
| 子问题 | 现有资产 | 复用决策 |
| --- | --- | --- |
| 后端分层、配置、DB、Redis、JWT、路由 | `templates/server_sample/` | 作为初始化来源，实际代码必须落到 `server/`。 |
| 前端 Vue 3、Arco、Vite、Pinia、i18n 风格 | `templates/front_sample/standard` | 作为初始化来源，实际代码必须落到 `web/`。 |
| 需求和 OPS 编号 | `docs/integrated-ops-platform-requirements.md` | 作为需求源，不直接等同开发范围。 |
| 验收矩阵 | 缺失 | 必须新增 `docs/首期验收矩阵.md`。 |
| 交付待办 | 缺失 | 已新增 `TODOS.md`。 |
#### 0C. 目标状态
```text
当前状态
需求清单完整，但仓库只有文档和模板，尚无实际交付工程。
运维现状假设为多工具、手工台账、人工派单。
|
v
当前计划
用事件生命周期组织平台：资源上下文 -> 原始信号 -> 告警 -> 事件 -> 工单 -> 知识/报表/大屏。
用分层能力底座保证后续多协议、多厂商、多资源扩展。
|
v
12 个月理想状态
医院关键业务系统、资源、告警、工单、资产、拓扑、报表形成统一运维事实库。
告警质量可度量，规则可优化，自动化处置有审批、回滚和审计。
```
#### 0C 补充：替代方案对比
| 方案 | 完整度 | 工作量 | 风险 | 结论 |
| --- | --- | --- | --- | --- |
| 最小可行：只做告警闭环 + 少量资源样例 | 7/10 | 中 | 中 | 太窄，无法满足用户强调的资源覆盖主线。 |
| 事件生命周期 + 分层底座 | 10/10 | 大 | 中 | 采用。与用户选择一致。 |
| 完整模块矩阵 | 7/10 | 很大 | 高 | 只保留为需求映射，不作为工程主结构。 |
#### 审查项 1-11
| 审查项 | 结果 |
| --- | --- |
| 架构 | 方向正确，但实现前需要补 ER 模型、状态机和部署顺序。 |
| 错误与救援 | 当前计划列出了失败概念，但缺完整救援登记表；每类失败都需要重试、降级、用户提示、日志和审计。 |
| 安全 | 计划之外发现 P0：Git 远程地址含明文凭据；计划内还需定义凭据存储、数据权限和策略变更审计。 |
| 数据流与交互 | 采集、告警、通知、派单、报表、大屏都需要明确空值、空列表、错误、部分成功的处理方式。 |
| 代码质量 | 当前尚无业务代码，主要风险是把模板命令和部署说明不加区分地复制进实际交付；后续需要明确本地开发使用 Windows PowerShell，验收部署面向 Linux/麒麟。 |
| 测试 | 已有测试意图，但缺覆盖矩阵；工程测试计划产物已生成。 |
| 性能 | 需要补 p99 目标、背压、索引、分页、告警风暴处理和报表范围限制。 |
| 可观测性 | 概念较强，但平台自监控不足：采集失败、队列积压、通知失败、规则命中率都要有指标。 |
| 部署 | 已有交付形态，但缺本地初始化、Linux/麒麟部署、迁移回滚和烟测脚本。 |
| 长期演进 | 第 1/2/3 阶段路线合理；主要技术债风险是第 1 阶段跳过 ER 和状态定义导致模型反复变动。 |
| 设计与体验 | 界面范围真实，但需要页面层级、状态表、响应式和无障碍细节。 |
#### 错误与救援登记表
| 路径 | 可能问题 | 救援状态 | 救援动作 | 用户可见表现 |
| --- | --- | --- | --- | --- |
| 采集任务执行 | 设备不可达、凭据错误、协议超时 | 已规划但需细化 | 重试、标记采集失败、生成平台内部告警 | 资源详情显示采集失败原因和最近成功时间 |
| Trap/Syslog 接收 | 格式未知、OID 字典缺失、规则不匹配 | 已规划但需细化 | 入原始事件池，标记未解析，允许补规则重放 | 告警中心显示未解析事件数量 |
| 告警规则执行 | 阈值错误、规则过宽、重复触发 | 已规划但需细化 | 规则校验、去重、抑制、规则命中审计 | 策略页显示命中和降噪效果 |
| 通知发送 | 站内消息、短信、邮件失败 | 缺口 | 按渠道重试，记录失败原因，允许人工补发 | 通知历史显示失败和重试状态 |
| 自动派单 | 无匹配处理人、权限不足、重复派单 | 缺口 | 回退待分派队列，阻止重复工单 | 告警详情显示派单失败和建议动作 |
| 报表生成 | 数据量过大、时间范围无数据、导出失败 | 缺口 | 限制范围、异步生成、失败可重试 | 报表页显示进度、空态或失败原因 |
#### 失败模式登记表
| 路径 | 失败模式 | 救援状态 | 是否测试 | 用户是否可见 | 是否记录日志 |
| --- | --- | --- | --- | --- | --- |
| 采集任务 | 代理离线 | 部分覆盖 | 必须测试 | 是 | 必须记录 |
| 告警治理 | 告警风暴导致通知轰炸 | 部分覆盖 | 必须测试 | 是 | 必须记录 |
| 通知 | 第三方渠道不可用 | 缺口 | 必须测试 | 是 | 必须记录 |
| 工单 | 并发关闭同一工单 | 缺口 | 必须测试 | 是 | 必须记录 |
| 权限 | 越权查看其他科室资源 | 缺口 | 必须测试 | 拒绝访问 | 必须记录 |
| 报表 | 大范围查询拖慢数据库 | 缺口 | 必须测试 | 是 | 必须记录 |
#### CEO 审查小结
```text
+====================================================================+
| CEO 计划审查小结 |
+====================================================================+
| 审查模式 | 选择性扩展 |
| 系统审计 | 文档完整，工程目录缺失，Git 远程凭据风险 |
| 步骤 0 | 保留事件生命周期主轴，吸收分层底座 |
| 第 1 项（架构） | 发现 3 个问题 |
| 第 2 项（错误） | 映射 6 条错误路径，存在 4 个缺口 |
| 第 3 项（安全） | 发现 2 个问题，其中 1 个高严重度 |
| 第 4 项（数据/体验） | 映射 6 个边界场景，5 个尚未处理 |
| 第 5 项（质量） | 发现 1 个问题 |
| 第 6 项（测试） | 已生成覆盖图，存在 8 个缺口 |
| 第 7 项（性能） | 发现 4 个问题 |
| 第 8 项（可观测） | 发现 5 个缺口 |
| 第 9 项（部署） | 标记 4 个风险 |
| 第 10 项（未来演进） | 可逆性 4/5，技术债 3 项 |
| 第 11 项（设计） | 发现 5 个问题 |
+--------------------------------------------------------------------+
| 非范围项 | 已写入 |
| 已有资产 | 已写入 |
| 目标状态差距 | 已写入 |
| 错误/救援登记表 | 6 条路径，4 个关键缺口 |
| 失败模式 | 共 6 项，4 个关键缺口 |
| TODOS.md 更新 | 已写入 9 项 |
| 范围提案 | 无需用户额外挑战 |
| 外部声部 | 本轮未启用 |
| 完整性选择 | 9/9 项选择完整方案 |
| 已产出图示 | 架构、数据流、状态、回滚 |
| 未决决策 | 0 |
+====================================================================+
```
### 设计视角审查
#### 设计评分
| 维度 | 分数 | 发现 | 自动决策 |
| --- | --- | --- | --- |
| 信息架构 | 6/10 | 页面清单清楚，但每页首要/次要/三级信息未定义。 | 实现前补信息架构表。 |
| 交互状态 | 4/10 | 缺加载、空态、错误、成功、部分成功、无权限状态表。 | 写入 P0 待办。 |
| 用户旅程 | 6/10 | 端到端故障故事存在，但一线值班、专项管理员、负责人视角未拆。 | 补用户旅程故事板。 |
| 模板化风险 | 7/10 | 蓝图偏功能性，风险较低；但大屏/首页容易做成模板化卡片堆叠。 | 要求密集、可扫描的运维界面，避免装饰性卡片堆叠。 |
| 设计系统一致性 | 5/10 | 无 `DESIGN.md`，只能依赖 Arco 模板风格。 | 等 `web/` 初始化后再补设计系统文档。 |
| 响应式与无障碍 | 3/10 | 不做独立移动端，但仍需定义移动端适配、键盘、屏幕阅读器、颜色对比。 | 增加 P0 UI 状态、响应式和无障碍规格。 |
| 未决设计决策 | 5/10 | 告警中心、工单、拓扑、大屏的布局和状态细节待定。 | 保留为设计任务，不阻塞蓝图批准。 |
#### 页面结构草图
```text
运维入口
├─ 首页总览
│ ├─ 待处理告警
│ ├─ 资源健康
│ ├─ 告警趋势
│ └─ 快捷入口
├─ 综合监控
│ ├─ 资源列表
│ └─ 资源详情 -> 指标趋势 / 采集状态 / 关联告警
├─ 告警中心
│ ├─ 实时告警
│ ├─ 事件归并
│ ├─ 策略与通知
│ └─ 历史与导出
├─ 工单管理
├─ 业务系统视图
├─ 拓扑/IPAM/资产
├─ 报表与大屏
└─ 权限与系统管理
```
#### 必需交互状态表
| 功能 | 加载 | 空态 | 错误 | 成功 | 部分成功 | 无权限 |
| --- | --- | --- | --- | --- | --- | --- |
| 首页总览 | 骨架屏 | 引导接入资源 | 数据源失败提示 | 展示核心指标 | 部分组件降级 | 隐藏无权限模块 |
| 综合监控 | 表格加载 | 引导新增/导入 | 采集失败摘要 | 资源健康展示 | 部分指标缺失 | 数据权限提示 |
| 告警中心 | 告警流加载 | 无待处理告警 | 规则/查询失败 | 可确认/派单 | 部分渠道失败 | 操作按钮禁用 |
| 工单管理 | 列表加载 | 无工单 | 流转失败 | 状态更新 | 通知失败但工单保留 | 无权转交/关闭 |
| 报表大屏 | 图表加载 | 无统计数据 | 生成失败 | 可查看/导出 | 部分组件无数据 | 不显示敏感数据 |
#### 设计审查小结
```text
+====================================================================+
| 设计计划审查小结 |
+====================================================================+
| 系统审计 | 无 DESIGN.md，界面范围已确认 |
| 步骤 0 | 初始评分 5/10 |
| 第 1 轮（信息架构） | 6/10 -> 8/10，已补层级草图 |
| 第 2 轮（状态） | 4/10 -> 7/10，已补状态表 |
| 第 3 轮（旅程） | 6/10 -> 7/10，仍需拆分用户角色 |
| 第 4 轮（模板化） | 7/10 -> 8/10 |
| 第 5 轮（设计系统） | 5/10 -> 5/10，等待 web/DESIGN.md |
| 第 6 轮（响应式） | 3/10 -> 5/10，仍需具体规格 |
| 第 7 轮（决策） | 4 项已解决，3 项延后 |
+--------------------------------------------------------------------+
| 总体设计评分 | 5/10 -> 7/10 |
+====================================================================+
```
### 工程视角审查
#### 架构图
```text
+----------------------+
| web/ Vue 界面 |
+----------+-----------+
|
v
+----------------------+
| server/ REST API |
| 认证 / RBAC / 审计 |
+----+----------+------+
| |
+--------------+ +----------------+
v v
+-------------+ +----------------+ +-------------+
| 资源台账 |<---->| 事件治理 |-->| 流程闭环 |
| 资源模型 | | 原始/告警/事件 | | 工单/知识库 |
+------+------+ +-------+--------+ +------+------+
| | |
v v v
+-------------+ +----------------+ +-------------+
| 采集器 | | 通知渠道 | | 报表 |
| H3C/SNMP | | 站内/短信/邮件 | | 大屏 |
+------+------+ +-------+--------+ +------+------+
| | |
v v v
外部设备 外部通知渠道 PostgreSQL + 时序库
```
#### 状态机
```text
告警
触发中 -> 已确认 -> 已恢复
-> 已忽略
-> 已失效
非法：已恢复 -> 触发中，除非有新的原始事件
事件
待处理 -> 已分派 -> 处理中 -> 已解决 -> 已关闭
-> 已挂起 -> 处理中
非法：已关闭 -> 处理中
工单
已创建 -> 已接单 -> 已关闭
-> 已转交 -> 已接单
-> 已挂起 -> 已重启 -> 已接单
-> 已撤回
非法：已关闭 -> 已转交
```
#### 测试覆盖图
```text
代码路径 / 数据流 测试要求
[+] 资源纳管 接口集成测试 + API 测试
├─ 正常：创建资源并绑定类型 必须覆盖
├─ 空态：暂无资源 必须覆盖
└─ 错误：重复身份 / 非法 IP 必须覆盖
[+] 采集任务执行 单元测试 + 集成测试
├─ 正常：指标样本入库 必须覆盖
├─ 错误：超时 / 凭据失败 必须覆盖
└─ 部分成功：部分指标缺失 必须覆盖
[+] 原始事件 -> 告警 -> 事件 单元测试 + 集成测试
├─ 去重 / 压缩 / 抑制 必须覆盖
├─ 抖动 / 告警风暴 必须覆盖
└─ 恢复 必须覆盖
[+] 通知路由 集成测试
├─ 成功 必须覆盖
└─ 第三方失败 / 重试 必须覆盖
[+] 告警 -> 工单流程 端到端测试
├─ 分派 / 接单 / 转交 / 关闭 必须覆盖
└─ 并发关闭 必须覆盖
[+] 报表和大屏 集成测试 + 端到端测试
├─ 聚合准确 必须覆盖
├─ 查询范围无数据 必须覆盖
└─ 大范围查询保护 必须覆盖
```
测试计划产物：`C:\Users\27105\.gstack\projects\ops\27105-main-eng-review-test-plan-20260621-152008.md`
#### 工程发现
| 领域 | 发现 | 严重度 | 决策 |
| --- | --- | --- | --- |
| 安全 | Git 远程地址含嵌入式凭据。 | 已记录风险 | 用户已明确要求忽略该项，不作为当前交付阻塞；后续推送、共享仓库或交付前建议重新评估。 |
| 仓库整洁 | `.gitignore` 忽略 `docs/`，导致核心交付文档不出现在 Git 状态中。 | P0 | 决定移除忽略规则，或显式强制添加指定文档。 |
| 架构 | 数据模型和状态机只是隐含存在，尚不足以指导实现。 | P1 | 编码前补 ER 和状态模型。 |
| 测试 | 计划强调测试，但缺具体测试矩阵。 | P1 | 已生成测试计划产物，并写入 TODO。 |
| 部署 | 本地开发路径、Linux/麒麟验收部署、迁移回滚和烟测脚本尚未成文。 | P1 | 文档需要区分本地 Windows PowerShell 命令和验收环境 Linux/麒麟部署说明。 |
| 性能 | 缺告警风暴处理和报表查询范围限制。 | P1 | 补背压、分页、索引和异步导出。 |
#### 并行实施策略
| 线路 | 工作流 | 模块 | 依赖 |
| --- | --- | --- | --- |
| A | 资源模型 + 指标 | `server/internal/models`、`server/internal/logic/monitoring` | 无 |
| B | 前端壳层 + 路由 | `web/src/router`、`web/src/views`、i18n | 无 |
| C | 事件/告警引擎 | `server/internal/logic/alerting` | A |
| D | 工单/流程 | `server/internal/logic/ticketing` | C |
| E | 报表/大屏 | `server/internal/logic/reports`、`web/src/views/dashboard` | A + C |
| F | 部署/测试产物 | `deploy/`、docs、CI | A + B 骨架 |
先启动 A 和 B。C 等待 A。D 和 E 等待 C。F 可以在初始服务和前端骨架存在后开始。
### 开发体验审查
#### 开发者画像
| 字段 | 内容 |
| --- | --- |
| 角色 | 项目交付工程师，负责从模板初始化实际 `server/`、`web/`、`deploy/` 并完成验收材料。 |
| 场景 | 拿到招标需求和蓝图后，需要快速搭出可运行系统、可测试 API、可演示 UI。 |
| 可接受等待 | 30-60 分钟内应能跑通后端健康检查和前端开发服务。 |
| 期望 | Windows PowerShell 命令、配置示例、迁移命令、测试命令、演示数据准备脚本。 |
#### 开发者体验叙述
我打开仓库，`README.md` 只有 `ops`。我能在 `docs/` 找到需求和蓝图，但不知道下一步该初始化 `server/` 还是先写验收矩阵。模板 README 有不少可用信息，但里面混有 Linux/macOS 命令和 systemd 部署示例，和本项目“Windows PowerShell”要求冲突。作为交付工程师，我最需要的是一条清晰路径：复制哪个模板、改哪些服务名、配置哪个 example、执行哪些 PowerShell 命令、如何跑测试、如何准备一条告警闭环演示数据。现在这些都散在模板和蓝图里，还没有形成可复制的入门路径。
#### 开发体验基准
| 工具/流程 | 首次跑通时间 | 关键开发体验选择 | 来源 |
| --- | --- | --- | --- |
| 当前 OPS 仓库 | >30 分钟 | README 缺少启动路径 | 当前仓库 |
| 第 1 阶段目标 | <15 分钟 | 一条 PowerShell 初始化脚本 + 示例配置 + 演示数据 | `/autoplan` 目标 |
| 同类内部交付流程 | 5-15 分钟 | 模板复制后即可健康检查 | 参考基准 |
#### 开发体验评分
| 维度 | 分数 | 发现 |
| --- | --- | --- |
| 入门路径 | 3/10 | README 不足，实际工程目录未初始化。 |
| API/CLI | 5/10 | 模板有 CLI，但 OPS 命令未定义。 |
| 错误信息 | 4/10 | 蓝图要求统一响应，但未定义错误码、原因和修复建议。 |
| 文档 | 5/10 | 需求和蓝图强，开发手册缺失。 |
| 升级路径 | 3/10 | 版本、迁移、回滚策略未定义。 |
| 开发环境 | 4/10 | Windows PowerShell 路径未成文。 |
| 社区/生态 | 不适用 | 内部交付项目，不作为核心评分。 |
| 开发体验度量 | 4/10 | 尚未定义首次跑通时间、验收脚本运行时间、失败率。 |
开发体验总体评分：4/10。目标：第 1 阶段开发者从获取代码到后端健康检查 + 前端启动 <15 分钟。
#### 开发体验实施清单
- [ ] README 增加“从零开始”的 PowerShell 路径。
- [ ] `server/etc/app.example.yaml` 和本地配置说明。
- [ ] `deploy/` 提供初始化、迁移、演示数据、烟测脚本。
- [ ] 错误响应包含 `code`、`message`、`traceId`、`cause`、`suggestion`。
- [ ] 每个核心 API 提供请求/响应示例。
- [ ] 测试命令和验收命令可复制执行。
### 决策审计轨迹
| # | 阶段 | 决策 | 分类 | 原则 | 理由 | 被拒绝方案 |
| --- | --- | --- | --- | --- | --- | --- |
| 1 | 输入 | 使用当前蓝图作为计划文件 | 机械决策 | 倾向行动 | 用户在 office-hours 计划后立即调用 `/autoplan`。 | 等待 D10 再审查 |
| 2 | CEO | 保留事件生命周期作为主轴 | 机械决策 | 选择完整性 | 同时保留 A+B，并避免菜单孤岛。 | 模块矩阵作为主架构 |
| 3 | CEO | 将分层底座作为内部架构原则 | 机械决策 | 显式优先 | 与用户明确选择一致。 | 单独走底座优先交付 |
| 4 | CEO | 为验收矩阵和模型/状态规格增加 TODO | 机械决策 | 限定范围 | 这些事项在当前影响范围内，并能解除实现阻塞。 | 延后所有规划债 |
| 5 | 设计 | UI 实现前必须补状态表 | 机械决策 | 选择完整性 | 空态、错误、部分成功、无权限是运维界面的核心状态。 | 让实现者自行推断状态 |
| 6 | 工程 | 生成测试计划产物 | 机械决策 | 选择完整性 | 测试必须在代码实现前规划。 | 等实现后再补测试 |
| 7 | 工程 | 将含凭据 Git 远程地址标记为 P0 | 机械决策 | 安全 | 远程地址中的凭据虽不属于产品范围，但会危害仓库协作。 | 当作环境细节忽略 |
| 8 | 开发体验 | 要求本地 PowerShell 入门路径，并补 Linux/麒麟验收部署说明 | 机械决策 | 显式优先 | 本地开发按项目规则使用 Windows PowerShell；验收部署按会议结论面向 Linux/麒麟。 | 直接复用模板 README |
### 跨阶段主题
**主题：显式运维证据。** CEO、工程、设计和开发体验审查都指向同一个缺口：平台方向已经成立，但每个阶段都需要证据产物。验收矩阵、状态表、测试计划、烟测脚本和演示数据不是文档负担，而是产品可验收性的证明。
**主题：不要让模板痕迹泄漏进交付。** 工程和开发体验审查都指出了这一点。模板有价值，但实际 `server/`、`web/`、`deploy/` 文档必须符合 Windows PowerShell、UTF-8 中文文档、密钥卫生和项目专属服务命名要求。
### 不在当前范围
- 第 1 阶段不承诺全厂商覆盖，需等现场设备清单确认后再扩展。
- 第 1 阶段不承诺完整拓扑、IPAM、机柜和深度资产套件，这些属于第 2 阶段资源上下文增强。
- AI 规则优化和自动化处置属于第 3 阶段治理与智能化能力。
- 本轮为文本审查，未生成视觉稿；视觉稿应在 `web/` 初始化和界面范围明确后再做。
## GSTACK 审查报告
| 审查 | 触发 | 目的 | 次数 | 状态 | 发现 |
| --- | --- | --- | --- | --- | --- |
| CEO 审查 | `/autoplan` | 范围与策略 | 1 | 存在待处理问题 | 方向成立；需要补验收矩阵、模型/状态规格、失败登记表，并修复文档版本管理问题。 |
| 设计审查 | `/autoplan` | UI/UX 缺口 | 1 | 存在待处理问题 | 5/10 -> 7/10；缺详细状态、响应式、无障碍和 `DESIGN.md`。 |
| 工程审查 | `/autoplan` | 架构与测试 | 1 | 存在待处理问题 | 发现 5 个高价值缺口；测试计划产物已写入；含凭据 Git 远程地址风险已记录，用户已确认不作为当前阻塞项。 |
| 开发体验审查 | `/autoplan` | 开发体验缺口 | 1 | 存在待处理问题 | 总体 4/10；缺 README 入门路径、PowerShell 文档和部署文档。 |
| 外部审查声部 | `/autoplan` | 独立审查 | 0 | 本轮未启用 | 后续如需运行 Codex CLI 且遇到权限拒绝，应先向用户申请权限。 |
- **结论：** 架构方向已批准。编码前必须完成的文档规格已补齐：`docs/首期验收矩阵.md`、第 1 阶段数据模型和状态机、UI 状态覆盖。含凭据 Git 远程地址风险已按用户要求忽略，不作为当前交付阻塞项。
- **Codex CLI：** 本轮未作为独立声部运行；后续如果因权限问题被拒绝，将先向用户申请权限。
- **跨模型审查：** 本轮未运行，仅保留主审查结论。
**审批结论：**
- 用户已选择 A：按当前方案批准蓝图方向。后续进入 P1 待办处理与第 1 阶段实施准备；Git 远程凭据风险已按用户要求忽略，不作为当前交付阻塞项。

93
docs/integrated-ops-platform-requirements.md Normal file
View File

@@ -0,0 +1,93 @@
# 一体化运维平台 - 需求与功能清单
来源文件：西藏自治区人民医院信息系统硬件支撑平台升级改造项目_招标文件.pdf；菜单规划表3.0.xlsx
范围说明：本文件只提取“一体化运维平台”相关内容，不包含机房装修、网络交换、安全设备、服务器、存储、光纤布线等硬件交付清单。硬件、安全、网络设备仅在“被监控对象”维度出现。
## 1. 平台定位
| 项目 | 内容 |
| --- | --- |
| 平台名称 | 一体化运维管理平台 |
| 数量 | 1 套 |
| 建设目标 | 对网络设备、安全设备、服务器硬件、虚拟化系统、存储设备等 IT 资源进行集中监控管理与运维信息收集，提升 IT 运维效率 |
| 来源依据 | 第 77 页“6.一体化运维管理平台建设”；第 107-116 页“二、一体化运维平台” |
| 主要模块 | 首页总览、可视化大屏、综合监控、网络架构管理、告警管理、工单管理、数据中心管理、资产管理、知识库、报表管理、用户权限管理、日志管理、系统管理、快速开发/低代码能力 |
| 验收方式 | 逐项功能演示、监控对象接入验证、告警测试、报表/大屏输出、权限与日志检查、移动端验证 |
## 2. 核心需求清单
| 编号 | 需求类型 | 强制性 | 优先级 | 需求描述 | 原文依据 | 来源位置 | 验收/证明方式 | 备注 |
| --- | --- | --- | --- | --- | --- | --- | --- | --- |
| OPS-001 | 首页总览 | 强制 | P0 | 首页需以折线图、拓扑图等方式展示设备状态、告警状态、网络状态，提供待处理告警、设备总览、告警趋势、网络监控等入口，且支持总览页面模块化配置。 | 菜单规划表3.0.xlsx“总览”备注 | Sheet1 第 6 行 | 查看首页总览，调整模块显示内容并验证保存生效 | 菜单列不作为需求依据，功能点来自描述与备注 |
| OPS-002 | 操作系统监控 | 强制 | P0 | 平台需统一监控内存利用率、磁盘、CPU 利用率、硬盘利用率、网卡状态、接收和发送的流量及包数、日志、Syslog、异常进程、目录和文件数量及大小等基础指标。 | “操作系统监控的指标包含...” | 招标文件第 107 页；Sheet1 第 11 行 | 接入主机并展示指标，模拟阈值触发告警 | 基础监控能力 |
| OPS-003 | 服务器硬件监控 | 强制 | P1 | 支持 IBM、HP、联想、浪潮、华为、EMC、H3C 等厂商服务器硬件监控，采集电压、电流、温度、风扇及其他硬件状态。 | “服务器硬件运行指标，包括电压、电流、温度、风扇...” | 招标文件第 110 页；Sheet1 第 12 行 | 接入物理服务器并展示硬件健康与性能指标 | 含多品牌适配 |
| OPS-004 | 网络设备监控 | 强制 | P1 | 支持不同品牌网络设备自动发现、拓扑生成、逻辑面板图、接口状态可视化、接口表、路由表、转发表、ARP 表查看，并可通过 Syslog、SNMP Trap 接收网络设备告警事件。 | “逻辑面板图...接口表、路由表、转发表以及ARP表...” | 招标文件第 107-110 页；Sheet1 第 13 行 | SNMP/Trap 接入、逻辑面板、接口状态和告警规则演示 | 被监控对象含交换机、防火墙、安全设备 |
| OPS-005 | 安全设备监控 | 强制 | P1 | 支持安全设备状态、型号、版本、CPU、内存、接口状态、接口信息等监控，并提供历史数据记录管理和按时间间隔生成历史数据分析报表能力。 | “安全设备监控...历史数据分析报表” | Sheet1 第 14 行 | 接入安全设备并输出状态、接口与历史分析报表 | 与网络设备监控关联 |
| OPS-006 | 存储监控 | 强制 | P1 | 支持惠普、日立、EMC、群晖、IBM、华为等存储设备监控，采集 CPU 使用率、内存及虚拟内存使用率、硬盘空间、磁盘 IO 吞吐、可用率、控制器状态、存储池、物理硬盘、网口状态、速率、流量、背板、节点等信息。 | “存储设备监控...CPU使用率、内存...控制器状态” | 招标文件第 110-111 页；Sheet1 第 15 行 | 接入存储并展示容量、硬盘、网口、节点和控制器状态 | 需适配本项目存储设备 |
| OPS-007 | 数据库监控 | 强制 | P1 | 支持 Oracle、MySQL、国产数据库等监控，采集表空间、死锁数、用户连接、请求、内存、缓存、连通性、SQL 执行耗时 TOP5、SQL 耗 CPU TOP5、SQL 耗内存 TOP5；支持 Oracle RAC 运行状态、Cluster、ASM、数据库实例及其他集群资源状态；支持自定义 SQL 脚本监控。 | “监控指标包含：表空间...支持自定义SQL脚本监控” | 招标文件第 107 页；Sheet1 第 16 行 | 接入数据库实例，展示性能、RAC/集群、SQL TOP 和自定义 SQL 监控结果 | 医院国产化环境重点 |
| OPS-008 | 中间件监控 | 强制 | P1 | 支持 WebLogic、Tomcat、MQ、国产中间件及 ActiveMQ、RocketMQ、Kafka、IBM WebSphere 等中间件监控，采集服务可用性、JVM 总大小/已用大小、应用可用性、连接池可用性、连接池大小、活动连接数、等待连接数、创建连接数、活动线程数量、会话创建数、无效会话数等指标。 | “监控指标包括：服务可用性、JVM...” | 招标文件第 107 页；Sheet1 第 17 行 | 接入至少一种院方实际中间件并展示运行状态和指标 | 中间件种类需按现场确认 |
| OPS-009 | 虚拟化监控 | 强制 | P1 | 支持 VMware、华为云、私有云及国产虚拟化平台监控，展示物理机、虚拟机、网络、存储资源、数据库等元素关系并动态更新，同时展示宿主机、集群、虚拟机、资源池、CPU、内存、磁盘、开关机状态等。 | “清晰展现各元素之间的关系，并且动态更新” | 招标文件第 108、110 页；Sheet1 第 18 行 | 接入虚拟化平台并展示主机、虚拟机、资源关系视图 | 与现有虚拟化平台兼容 |
| OPS-010 | 日志与 Trap 监控 | 强制 | P1 | 支持接收交换机、路由器、防火墙、Unix/Linux 等设备生成的 Syslog 消息，基于规则识别重要日志并关联告警；支持 SNMP Trap 规则、Trap 字典、OID 含义和描述自定义、告警级别和恢复信息设置、Trap 屏蔽策略和屏蔽时间段配置。 | “支持Trap字典...支持Trap屏蔽” | 招标文件第 111 页；Sheet1 第 19、80 行 | 采集 Syslog/Trap，配置字典、规则、屏蔽策略并验证告警关联 | 与日志审计设备不是同一范围 |
| OPS-011 | URL 与业务可用性监控 | 强制 | P1 | 支持定期检测网页、网站、网址、URL 和 Web 业务流程是否可正常访问，及时发现 Web 业务异常或网页变化；采集可用性、响应时间、返回状态代码等指标，并支持端口、服务、进程、Webservice、业务调用链、业务日志监控。 | “用于定期检测指定的网页、网站、网址或URL...” | 招标文件第 107、111 页；Sheet1 第 20 行 | 配置 URL/API/端口/服务监控，模拟异常并触发告警 | 面向 HIS/LIS/PACS/EMR 等业务 |
| OPS-012 | 动环与安全环境监控 | 强制 | P2 | 支持电力、UPS、空调、温湿度等电器相关监控，以及消防、门禁、漏水、有害气体等消防安全相关监控。 | “电力/UPS/空调/温湿度”“消防/门禁/漏水/有害气体” | Sheet1 第 21-22 行 | 接入或模拟动环设备，展示状态、指标和告警 | 与数据中心/机房管理联动 |
| OPS-013 | 网络拓扑管理 | 强制 | P1 | 支持可视化拓扑展示、全景图、告警图标点击查看、拓扑统计查看设备名称、设备 IP、链路流量；支持环形、层次、同心圆、网络布局、拓扑图下载、添加设备/文本/子拓扑/区域、导入设备、添加链路、分组和多级分组管理、拓扑缩放/纵览/移动/手动刷新。 | “支持可视化展示拓扑视图、查看全景图...” | 招标文件第 114 页；Sheet1 第 24-26 行 | 创建拓扑分组，导入设备与链路，验证布局、告警查看、统计、下载 | 与 OPS-004 关联 |
| OPS-014 | 网络流量分析 | 强制 | P1 | 支持从应用、协议、会话、流向等维度分析网络流量状态和构成，识别占用网络资源最多的应用、协议、设备和流向，支持流量异常检测、WAN 流量监测、实时预警、网络优化参考、链路新增/编辑/删除/批量删除/禁止/允许、流量监控分析。 | “从应用、协议、会话、流向等维度了解网络流量状态和构成” | Sheet1 第 29 行 | 新增链路并展示应用/协议/会话/流向分析，触发流量异常预警 | 支撑网络带宽规划 |
| OPS-015 | 流量参数配置 | 强制 | P2 | 支持按实际应用场景或自定义业务类型设置需要监测的应用、端口、协议，并支持设置监测数据保存时间。 | “用户自己设置需要监测流量的应用端口、协议...” | Sheet1 第 33 行 | 配置应用/端口/协议和保存周期，验证流量采集策略生效 | 与流量分析联动 |
| OPS-016 | IP 地址管理 | 强制 | P1 | 支持添加子网络、网段、IP 地址，展示 IP 与 MAC 对应关系，查看在用、未用、分配、保留状态；支持分组分层管理，从规划、分配、监控、回收维度对 IP 地址进行全生命周期管理。 | “IP地址管理支持添加子网络、网段、IP地址...” | 招标文件第 112-113 页；Sheet1 第 34-36、38 行 | 创建分组、导入/新增子网，查看 IP/MAC、分配和使用状态 | 包含一键/自动扫描能力 |
| OPS-017 | IP 自动扫描与报表 | 强制 | P2 | 支持按扫描规则和周期自动扫描 IP 网段、IP 地址并将新发现地址加入系统；支持 IP 概览、IP 地址冲突记录、子网 IP 使用占比 TOP10、IP 状态统计、子网统计、DHCP 地址租约、IP 变更记录、IP 异常记录等报表。 | “系统会根据设置的扫描规则、周期自动扫描...” | Sheet1 第 36、38 行 | 配置扫描任务并生成 IP 使用、冲突、租约、变更、异常报表 | “一件扫描”统一理解为“一键扫描” |
| OPS-018 | 告警降噪与策略 | 强制 | P0 | 支持告警去重、告警压缩、告警屏蔽、告警依赖、告警抑制、告警策略规则匹配和条件设置，可按设备、监测点、监测指标选择策略范围，减少告警泛滥、误报和重复告警。 | “告警去重、告警压缩、告警屏蔽...” | 招标文件第 111 页；Sheet1 第 44、50 行 | 触发重复/依赖告警，验证去重、压缩、屏蔽、抑制和策略范围 | 运维闭环核心功能 |
| OPS-019 | 告警模板与通知 | 强制 | P0 | 支持操作系统、服务器硬件、网络设备、安全设备、存储、数据库、中间件、虚拟化、动环、消防等告警模板；模板可自定义告警内容并使用系统变量；支持颜色、网页弹窗、邮件、手机短信、声音、脚本、微信公众号、企业微信、钉钉、电话、工单等告警方式，邮件支持服务器、发件人、收件人、临时收件人配置，短信支持无线 Modem、短消息平台和第三方短信平台。 | “用户可以自定义告警内容...支持多种告警方式” | 招标文件第 111 页；Sheet1 第 45-46 行 | 配置模板、变量和多渠道通知，触发测试告警 | 需确认医院实际通信渠道 |
| OPS-020 | 告警级别与升级 | 强制 | P1 | 支持最多七级告警级别，自定义级别名称和显示颜色；同一监控数据同时触发高低级别规则时只发送高级别告警；支持告警发生后在设置时间内未处理时自动升级并转发，通知方式可自由选择。 | “最多可达七级...支持告警升级” | Sheet1 第 47 行 | 配置多级告警、颜色和升级规则，验证高级别优先与超时升级 | 提升值班响应效率 |
| OPS-021 | 告警受理与历史 | 强制 | P0 | 支持受理、确认、忽略、查看、搜索、导出告警；支持直接将告警分派为工单处理，特定发送方式为工单时自动生成工单；记录通知或邮件发送历史，支持查看发送详情、告警来源、历史告警、已恢复、已忽略、已失效告警。 | “受理告警、确认告警、忽略告警...” | 招标文件第 111 页；Sheet1 第 48-49 行 | 触发告警并完成确认、忽略、派单、导出、历史查询 | 与工单管理联动 |
| OPS-022 | 工单管理 | 强制 | P1 | 支持轻量化运维工单管理，可手动或自动创建事件处理工单，支持接单、转交、撤回、挂起、重启、关闭；支持告警联动自动生成事件工单、告警发送策略自动派单、在告警视图中直接创建工单并分派人员。 | “工单管理可与告警联动，实现告警发生后自动生成事件工单” | Sheet1 第 51 行 | 创建手工工单和告警自动工单，验证流转、派单、通知和关闭 | 规范运维任务处理 |
| OPS-023 | 数据中心与机房管理 | 强制 | P2 | 支持多层级机房和数据中心管理，可按“省份-城市-数据中心-楼层”模式管理；机房管理可集成动环设备并添加机柜，实现设备集中监控、集中告警、集中展示和数据中心能力管理。 | “支持多层级机房和数据中心管理...” | Sheet1 第 54 行 | 建立数据中心/楼层/机房层级，关联动环设备和机柜 | 与 3D 机房/资产数据相关 |
| OPS-024 | 机柜与 U 位管理 | 强制 | P2 | 支持机柜设计工具和机柜布局图，展示机柜内设备位置、占用 U 位、状态信息；关联已监控设备后实时显示设备状态和告警信息；支持按可容纳机柜数、实际使用机柜 U 位数统计物理空间使用量和剩余物理空间。 | “创建机柜布局图...统计出各机房的物理空间使用量” | 招标文件第 113 页；Sheet1 第 56-57 行 | 创建机柜布局，绑定设备，查看 U 位占用、状态告警和剩余空间 | 支撑上架规划 |
| OPS-025 | 资产管理 | 强制 | P2 | 支持机房设备发生变化时手动添加或删除设备，系统根据变更计算最新可用物理空间，为设备上架提供规划参考。 | “手动添加或删除设备...计算出最新的可用物理空间” | Sheet1 第 60 行 | 新增/删除设备并验证空间容量重新计算 | 与机柜/U 位管理联动 |
| OPS-026 | 知识库管理 | 强制 | P2 | 支持知识与设备异常检测点关联，设备异常时可查看相关知识；支持知识分类创建、分类展示、新增、编辑、删除；支持知识发布、编辑、删除、浏览、附件下载；支持知识审核和审核日志记录。 | “知识库支持和设备异常的检测点关联...” | Sheet1 第 66、68、70 行 | 创建分类和知识，关联检测点，触发异常后查看知识并完成审核 | 提升故障处理复用能力 |
| OPS-027 | 报表管理 | 强制 | P1 | 支持 TopN 报表、统计报告、流量统计、故障报告、服务器报表、网络设备报表；可对指定单台或多台设备、任意监测指标、任意时段进行统计并导出；故障报告展示故障设备、检测点、IP、类型、次数、百分比、开始/结束时间、持续时间；服务器报表展示可用性、响应时间、CPU、物理/虚拟内存、磁盘 I/O、磁盘使用率、今日告警次数；网络设备报表展示可用性、服务成功率、平均响应时间、抖动、CPU、内存、运行时间、今日告警。 | “TopN报表...统计报告...故障报告...” | 招标文件第 112 页；Sheet1 第 72-77 行 | 生成并导出 TopN、统计、流量、故障、服务器、网络设备报表 | 建议定义标准报表模板 |
| OPS-028 | 可视化大屏管理 | 强制 | P1 | 支持用户更换大屏展示样式和内容，深度个性化配置；支持大屏分组、不同用户使用各自配置、多自定义大屏轮播、轮播时间间隔设置；视图可显示状态报告、拓扑图、实时告警、接口流量图、业务状态图表等并自由组合。 | “大屏展示支持分组展示...多个自定义的可视化大屏进行轮播展示” | 招标文件第 114 页；Sheet1 第 7 行 | 配置个人/分组大屏、轮播、数据组件和自由组合页面 | 可作为可视化验收重点 |
| OPS-029 | 用户权限管理 | 强制 | P1 | 支持用户分组、角色、用户权限、数据权限，保障用户在权限内使用系统和管理对象；支持用户新增、编辑、删除、停用、启用、关联到组；支持用户组新增、编辑、删除、关联用户、关联角色、关联数据权限；支持角色新增、编辑、删除、关联组、关联操作权限。 | “用户权限支持管理用户的分组、角色、用户权限...” | 招标文件第 114-115 页；Sheet1 第 79 行 | 创建用户、用户组、角色，验证功能权限和数据权限隔离 | 保障系统安全性 |
| OPS-030 | 系统管理 | 强制 | P1 | 支持部门、用户、角色、数据字典、群组、岗位、参数配置、第三方账户、分类字典、Logo/登录页背景、常用语、消息列表、消息模板、系统日志等系统基础数据和配置管理。 | “系统基础数据，维护部门信息...” | 招标文件第 114-115 页 | 权限配置、用户角色、日志下载、消息模板配置 | 与用户权限管理配套 |
| OPS-031 | 采集管理 | 强制 | P1 | 支持定时任务、监控面板自定义、模板导入导出、主机添加和导入、主机群组、监控模板、指标维护、自动发现、自动分组、自动发现策略。 | “支持定时任务...监控面板...模板...主机管理...自动发现” | 招标文件第 113 页 | 新增主机、配置模板、自动发现、策略验证 | 平台运维配置能力 |
| OPS-032 | 代理管理 | 强制 | P2 | 支持跨网、跨地区部署代理，监控数据统一汇总，支持主动式和被动式数据推送。 | “支持跨网、跨地区部署代理，监控数据统一汇总” | 招标文件第 114 页 | 部署代理并验证数据汇聚 | 适合内外网隔离场景 |
| OPS-033 | 业务系统视图与业务拓扑 | 强制 | P1 | 支持按业务系统分类、等保级别、网络类型等多维度树状展示，展示业务系统关联资源告警、健康度、影响范围、业务拓扑、时间轴、运维笔记和文档；支持手动创建业务拓扑架构图，显示资源实时状态，支持分块组合和不同品牌型号设备图标自定义。 | “支持按业务系统分类...提供手动方式创建业务拓扑架构图” | 招标文件第 112 页 | 建立业务系统视图并绘制业务拓扑，验证资源、告警、健康度联动 | 建议围绕 HIS/LIS/PACS/EMR 建模 |
## 3. 模块化功能清单
| 模块 | 功能 | 对应需求编号 | 用户/角色 | 输入 | 处理 | 输出 | 验收点 |
| --- | --- | --- | --- | --- | --- | --- | --- |
| 首页总览 | 待处理告警、设备总览、告警趋势、网络监控、模块化总览 | OPS-001 | 运维人员/管理者 | 设备状态、告警状态、网络状态 | 汇总、趋势分析、模块化展示 | 首页总览视图 | 总览数据准确，模块可配置 |
| 综合监控 | 操作系统、服务器硬件、网络设备、安全设备、存储、数据库、中间件、虚拟化统一监控 | OPS-002 至 OPS-009 | 运维中心/专项管理员 | 主机、设备、数据库、中间件、虚拟化平台连接和指标 | 纳管、指标采集、状态判断、历史记录 | 全域资源监控视图 | 多品牌、多类型资源接入并展示指标 |
| 日志与 Trap | Syslog、SNMP Trap、Trap 字典、OID 解析、告警关联、Trap 屏蔽 | OPS-010 | 运维/网络管理员 | Syslog、Trap、规则、字典、屏蔽策略 | 采集、解析、规则匹配、关联告警 | 日志与 Trap 告警视图 | 日志可读、规则生效、屏蔽可验证 |
| URL 与业务可用性 | URL、网页、Web 业务流程、端口、服务、进程、Webservice、调用链、业务日志 | OPS-011, OPS-033 | 应用运维 | URL/API、业务系统、端口、服务、日志 | 可用性探测、链路分析、业务建模 | 业务可用性和业务健康视图 | 模拟故障可告警，业务拓扑可联动 |
| 动环环境监控 | 电力、UPS、空调、温湿度、消防、门禁、漏水、有害气体 | OPS-012, OPS-023 | 机房运维 | 动环设备、传感器、阈值 | 状态采集、阈值判断、机房关联 | 动环状态和告警 | 动环设备状态与机房视图联动 |
| 网络拓扑 | 拓扑展示、全景图、告警点击、设备和链路统计、布局、下载、子拓扑、区域、链路管理 | OPS-013 | 网络管理员 | 设备、链路、区域、拓扑分组 | 可视化编排、布局、刷新、统计 | 网络拓扑图 | 拓扑可编辑、可查看告警和链路流量 |
| 流量分析 | 应用、协议、会话、流向分析，异常检测，WAN 监测，实时预警，链路管理，参数配置 | OPS-014, OPS-015 | 网络管理员 | 链路、流量数据、应用端口、协议、保存周期 | 流量解析、统计、异常识别、策略配置 | 流量分析报表和预警 | 能定位高占用应用/协议/设备/流向 |
| IP 地址管理 | 子网、网段、IP、MAC、分配/使用/保留状态、分组分层、自动扫描、IP 报表 | OPS-016, OPS-017 | 网络管理员 | IP 段、扫描规则、DHCP/地址状态 | 扫描、分组、统计、生命周期管理 | IP 台账和 IP 报表 | 新 IP 自动发现，冲突和变更可追踪 |
| 告警中心 | 告警降噪、策略、模板、通知、级别、升级、受理、历史、导出 | OPS-018 至 OPS-021 | 值班人员/负责人 | 指标异常、事件、阈值、通知配置、策略 | 去重、压缩、屏蔽、升级、派单、记录 | 告警状态、通知记录、历史告警 | 告警闭环、升级和多渠道通知可演示 |
| 工单管理 | 手动/自动工单、接单、转交、撤回、挂起、重启、关闭、告警自动派单 | OPS-022 | 运维人员/负责人 | 告警事件、运维任务、处理人 | 创建、派单、流转、通知、关闭 | 工单列表和处理记录 | 告警自动转工单，工单流转完整 |
| 数据中心管理 | 数据中心层级、机房、楼层、动环集成、机柜接入、集中展示 | OPS-023 | 机房运维 | 省份、城市、数据中心、楼层、机房、动环设备 | 层级建模、设备关联、能力展示 | 数据中心/机房统一视图 | 多层级数据中心结构可维护 |
| 机柜与 U 位 | 机柜设计、机柜布局、设备位置、U 位占用、设备状态、告警、空间容量 | OPS-024 | 机房运维 | 机柜、设备、U 位、监控状态 | 可视化布局、状态绑定、容量计算 | 机柜图和空间容量视图 | 设备位置、U 位和剩余空间准确 |
| 资产管理 | 设备新增、删除、空间容量重算、上架规划参考 | OPS-025 | 资产/机房运维 | 设备资产、机柜空间、变更信息 | 资产变更、容量计算 | 资产台账和空间规划结果 | 设备变更后容量自动更新 |
| 知识库管理 | 分类、知识发布、浏览、附件下载、异常检测点关联、审核、审核日志 | OPS-026 | 运维人员/知识管理员 | 知识条目、附件、分类、检测点、审核意见 | 分类管理、发布审核、关联检索 | 知识库和故障处理参考 | 异常时可查看关联知识 |
| 报表管理 | TopN、统计报告、流量统计、故障报告、服务器报表、网络设备报表、导出 | OPS-027 | 管理者/运维 | 历史指标、告警、设备、时间范围 | 统计、排序、汇总、导出 | 运维报表 | 多类报表可生成并导出 |
| 可视化大屏 | 大屏分组、个人配置、组件组合、状态报告、拓扑、实时告警、接口流量、业务图表、轮播 | OPS-028 | 运维中心/领导 | 设备、链路、指标、告警、业务状态 | 可视化编排、动态绑定、轮播展示 | 运维驾驶舱和专题大屏 | 多用户配置和轮播生效 |
| 用户权限管理 | 用户、用户组、角色、功能权限、数据权限、停启用、关联组/角色/权限 | OPS-029 | 系统管理员 | 组织、账号、角色、权限范围 | 授权、分权、停启用、关联 | 权限配置结果 | 功能权限和数据权限隔离 |
| 系统管理 | 部门、用户、角色、字典、群组、岗位、参数、第三方账户、Logo、消息、日志 | OPS-030 | 系统管理员 | 基础数据、系统参数、消息模板、日志 | 基础数据维护、参数配置、日志管理 | 管理后台 | 权限、日志、消息模板可配置 |
| 采集与代理 | 定时任务、面板模板、主机管理、群组、指标、自动发现、跨网代理、主动/被动推送 | OPS-031, OPS-032 | 平台管理员 | 主机、模板、策略、代理节点、采集数据 | 配置、发现、分组、采集、汇总 | 采集配置和汇总监控数据 | 自动发现与跨网数据汇聚可验证 |
| 业务系统管理 | 业务分类、等保级别、网络类型、健康度、影响范围、业务拓扑、时间轴、笔记、文档 | OPS-033 | 应用负责人 | 业务系统、关联资源、告警、文档 | 建模、关联、健康评估、拓扑编排 | 业务健康视图和业务拓扑 | HIS/LIS/PACS/EMR 可建模 |
<!-- ## 4. 验收建议清单
| 验收项 | 建议验收动作 | 通过标准 |
| --- | --- | --- |
| 资源接入 | 接入服务器、数据库、虚拟化、网络设备、安全设备、存储设备各至少 1 类样例 | 能展示实时指标、状态、历史趋势 |
| 业务建模 | 建立 HIS、LIS、PACS、EMR、医疗质量管理系统中的至少 1-2 个业务视图样例 | 能关联主机、数据库、网络、告警和健康度 |
| 告警闭环 | 模拟 CPU/端口/API/数据库异常 | 能生成告警、分派、通知、移动端查看和处理 |
| 报表 | 生成日报、月报、资源分析、未恢复告警统计 | 能在线查看并导出 |
| 拓扑 | 生成网络拓扑和业务拓扑 | 能展示链路状态、资源实时状态、缩放和自定义图标 |
| 大屏 | 配置运维驾驶舱和业务大屏 | 支持拖拽、动态数据绑定、跳转切换 |
| 3D 机房 | 建立机柜和设备位置，绑定告警 | 告警能定位到机柜/设备 |
| 权限与日志 | 创建部门、用户、角色并操作系统 | 数据权限隔离，操作日志可查询/下载 | -->

152
docs/国产时序数据库选型验证.md Normal file
View File

@@ -0,0 +1,152 @@
# OPS 国产/国内生态时序数据库选型验证
## 1. 文档目标
本文用于记录 P1 时序数据库选型验证和最终决策。OPS 第 1 阶段指标样本、探测样本、接口流量和采集健康度采用 TDengine 开源版作为时序数据存储底座。
本文不是商业采购建议。TDengine 开源版无时间使用限制，但采用 AGPL-3.0 许可证；最终部署版本、AGPL 合规、麒麟兼容性和是否需要企业版支持仍需在现场确认。
## 2. 选型约束
| 约束 | 要求 |
| --- | --- |
| 部署环境 | 必须支持 Linux/麒麟验收环境，优先支持 x86_64 和 ARM64。 |
| 后端语言 | 必须提供 Go 后端可用连接方式。 |
| 写入能力 | 支持批量写入高频指标样本。 |
| 查询能力 | 支持时间范围查询、聚合、降采样或等效能力。 |
| 保留策略 | 支持数据保留周期或 TTL。 |
| 运维 | 具备备份恢复、权限控制、日志和基础监控能力。 |
| 风险 | TDengine 开源版的 AGPL 合规、国产化适配、社区活跃度和长期维护风险可评估。 |
## 3. 官方资料依据
| 产品 | 官方资料 | 本文采用的信息 |
| --- | --- | --- |
| TDengine | https://docs.tdengine.com/tdengine-reference/supported-platforms/ | 官方平台矩阵列出 Linux、Windows、Galaxy Kirin V10、NeoKylin 等支持情况，并说明 Go 连接器平台支持。 |
| TDengine | https://docs.tdengine.com/tdengine-reference/client-libraries/go/ | Go 驱动实现 `database/sql`，WebSocket 连接为迁移方向，原生和 REST 连接计划在 2027-01-01 停用。 |
| Apache IoTDB | https://iotdb.apache.org/UserGuide/latest/API/Programming-Go-Native-API.html | Go Native API 支持 `Session` 和 `SessionPool`，并提供批量写入、范围查询、聚合查询等接口。 |
| openGemini | https://docs.opengemini.org/guide/quick_start/get_started.html | openGemini 支持 x86-64、ARM-64 和主流 Linux，单节点默认 HTTP 端口为 8086，并提供基础写入查询示例。 |
## 4. 候选产品验证
### 4.1 TDengine
| 项目 | 验证结论 |
| --- | --- |
| Linux/麒麟 | 官方平台矩阵覆盖 Galaxy Kirin V10、NeoKylin 等，但部分能力标注与企业版相关，需确认 OSS/企业版边界。 |
| CPU 架构 | 服务端和连接器支持 x64、ARM64；Go 连接器覆盖 Linux、Windows、macOS。 |
| Go 连接 | 官方 Go 驱动实现 `database/sql`；建议采用 WebSocket 连接路径。 |
| 批量写入 | 支持 SQL 和 schemaless 写入，适合指标样本。 |
| 查询 | 支持时间范围查询和聚合查询。 |
| 保留策略 | 支持 TTL 或库表级保留策略，需在样例库验证。 |
| 风险 | Go 原生连接和 REST 连接计划停用，首期必须避免新代码依赖将废弃路径。 |
### 4.2 Apache IoTDB
| 项目 | 验证结论 |
| --- | --- |
| Linux/麒麟 | Apache 项目，需在目标麒麟版本实测安装、服务管理和性能。 |
| CPU 架构 | 需按现场系统包和 JVM 环境确认。 |
| Go 连接 | Go Native API 提供 `SessionPool`，并建议多线程场景使用连接池。 |
| 批量写入 | 提供 `InsertTablet`、`InsertRecords`、`InsertTablets` 等批量写入接口。 |
| 查询 | 提供原始数据查询、聚合查询、SQL 查询等接口。 |
| 保留策略 | 支持 TTL 方向，需结合版本验证。 |
| 风险 | 设备树模型适合设备数据，但 OPS 的资源、指标、标签模型需要设计映射规则。 |
### 4.3 openGemini
| 项目 | 验证结论 |
| --- | --- |
| Linux/麒麟 | 官方文档列出主流 Linux、openEuler 等支持；麒麟需实测。 |
| CPU 架构 | 官方快速开始列出 x86-64 和 ARM-64 支持。 |
| Go 连接 | 内核使用 Go，生态接近 InfluxDB 协议；OPS 需验证 Go 客户端选型。 |
| 批量写入 | 支持 line protocol 风格写入，适合指标。 |
| 查询 | 支持类 InfluxQL 查询，适合时间范围和聚合。 |
| 保留策略 | 支持数据库、保留策略方向，需在版本中验证配置项。 |
| 风险 | 相比 TDengine 和 IoTDB，项目成熟度、企业支持和麒麟适配需要更谨慎验证。 |
## 5. 评分矩阵
分数为当前文档验证分，不替代现场压测。
| 维度 | 权重 | TDengine | Apache IoTDB | openGemini |
| --- | ---: | ---: | ---: | ---: |
| Linux/麒麟适配 | 20 | 18 | 14 | 14 |
| Go 接入成熟度 | 15 | 14 | 13 | 10 |
| 批量写入 | 15 | 14 | 13 | 12 |
| 范围查询与聚合 | 15 | 14 | 14 | 12 |
| 保留策略/降采样 | 10 | 8 | 8 | 8 |
| 运维和备份恢复 | 10 | 8 | 8 | 7 |
| 授权和交付风险 | 10 | 7 | 9 | 8 |
| 团队学习成本 | 5 | 4 | 3 | 4 |
| 总分 | 100 | 87 | 82 | 75 |
## 6. 选型结论
第 1 阶段已决策采用 TDengine 开源版。Apache IoTDB 和 openGemini 不作为首期实现目标，仅保留为后续替换或风险备选。
理由：
- TDengine 对 Linux、麒麟和多 CPU 架构的官方说明最贴近当前验收约束。
- TDengine Go 驱动与 `database/sql` 兼容，接入成本较低。
- Apache IoTDB 的设备树模型适合设备时序数据，但 OPS 需要额外设计资源和标签映射。
- openGemini 适合可观测性指标场景，但首期交付要降低成熟度和现场适配风险。
TDengine 开源版使用边界：
| 项目 | 结论 |
| --- | --- |
| 使用期限 | 开源版无固定到期时间；不是试用版授权。 |
| 许可证 | AGPL-3.0，需要进行开源合规确认。 |
| 商业支持 | 若院方要求原厂支持、国产系统认证或企业特性，需要另行评估企业版或商业支持。 |
| 技术路线 | 后端优先使用 TDengine Go WebSocket 连接路径，避免依赖官方已标记未来停用的原生或 REST 路径。 |
| 部署验证 | 必须在目标 Linux/麒麟版本上完成安装、写入、查询、保留策略、备份恢复和故障降级验证。 |
首期实现仍必须通过时序库适配层隔离 TDengine，避免业务逻辑直接依赖 TDengine SQL 方言，保留后续替换空间。
## 7. 适配层接口
后端建议定义最小接口：
| 方法 | 输入 | 输出 | 说明 |
| --- | --- | --- | --- |
| `WriteSamples` | 样本数组 | 写入结果 | 支持批量写入。 |
| `QueryRange` | 资源、指标、时间范围、标签 | 样本序列 | 用于资源详情趋势图。 |
| `QueryAggregate` | 资源、指标、时间范围、聚合窗口 | 聚合序列 | 用于报表和大屏。 |
| `CheckHealth` | 无 | 健康状态 | 用于部署烟测和自监控。 |
| `EnsureRetention` | 保留策略配置 | 执行结果 | 初始化或校验保留策略。 |
业务代码只依赖适配层，不直接拼接 TDengine 专有查询。
## 8. 验证计划
| 步骤 | 验证内容 | 通过标准 |
| --- | --- | --- |
| 1 | 在目标 Linux/麒麟环境安装 TDengine 开源版 | 服务可启动，端口和日志正常。 |
| 2 | 后端使用 Go 写入 10 万条样本 | 无明显错误，写入耗时可记录。 |
| 3 | 按 `resource_id + metric_code + 时间范围` 查询 | 返回正确序列，能映射回资源。 |
| 4 | 执行 1 分钟、5 分钟、1 小时聚合 | 聚合结果正确。 |
| 5 | 配置保留策略或 TTL | 过期策略可查询和验证。 |
| 6 | 执行备份恢复演练 | 恢复后样本可查。 |
| 7 | 权限验证 | 只读账号不能写入，写入账号不能管理系统配置。 |
| 8 | 故障验证 | 时序库不可用时，后端返回局部失败并记录 `traceId`。 |
## 9. 验收影响
| 功能 | 依赖时序库 | 降级策略 |
| --- | --- | --- |
| 资源详情趋势图 | 是 | 基本信息可见，趋势区显示局部错误。 |
| 首页资源健康 | 部分依赖 | 显示最近成功采集时间和数据过期提示。 |
| 告警阈值 | 是 | 采集失败转内部事件，不伪造阈值结果。 |
| 报表 | 是 | 异步失败可重试，保留失败原因。 |
| 大屏 | 是 | 单组件失败不影响整屏。 |
## 10. 未决项
| 未决项 | 当前处理 |
| --- | --- |
| AGPL 合规 | 需要项目、院方或法务确认开源版使用方式是否满足 AGPL-3.0 要求。 |
| 企业版需求 | 若验收要求原厂支持、认证或企业特性，需要商务和现场运维确认。 |
| 麒麟具体版本 | 验收环境确定后实测。 |
| 高可用部署 | 第 1 阶段可先单节点或小集群验证，正式上线前补 HA 方案。 |
| 压测指标 | `server/` 初始化后补写入吞吐、查询 p95/p99 和资源占用基线。 |

135
docs/本地开发与验收部署说明.md Normal file
View File

@@ -0,0 +1,135 @@
# OPS 本地开发与验收部署说明
## 1. 文档目标
本文区分本地开发、联调验收和 Linux/麒麟部署三类场景，避免把模板 README 直接作为交付部署手册。
当前仓库尚未初始化 `server/` 和 `web/`。后续实际工程创建后，应在对应目录补充更细的运行说明。
## 2. 场景边界
| 场景 | 目标 | 主要使用者 | 命令口径 |
| --- | --- | --- | --- |
| 本地开发 | 开发、调试、单元测试、接口联调 | 开发工程师 | Windows PowerShell |
| 联调验收 | 连接真实后端 API，准备演示数据和证据 | 交付工程师、测试人员 | Windows PowerShell 为主 |
| 生产或验收部署 | 在 Linux/麒麟内网环境部署服务 | 部署工程师 | 本文只写步骤和检查项，不写 Linux 命令示例 |
## 3. 本地开发目录
| 目录 | 职责 | 状态 |
| --- | --- | --- |
| `server/` | 实际后端工程，基于 `templates/server_sample/` 初始化 | 尚未创建 |
| `web/` | 实际前端工程，基于 `templates/front_sample/standard` 初始化 | 尚未创建 |
| `deploy/` | 部署、迁移、回滚、烟测说明和配置示例 | 已规划 |
| `docs/` | 需求、架构、验收和测试文档 | 已存在 |
模板目录默认只读，不作为最终交付目录。
## 4. 初始化实际工程
后端初始化：
```powershell
Copy-Item -LiteralPath .\templates\server_sample -Destination .\server -Recurse
```
前端初始化：
```powershell
Copy-Item -LiteralPath .\templates\front_sample\standard -Destination .\web -Recurse
```
初始化后需要检查：
| 检查项 | 要求 |
| --- | --- |
| 配置示例 | 只提交 `etc/*.example.yaml` 或 `.env.example`，不提交真实密码。 |
| 目录结构 | 后端延续 `cmd/`、`internal/config/`、`internal/logic/`、`internal/models/`、`internal/routers/`。 |
| 前端结构 | API 放入 `src/api/`，页面放入 `src/views/`，状态放入 Pinia。 |
| 模板引用 | 业务代码不直接写回 `templates/`。 |
## 5. 本地后端开发
常用命令：
```powershell
Set-Location .\server
go mod tidy
go test ./...
go vet ./...
gofmt -w .
go run .\cmd\main\main.go
```
迁移命令按实际 CLI 保留：
```powershell
Set-Location .\server
go run .\cmd\cli\main.go migrate
```
后端本地配置要求：
| 配置 | 要求 |
| --- | --- |
| PostgreSQL | 本地可使用开发库；测试不能用 mock 数据库。 |
| SQLite 内存库 | 仅用于后端测试，验证真实 SQL 行为。 |
| 时序数据库 | 使用 TDengine 开源版；本地和验收环境均通过适配层配置连接信息，不在代码中写死地址或凭据。 |
| 通知渠道 | 本地使用测试账号或受控沙箱，不能提交真实凭据。 |
| traceId | 所有接口和任务日志必须可关联。 |
## 6. 本地前端开发
常用命令：
```powershell
Set-Location .\web
pnpm install
pnpm dev
pnpm type:check
pnpm lint
pnpm build
```
前端联调要求：
| 项目 | 要求 |
| --- | --- |
| API 地址 | 通过本地配置读取，不写死到组件中。 |
| 状态覆盖 | 页面按 `docs/首期UI状态覆盖.md` 实现。 |
| mock 数据 | 只用于独立调试，验收必须连接真实后端 API。 |
| 文案 | 按模板 i18n 方式维护，不在组件中散落重复字符串。 |
## 7. Linux/麒麟验收部署检查项
部署说明放入 `deploy/README.md`。验收前必须确认：
| 检查项 | 要求 |
| --- | --- |
| 操作系统 | 明确 Linux 或麒麟版本、CPU 架构、补丁状态。 |
| 运行用户 | 后端、前端静态服务、数据库、时序库使用独立低权限账号。 |
| 网络策略 | 明确 Web 端口、API 端口、数据库端口、Trap/Syslog 接收端口和防火墙策略。 |
| 数据库 | PostgreSQL 版本、初始化库、备份路径、恢复演练方式。 |
| 时序库 | 选定产品版本、部署形态、保留策略、备份恢复方式。 |
| 配置 | 只使用现场配置文件，不把真实凭据提交进仓库。 |
| 日志 | 应用日志、审计日志、采集日志、通知日志有保存周期。 |
| 回滚 | 后端二进制、前端静态包、数据库迁移均有回滚方案。 |
| 烟测 | 登录、资源列表、告警列表、通知记录、工单流转、报表查询可验证。 |
## 8. 验收材料目录
```text
验收证据/
01-首页总览/
02-资源监控/
03-H3C网络设备/
04-告警闭环/
05-通知记录/
06-工单闭环/
07-报表大屏/
08-权限审计/
09-3D机房接口/
10-部署与烟测/
```
证据目录不要求当前仓库立即创建。正式验收时应保存截图、录像、接口响应、日志和数据库查询结果。

BIN
docs/源文件/菜单规划表3.0.xlsx Normal file
View File

Binary file not shown.

BIN
docs/源文件/西藏自治区人民医院信息系统硬件支撑平台升级改造项目_招标文件.pdf Normal file
View File

Binary file not shown.

189
docs/首期UI状态覆盖.md Normal file
View File

@@ -0,0 +1,189 @@
# OPS 首期 UI 状态覆盖
## 1. 文档目标
本文定义第 1 阶段前端页面必须覆盖的状态，避免只实现“有数据时的页面”。所有页面至少需要考虑加载、空态、错误、成功、部分成功、无权限、操作中、操作失败和数据过期状态。
本文用于指导 `web/src/views/`、`web/src/components/`、`web/src/api/` 和验收矩阵编写。
## 2. 通用状态定义
| 状态 | 含义 | 页面要求 |
| --- | --- | --- |
| 加载中 | 首次进入或刷新数据时接口未返回 | 使用骨架屏、表格加载或局部加载，不阻塞整个系统导航。 |
| 空态 | 接口成功但无数据 | 给出下一步动作，如新增、导入、配置采集或调整筛选。 |
| 错误 | 接口失败或后端返回错误码 | 显示失败原因、traceId 和重试入口。 |
| 成功 | 数据完整返回 | 显示主要数据、关键操作和更新时间。 |
| 部分成功 | 页面部分组件或部分接口失败 | 成功部分正常显示，失败组件显示局部错误，不整页崩溃。 |
| 无权限 | 用户无功能权限或数据权限 | 隐藏敏感数据，操作按钮禁用或不展示，保留必要说明。 |
| 操作中 | 用户提交确认、派单、关闭、导出等动作 | 按钮进入 loading，防止重复提交。 |
| 操作失败 | 用户动作失败 | 保留当前页面状态，显示失败原因和可恢复动作。 |
| 数据过期 | 数据不是最新或采集延迟 | 显示最近更新时间、最近成功采集时间和刷新入口。 |
通用交互要求：
- 所有错误提示必须带 `traceId`，便于后端排查。
- 删除、关闭、忽略、屏蔽、策略变更等动作必须二次确认。
- 表格页必须支持筛选条件保留、分页、刷新和空结果提示。
- 无权限不是错误；应区分“没有权限”和“接口失败”。
- 部分成功不能伪装成成功，必须提示哪些数据不可用。
## 3. 首页总览
| 状态 | 页面表现 | 验收点 |
| --- | --- | --- |
| 加载中 | 顶部指标、告警趋势、资源健康、网络状态分别显示骨架屏 | 首屏无明显闪烁，组件独立加载。 |
| 空态 | 未接入资源时显示接入资源、配置采集、导入样例数据入口 | 不显示假数据。 |
| 错误 | 总览接口失败时显示错误摘要和重试按钮 | 可复制 traceId。 |
| 成功 | 显示待处理告警、资源总数、健康度、告警趋势、网络状态 | 数据来自真实接口。 |
| 部分成功 | 某一组件失败时仅该组件显示失败，其余组件正常 | 例如告警趋势失败不影响资源健康。 |
| 无权限 | 隐藏无权限模块，显示可访问模块 | 数据权限生效。 |
| 数据过期 | 显示最近刷新时间和采集延迟提示 | 采集失败不被隐藏。 |
## 4. 综合监控
### 4.1 资源列表
| 状态 | 页面表现 | 验收点 |
| --- | --- | --- |
| 加载中 | 表格加载，筛选区可见但禁用提交 | 避免重复请求。 |
| 空态 | 显示新增资源、导入资源、自动发现入口 | 空态能引导首批资源接入。 |
| 错误 | 查询失败时保留筛选条件并允许重试 | 不清空用户筛选。 |
| 成功 | 显示资源名称、类型、IP、业务系统、采集状态、最高告警级别 | H3C/华三设备可识别厂商和型号。 |
| 部分成功 | 资源信息可见但实时指标缺失时标注“指标暂不可用” | 不把指标缺失当资源不存在。 |
| 无权限 | 只展示数据权限内资源 | 越权资源不可见。 |
| 数据过期 | 显示最近成功采集时间和失败原因 | 采集失败可追踪。 |
### 4.2 资源详情
| 状态 | 页面表现 | 验收点 |
| --- | --- | --- |
| 加载中 | 基本信息、指标趋势、告警、采集任务分区加载 | 局部加载不阻塞页面。 |
| 空态 | 无指标时提示绑定模板或配置采集任务 | 有明确下一步。 |
| 错误 | 某类指标查询失败时显示局部错误 | 基本信息仍可查看。 |
| 成功 | 展示指标趋势、采集任务、关联告警、业务系统、资产位置 | 时序指标来自时序数据库。 |
| 部分成功 | 部分指标或接口流量缺失时标记缺失项 | 不影响其他指标。 |
| 无权限 | 无权查看敏感指标时隐藏具体值 | 权限提示清楚。 |
| 数据过期 | 显示最近采集成功时间、当前采集状态 | 支持手动刷新。 |
## 5. 告警中心
### 5.1 实时告警
| 状态 | 页面表现 | 验收点 |
| --- | --- | --- |
| 加载中 | 告警列表 loading，筛选条件可见 | 不阻塞导航。 |
| 空态 | 显示“暂无待处理告警”，提供查看历史告警入口 | 不用假告警填充。 |
| 错误 | 查询失败时显示错误、traceId、重试 | 可定位后端问题。 |
| 成功 | 显示级别、资源、业务系统、摘要、首次触发、最近触发、状态、处理动作 | 告警与资源、业务系统连通。 |
| 部分成功 | 告警可见但资源详情缺失时标注“资源上下文不可用” | 告警不因上下文失败而消失。 |
| 无权限 | 无权确认、忽略、派单时禁用按钮 | 权限边界清楚。 |
| 操作中 | 确认、忽略、派单按钮 loading | 防止重复提交。 |
| 操作失败 | 保留告警原状态，显示失败原因 | 不乐观修改为成功。 |
### 5.2 告警详情
| 状态 | 页面表现 | 验收点 |
| --- | --- | --- |
| 成功 | 展示原始事件、规则命中、降噪命中、通知记录、关联事件、工单、审计 | 能证明告警链路。 |
| 部分成功 | 通知记录或工单记录加载失败时局部提示 | 主告警仍可处理。 |
| 数据过期 | 提示告警最近更新时间和恢复判断时间 | 避免误判当前状态。 |
### 5.3 策略与模板
| 状态 | 页面表现 | 验收点 |
| --- | --- | --- |
| 空态 | 无策略时提供创建阈值规则、Trap 规则、通知策略入口 | 能从空系统开始配置。 |
| 错误 | 规则校验失败时定位到字段 | 不允许保存无效规则。 |
| 成功 | 策略列表显示作用范围、状态、最近命中次数 | 规则可管理。 |
| 无权限 | 无权编辑策略时只读展示 | 变更权限受控。 |
## 6. 通知中心
| 状态 | 页面表现 | 验收点 |
| --- | --- | --- |
| 加载中 | 通知记录列表加载 | 保留筛选条件。 |
| 空态 | 无通知记录时提示先配置告警通知策略 | 引导明确。 |
| 错误 | 查询发送记录失败时显示重试 | 可查看 traceId。 |
| 成功 | 显示站内消息、短信、邮件的发送状态、接收人、失败原因 | 三类优先渠道可验证。 |
| 部分成功 | 某渠道失败时显示局部失败，不影响其他渠道 | 通知失败不阻塞告警处理。 |
| 操作失败 | 手动重发失败时显示渠道返回原因 | 可再次重试。 |
## 7. 工单管理
| 状态 | 页面表现 | 验收点 |
| --- | --- | --- |
| 加载中 | 工单列表 loading | 可保留筛选条件。 |
| 空态 | 无工单时提供手动创建工单入口 | 不影响告警列表。 |
| 错误 | 查询失败或流转失败显示原因 | 工单状态不被错误更新。 |
| 成功 | 展示工单编号、来源、资源、处理人、状态、优先级、更新时间 | 告警工单能回链告警。 |
| 部分成功 | 关联告警或资源加载失败时局部提示 | 工单主体仍可处理。 |
| 无权限 | 无权接单、转交、关闭时按钮禁用 | 数据权限和功能权限生效。 |
| 操作中 | 接单、转交、挂起、关闭按钮 loading | 防重复提交。 |
| 操作失败 | 并发关闭、无权限、状态非法时提示具体原因 | 状态机约束可见。 |
## 8. 报表管理
| 状态 | 页面表现 | 验收点 |
| --- | --- | --- |
| 加载中 | 报表生成进度或图表加载 | 大范围查询不阻塞页面。 |
| 空态 | 时间范围无数据时提示调整条件 | 不显示 0 值假图。 |
| 错误 | 生成失败时显示原因和重试 | 支持 traceId。 |
| 成功 | 可查看并导出 TopN、故障、服务器、网络设备报表 | 数据来自指标、告警、工单真实记录。 |
| 部分成功 | 部分图表无数据或失败时局部提示 | 报表整体可读。 |
| 无权限 | 不展示无权限资源和敏感字段 | 导出也受权限控制。 |
| 数据过期 | 显示报表生成时间和数据截止时间 | 避免误解为实时数据。 |
## 9. 可视化大屏
| 状态 | 页面表现 | 验收点 |
| --- | --- | --- |
| 加载中 | 大屏组件分区加载 | 不整屏空白。 |
| 空态 | 未配置大屏时提供创建或选择模板入口 | 首次使用可继续。 |
| 错误 | 某组件失败显示局部错误 | 不影响其他组件轮播。 |
| 成功 | 展示资源健康、实时告警、接口流量、业务状态、拓扑入口 | 数据来自后端。 |
| 部分成功 | 某数据源失败时显示降级提示 | 不用静态图冒充。 |
| 无权限 | 隐藏无权限业务或资源 | 大屏权限生效。 |
| 数据过期 | 显示最后刷新时间 | 可手动刷新。 |
## 10. 业务系统视图
| 状态 | 页面表现 | 验收点 |
| --- | --- | --- |
| 空态 | 无业务系统时提供创建业务系统入口 | 支持 HIS/LIS/PACS/EMR 建模。 |
| 成功 | 展示业务健康、关联资源、告警、影响范围、时间轴、文档 | 业务视图与资源/告警连通。 |
| 部分成功 | 拓扑或时间轴失败时局部提示 | 业务基础信息可见。 |
| 无权限 | 无权业务系统不可见 | 数据权限隔离。 |
## 11. 3D 机房后端接口页面
第 1 阶段 OPS 不交付 3D 前端，但需要提供后端接口和接口验证页面或接口文档。
| 状态 | 页面表现 | 验收点 |
| --- | --- | --- |
| 空态 | 未导入真实机柜数据时返回样例数据或空层级提示 | 不阻塞接口联调。 |
| 成功 | 返回数据中心、机房、机柜、U 位、设备、告警状态 | 外包前端可消费。 |
| 部分成功 | 设备资产未绑定监控资源时标注未绑定 | 不影响机柜结构展示。 |
| 无权限 | 无权机房或机柜不返回 | 权限生效。 |
| 数据过期 | 返回数据更新时间 | 外包前端可展示刷新状态。 |
## 12. 用户权限与系统管理
| 状态 | 页面表现 | 验收点 |
| --- | --- | --- |
| 空态 | 无角色、无用户组时提供创建入口 | 可从空系统初始化。 |
| 错误 | 保存权限失败时显示字段级错误 | 不保存半成品。 |
| 成功 | 用户、角色、数据权限、字典、参数可维护 | 权限变更写审计。 |
| 无权限 | 非管理员不可访问或只读 | 管理入口受控。 |
| 操作失败 | 删除被引用角色、停用当前用户等操作被拦截 | 规则清晰。 |
## 13. 全局验收清单
- [ ] 每个页面都有加载、空态、错误、成功、部分成功、无权限状态。
- [ ] 告警、工单、策略等关键操作有操作中、操作成功、操作失败反馈。
- [ ] 所有错误反馈包含 `traceId`。
- [ ] 部分成功不会导致整页不可用。
- [ ] 无权限状态不泄露敏感资源名称、IP、业务系统信息。
- [ ] 数据过期时显示最近更新时间或最近成功采集时间。
- [ ] 报表和大屏不使用静态展示数据作为验收依据。
- [ ] 移动端适配至少保证核心列表、详情、确认/派单动作可用；不要求独立移动端应用。

404
docs/首期数据模型与状态机.md Normal file
View File

@@ -0,0 +1,404 @@
# OPS 首期数据模型与状态机
## 1. 文档目标
本文用于固定第 1 阶段编码前的核心后端规格，覆盖资源监控、采集、时序指标、原始事件、告警、事件、通知、工单、审计和 3D 机房后端接口所需的最小数据模型与状态机。
本文不替代数据库迁移脚本。后续实现时，应以本文作为 `server/internal/models/`、`server/internal/logic/` 和接口设计的依据。
## 2. 范围边界
第 1 阶段必须覆盖：
- 主机、H3C/华三网络设备、数据库、虚拟化、URL/API 至少各一类样例资源。
- 指标采集、Syslog、SNMP Trap、URL/API 探测、采集失败事件。
- 告警去重、压缩或归并、屏蔽、抑制、确认、忽略、恢复、派单。
- 平台站内消息、短信、邮件三类通知。
- 工单创建、接单、转交、撤回、挂起、重启、关闭。
- 报表、大屏、审计能追踪完整故障闭环。
- 外包 3D 机房前端所需的数据中心、机房、机柜、U 位、设备和告警状态接口模型。
第 1 阶段不覆盖：
- 所有厂商全量适配。
- 老运维平台迁移或集成。
- 3D 机房前端实现。
- 完整 IPAM、复杂拓扑编辑、全量资产审核流程。
## 3. 存储分工
| 存储 | 数据范围 | 说明 |
| --- | --- | --- |
| PostgreSQL | 资源、业务系统、资产、采集任务、规则、告警、事件、工单、通知、权限、审计、报表配置 | 事务数据主库，保证一致性和审计。 |
| TDengine 开源版 | 指标样本、探测样本、接口流量、采集健康度、容量和性能趋势 | 第 1 阶段选定的时序数据库。后端通过适配层访问，避免业务逻辑直接依赖 TDengine SQL 方言。 |
| 文件或对象存储 | 报表导出、附件、截图、录像、大屏快照 | 第 1 阶段可先使用本地文件存储，接口保留替换能力。 |
设计原则：
- PostgreSQL 保存资源和指标定义，时序数据库保存样本值。
- 所有时序数据必须能通过 `resource_id`、`metric_code`、时间范围回查到资源上下文。
- 告警、事件、工单状态变化必须写审计日志。
- 真实凭据不落业务表明文，只保存凭据引用和脱敏描述。
## 4. 通用字段
核心业务表建议统一包含：
| 字段 | 类型建议 | 说明 |
| --- | --- | --- |
| `id` | UUID 或雪花 ID | 主键。 |
| `tenant_id` | string | 单院区可固定，保留多租户或多院区扩展。 |
| `created_at` | timestamp | 创建时间。 |
| `updated_at` | timestamp | 更新时间。 |
| `created_by` | string | 创建人。 |
| `updated_by` | string | 更新人。 |
| `deleted_at` | timestamp nullable | 软删除时间，需要保留审计的表不做物理删除。 |
| `version` | integer | 乐观锁版本，用于工单、规则等并发修改。 |
审计相关表必须额外保留：
| 字段 | 说明 |
| --- | --- |
| `trace_id` | 请求链路 ID。 |
| `operator_id` | 操作人。 |
| `operator_name` | 操作人快照。 |
| `source_ip` | 操作来源 IP。 |
| `before_json` | 变更前快照，敏感字段脱敏。 |
| `after_json` | 变更后快照，敏感字段脱敏。 |
## 5. 资源与资产模型
### 5.1 核心表
| 表名 | 职责 | 关键字段 |
| --- | --- | --- |
| `business_systems` | 业务系统，如 HIS、LIS、PACS、EMR | `name`、`code`、`level`、`network_zone`、`owner_org_id`、`owner_user_id`、`description` |
| `resource_types` | 资源类型和默认模板 | `code`、`name`、`category`、`vendor`、`default_metric_template_id`、`icon` |
| `resources` | 统一监控资源 | `name`、`resource_type_id`、`vendor`、`model`、`ip`、`hostname`、`business_system_id`、`owner_org_id`、`owner_user_id`、`asset_id`、`status`、`collect_status` |
| `resource_relations` | 资源依赖关系 | `source_resource_id`、`target_resource_id`、`relation_type`、`description` |
| `metric_definitions` | 指标定义 | `resource_type_id`、`metric_code`、`metric_name`、`unit`、`value_type`、`default_interval_seconds`、`threshold_hint` |
| `metric_series` | 时序指标序列映射 | `resource_id`、`metric_definition_id`、`metric_code`、`tsdb_name`、`series_key`、`labels_json`、`retention_policy` |
| `credentials` | 凭据引用 | `name`、`type`、`secret_ref`、`masked_summary`、`owner_org_id`、`status` |
### 5.2 资产与 3D 机房接口模型
| 表名 | 职责 | 关键字段 |
| --- | --- | --- |
| `data_centers` | 数据中心 | `name`、`province`、`city`、`address`、`status` |
| `rooms` | 机房 | `data_center_id`、`name`、`floor`、`status` |
| `racks` | 机柜 | `room_id`、`name`、`code`、`total_u`、`row_no`、`column_no`、`x`、`y`、`z`、`status` |
| `rack_units` | U 位占用 | `rack_id`、`u_no`、`resource_id`、`asset_id`、`occupy_height`、`status` |
| `assets` | 资产台账 | `asset_no`、`name`、`vendor`、`model`、`serial_no`、`resource_id`、`rack_id`、`status` |
3D 机房前端接口至少需要返回：
- 数据中心、机房、机柜层级。
- 机柜坐标、容量、已占用 U 位、剩余 U 位。
- 设备与资源绑定关系。
- 设备健康状态、最高告警级别、未恢复告警数量。
- 数据更新时间和权限过滤结果。
### 5.3 资源状态
| 状态码 | 中文名 | 说明 |
| --- | --- | --- |
| `draft` | 草稿 | 已录入但未启用采集。 |
| `active` | 运行中 | 正常纳管，可采集、可触发告警。 |
| `disabled` | 已停用 | 暂停采集，不产生新告警。 |
| `maintenance` | 维护中 | 可采集，但默认抑制或降级告警。 |
| `decommissioned` | 已退役 | 不再采集，仅保留历史和审计。 |
合法流转：
```text
草稿 -> 运行中
运行中 -> 维护中 -> 运行中
运行中 -> 已停用 -> 运行中
运行中 -> 已退役
已停用 -> 已退役
```
非法流转：
- 已退役资源不能直接恢复为运行中，必须重新建档或走恢复审批。
- 已停用资源不能生成新的业务告警，但可以生成配置或审计事件。
## 6. 采集与时序模型
### 6.1 采集任务表
| 表名 | 职责 | 关键字段 |
| --- | --- | --- |
| `collector_tasks` | 采集任务定义 | `resource_id`、`collector_type`、`protocol`、`credential_id`、`schedule_cron`、`interval_seconds`、`timeout_seconds`、`retry_limit`、`status` |
| `collector_runs` | 采集执行记录 | `task_id`、`started_at`、`finished_at`、`run_status`、`success_count`、`failed_count`、`error_code`、`error_message` |
| `discovery_tasks` | 自动发现任务 | `name`、`scan_range`、`protocols`、`credential_id`、`schedule_cron`、`status` |
| `probe_targets` | URL/API/端口探测目标 | `resource_id`、`target_url`、`method`、`expected_status`、`timeout_seconds`、`status` |
### 6.2 时序样本逻辑结构
时序库中的指标样本必须至少包含：
| 字段 | 说明 |
| --- | --- |
| `ts` | 样本时间。 |
| `resource_id` | 资源 ID。 |
| `resource_type` | 资源类型编码。 |
| `metric_code` | 指标编码。 |
| `value` | 指标值。 |
| `unit` | 单位。 |
| `labels` | 标签，如接口名、磁盘分区、数据库实例名。 |
| `quality` | 样本质量：正常、缺失、估算、异常。 |
| `collector_task_id` | 采集任务 ID。 |
### 6.3 采集任务状态
任务配置状态：
```text
草稿 -> 已启用 -> 已停用
已启用 -> 已停用 -> 已启用
已启用 -> 已删除
已停用 -> 已删除
```
单次执行状态：
```text
待执行 -> 执行中 -> 成功
待执行 -> 执行中 -> 部分成功
待执行 -> 执行中 -> 失败
执行中 -> 超时
```
规则：
- 连续失败达到阈值时，必须生成平台内部原始事件。
- 部分成功必须记录缺失指标，不允许只显示成功。
- 凭据错误、设备不可达、协议超时需要区分错误码。
## 7. 事件与告警模型
### 7.1 核心表
| 表名 | 职责 | 关键字段 |
| --- | --- | --- |
| `raw_events` | 原始事件 | `source_type`、`source_id`、`resource_id`、`event_key`、`occurred_at`、`severity`、`title`、`message`、`payload_json`、`parse_status` |
| `alert_rules` | 告警规则 | `name`、`scope_type`、`scope_id`、`metric_code`、`condition_expr`、`duration_seconds`、`recover_expr`、`severity`、`status` |
| `alerts` | 告警实例 | `alert_key`、`resource_id`、`rule_id`、`first_seen_at`、`last_seen_at`、`recovered_at`、`severity`、`status`、`summary` |
| `incidents` | 归并事件 | `incident_no`、`title`、`severity`、`status`、`owner_user_id`、`business_system_id`、`opened_at`、`closed_at` |
| `incident_alerts` | 事件与告警关联 | `incident_id`、`alert_id`、`relation_type` |
| `silence_policies` | 屏蔽策略 | `name`、`scope_type`、`scope_id`、`start_at`、`end_at`、`reason`、`status` |
| `dedup_rules` | 去重规则 | `name`、`match_expr`、`dedup_window_seconds`、`status` |
| `correlation_rules` | 关联/压缩/抑制规则 | `name`、`match_expr`、`action`、`priority`、`status` |
| `escalation_policies` | 升级策略 | `name`、`severity`、`timeout_minutes`、`next_target_type`、`next_target_id`、`status` |
### 7.2 原始事件状态
| 状态码 | 中文名 | 说明 |
| --- | --- | --- |
| `received` | 已接收 | 原始数据已入库。 |
| `parsed` | 已解析 | 已识别资源、级别、事件键。 |
| `unparsed` | 未解析 | 字典或规则不匹配。 |
| `suppressed` | 已抑制 | 命中屏蔽、依赖或抑制规则。 |
| `converted` | 已转告警 | 已生成或更新告警。 |
| `archived` | 已归档 | 不再参与处理。 |
合法流转：
```text
已接收 -> 已解析 -> 已转告警
已接收 -> 未解析 -> 已解析 -> 已转告警
已解析 -> 已抑制 -> 已归档
已转告警 -> 已归档
未解析 -> 已归档
```
规则：
- 未解析 Trap/Syslog 不能直接丢弃，必须可查询、可补规则重放。
- 已抑制事件必须记录命中的策略 ID。
### 7.3 告警状态机
| 状态码 | 中文名 | 说明 |
| --- | --- | --- |
| `firing` | 触发中 | 当前异常仍存在。 |
| `acknowledged` | 已确认 | 值班人员已接手，但异常未恢复。 |
| `ignored` | 已忽略 | 经人工判断无需处理。 |
| `recovered` | 已恢复 | 恢复条件满足或收到恢复事件。 |
| `expired` | 已失效 | 长时间未刷新且无法确认恢复。 |
合法流转：
```text
触发中 -> 已确认 -> 已恢复
触发中 -> 已忽略
触发中 -> 已恢复
触发中 -> 已失效
已确认 -> 已恢复
已确认 -> 已忽略
已确认 -> 已失效
```
非法流转：
- 已恢复告警不能重新变为触发中；同一资源同一规则再次异常时，应创建或激活新的告警周期。
- 已忽略告警不能自动派单。
- 已失效告警不能再确认，只能作为历史查看。
### 7.4 事件状态机
| 状态码 | 中文名 | 说明 |
| --- | --- | --- |
| `open` | 待处理 | 已创建事件，尚未分派。 |
| `assigned` | 已分派 | 已指定处理人或处理组。 |
| `in_progress` | 处理中 | 处理人已开始处理。 |
| `suspended` | 已挂起 | 等待外部条件或人工决策。 |
| `resolved` | 已解决 | 技术处理完成，等待关闭确认。 |
| `closed` | 已关闭 | 闭环完成。 |
合法流转：
```text
待处理 -> 已分派 -> 处理中 -> 已解决 -> 已关闭
处理中 -> 已挂起 -> 处理中
已分派 -> 待处理
已解决 -> 处理中
```
非法流转：
- 已关闭事件不能回到处理中。
- 未关联告警或资源的事件不能进入已关闭。
- 已解决事件若关联告警再次触发，应退回处理中或新建事件，不能静默覆盖。
## 8. 通知模型
### 8.1 核心表
| 表名 | 职责 | 关键字段 |
| --- | --- | --- |
| `notification_policies` | 通知策略 | `name`、`scope_type`、`severity`、`channels`、`receiver_expr`、`status` |
| `notification_templates` | 通知模板 | `channel`、`title_template`、`content_template`、`variables_json`、`status` |
| `notification_records` | 通知发送记录 | `channel`、`alert_id`、`incident_id`、`receiver`、`send_status`、`retry_count`、`error_message`、`sent_at` |
第 1 阶段通知渠道：
- 平台站内消息。
- 短信。
- 邮件。
### 8.2 通知状态机
```text
待发送 -> 发送中 -> 已发送
待发送 -> 发送中 -> 失败 -> 待重试 -> 发送中
失败 -> 已取消
待重试 -> 已取消
```
规则：
- 任何通知失败都不能阻断告警和工单状态流转。
- 通知失败必须可见、可重试、可审计。
- 短信和邮件必须记录第三方返回码或失败原因。
## 9. 工单模型
### 9.1 核心表
| 表名 | 职责 | 关键字段 |
| --- | --- | --- |
| `tickets` | 工单 | `ticket_no`、`title`、`source_type`、`source_id`、`alert_id`、`incident_id`、`resource_id`、`assignee_id`、`status`、`priority`、`closed_at` |
| `ticket_transitions` | 工单流转记录 | `ticket_id`、`from_status`、`to_status`、`operator_id`、`reason`、`created_at` |
| `ticket_comments` | 工单处理记录 | `ticket_id`、`comment_type`、`content`、`attachments_json`、`created_by` |
| `ticket_sla_records` | 工单时效记录 | `ticket_id`、`accepted_at`、`first_response_at`、`resolved_at`、`closed_at`、`overdue_flag` |
### 9.2 工单状态机
| 状态码 | 中文名 | 说明 |
| --- | --- | --- |
| `created` | 已创建 | 工单已生成，等待接单。 |
| `accepted` | 已接单 | 处理人已接收。 |
| `in_progress` | 处理中 | 正在处理。 |
| `transferred` | 已转交 | 转给其他处理人或处理组。 |
| `suspended` | 已挂起 | 暂停处理，等待外部条件。 |
| `restarted` | 已重启 | 从挂起恢复。 |
| `withdrawn` | 已撤回 | 创建方撤回或确认无需处理。 |
| `closed` | 已关闭 | 处理完成并关闭。 |
合法流转：
```text
已创建 -> 已接单 -> 处理中 -> 已关闭
已创建 -> 已撤回
已接单 -> 已转交 -> 已接单
处理中 -> 已转交 -> 已接单
处理中 -> 已挂起 -> 已重启 -> 处理中
已接单 -> 已关闭
```
非法流转：
- 已关闭工单不能转交、撤回或挂起。
- 已撤回工单不能重新接单，只能新建工单。
- 同一告警不能重复自动创建多个未关闭工单。
- 无权限用户不能关闭、转交或撤回工单。
## 10. 权限与审计模型
| 表名 | 职责 | 关键字段 |
| --- | --- | --- |
| `organizations` | 组织部门 | `name`、`parent_id`、`status` |
| `users` | 用户 | `username`、`display_name`、`org_id`、`status` |
| `roles` | 角色 | `name`、`code`、`status` |
| `user_roles` | 用户角色 | `user_id`、`role_id` |
| `role_permissions` | 功能权限 | `role_id`、`permission_code` |
| `data_scopes` | 数据权限 | `subject_type`、`subject_id`、`scope_type`、`scope_expr` |
| `audit_logs` | 审计日志 | `action`、`object_type`、`object_id`、`operator_id`、`trace_id`、`before_json`、`after_json` |
必须审计的动作：
- 资源新增、修改、停用、退役。
- 凭据引用变更。
- 告警确认、忽略、派单、恢复、失效。
- 屏蔽、抑制、升级、通知策略变更。
- 工单接单、转交、撤回、挂起、重启、关闭。
- 权限、角色、数据权限变更。
- 报表导出和敏感数据查看。
## 11. 核心关系
```mermaid
erDiagram
BUSINESS_SYSTEMS ||--o{ RESOURCES : contains
RESOURCE_TYPES ||--o{ RESOURCES : classifies
RESOURCES ||--o{ METRIC_SERIES : emits
METRIC_DEFINITIONS ||--o{ METRIC_SERIES : defines
RESOURCES ||--o{ COLLECTOR_TASKS : collected_by
COLLECTOR_TASKS ||--o{ COLLECTOR_RUNS : runs
RESOURCES ||--o{ RAW_EVENTS : produces
RAW_EVENTS ||--o{ ALERTS : converts_to
ALERT_RULES ||--o{ ALERTS : triggers
INCIDENTS ||--o{ INCIDENT_ALERTS : groups
ALERTS ||--o{ INCIDENT_ALERTS : grouped_by
INCIDENTS ||--o{ TICKETS : handled_by
ALERTS ||--o{ TICKETS : may_create
ALERTS ||--o{ NOTIFICATION_RECORDS : notifies
INCIDENTS ||--o{ NOTIFICATION_RECORDS : notifies
DATA_CENTERS ||--o{ ROOMS : contains
ROOMS ||--o{ RACKS : contains
RACKS ||--o{ RACK_UNITS : contains
RESOURCES ||--o| ASSETS : binds
ASSETS ||--o{ RACK_UNITS : occupies
```
## 12. 编码前检查清单
- [ ] PostgreSQL 表结构与本文核心表一一对应。
- [ ] 时序数据库选型完成，并定义 `resource_id + metric_code + ts` 查询方式。
- [ ] 告警、事件、工单状态机在后端集中定义，不在前端自行拼状态。
- [ ] 所有状态变化写入 `audit_logs` 或对应流转记录。
- [ ] 采集失败、通知失败、自动派单失败均能产生可见错误和审计记录。
- [ ] 3D 机房接口不依赖真实现场台账即可返回样例数据。
- [ ] API 响应统一包含 `code`、`message`、`traceId`，错误场景包含可操作建议。

144
docs/首期验收矩阵.md Normal file
View File

@@ -0,0 +1,144 @@
# OPS 首期验收矩阵
## 1. 文档目标
本文根据 `docs/integrated-ops-platform-requirements.md`、`docs/integrated-ops-platform-blueprint-design.md`、`docs/首期数据模型与状态机.md` 和 `docs/首期UI状态覆盖.md` 编写，用于把 OPS-001 至 OPS-033 的需求落实到验收阶段、演示路径、数据准备、通过标准和证据要求。
首期验收重点不是证明所有模块已经全量完成，而是证明平台主线已经跑通：
```text
资源纳管 -> 指标 / Syslog / SNMP Trap / URL/API 探测 -> 原始事件 -> 告警 -> 通知 -> 确认 / 派单 -> 工单关闭 -> 报表 / 大屏 / 审计追踪
```
## 2. 阶段口径
| 阶段 | 验收口径 |
| --- | --- |
| 第 0 阶段 | 现场确认、样例资源、账号权限、部署环境、通知渠道、验收数据准备。 |
| 第 1 阶段 | 首期必须可演示、可闭环、可出证据的核心范围。 |
| 第 2 阶段 | 蓝图必备但不阻塞首期闭环；首期只验收接口预留、数据模型或样例能力。 |
| 第 3 阶段 | 运营治理和智能化增强；首期只验收规划口径，不作为功能通过项。 |
## 3. 通用验收前提
- 现场设备优先按 H3C/华三网络设备准备样例。
- 站内消息、短信、邮件为首期优先打通通知渠道。
- 3D 机房前端已外包，OPS 首期只验收后端接口和样例数据。
- 老运维平台首期不迁移、不集成，只保留后续迁移评估入口。
- 本地开发命令使用 Windows PowerShell；验收部署目标为 Linux/麒麟。
- 指标样本应进入选定时序数据库或其适配层，事务数据进入 PostgreSQL。
- “模拟 Trap、模拟 Syslog、可控 URL/API 故障”是否可作为正式验收手段仍需院方确认；确认前在矩阵中按“可控样例/待确认”处理。
## 4. 证据要求
每个验收项至少保留以下证据之一：
| 证据类型 | 要求 |
| --- | --- |
| 截图 | 页面全屏截图，包含时间、资源名称、状态或操作结果。 |
| 录像 | 端到端闭环建议录屏，覆盖触发、通知、确认、派单、关闭、报表。 |
| 导出文件 | 报表、告警导出、工单导出需保留原始文件。 |
| 接口响应 | 后端接口验收需保留请求参数、响应 JSON、HTTP 状态码和 `traceId`。 |
| 日志 | 采集、告警、通知、工单、权限、审计相关日志需能按 `traceId` 查询。 |
| 数据库记录 | 必要时保留 PostgreSQL 关键记录和时序库查询结果截图或导出。 |
## 5. OPS 验收矩阵
| 编号 | 能力 | 阶段 | 演示路径 | 数据准备 | 通过标准 | 证据 |
| --- | --- | --- | --- | --- | --- | --- |
| OPS-001 | 首页总览 | 第 1 阶段 | 登录首页，查看待处理告警、资源总览、告警趋势、网络状态；调整总览模块配置并保存。 | 至少准备主机、H3C/华三网络设备、数据库、URL/API 样例资源；准备 1 条未恢复告警。 | 首页数据来自后端真实记录；模块配置保存后刷新仍生效；空态、加载、错误、无权限状态可演示。 | 首页截图、模块配置前后截图、接口响应。 |
| OPS-002 | 操作系统监控 | 第 1 阶段 | 纳管一台主机，查看 CPU、内存、磁盘、网卡、流量、日志或 Syslog；触发阈值告警。 | 主机账号或采集代理；CPU/磁盘阈值规则；时序库写入样例。 | 指标趋势可查；采集状态可见；异常能生成告警并进入告警中心。 | 资源详情截图、时序查询结果、告警截图。 |
| OPS-003 | 服务器硬件监控 | 第 2 阶段，首期样例或预留 | 接入可用物理服务器或提供硬件健康样例接口，展示电压、电流、温度、风扇等字段。 | 现场服务器如短期不可接入，准备样例数据和资源类型模板。 | 首期至少完成模型、接口和页面位置预留；若现场设备可用，则展示真实硬件健康数据。 | 接口响应、资源类型模板截图、样例页面截图。 |
| OPS-004 | 网络设备监控 | 第 1 阶段 | 接入 H3C/华三网络设备，展示接口状态、接口流量、ARP/路由/转发表样例；接收 Trap 或 Syslog 生成告警。 | H3C/华三设备型号、SNMP 版本、OID、Trap 字典、Syslog 样例、账号权限。 | H3C/华三样例设备可被识别；接口状态和流量可查；Trap/Syslog 能关联资源并生成告警。 | 设备详情截图、Trap/Syslog 原始事件、告警详情、接口响应。 |
| OPS-005 | 安全设备监控 | 第 2 阶段，首期样例或预留 | 展示安全设备资源类型、CPU、内存、接口状态和历史报表样例。 | 安全设备样例或模拟资源；指标定义。 | 首期完成资源类型、指标定义和接口预留；实际接入按现场设备顺延。 | 指标定义截图、接口响应、样例报表。 |
| OPS-006 | 存储监控 | 第 2 阶段，首期样例或预留 | 展示存储资源类型、容量、控制器、磁盘、端口状态样例。 | 存储设备型号或样例数据；指标定义。 | 首期完成模型与页面入口预留；若现场存储可接入，则展示真实容量和健康状态。 | 资源类型截图、样例趋势图、接口响应。 |
| OPS-007 | 数据库监控 | 第 1 阶段 | 接入一个数据库实例，展示连通性、表空间或连接数、SQL TOP 样例、自定义 SQL 监控结果。 | 测试数据库账号；自定义 SQL；阈值规则。 | 数据库状态可采集；自定义 SQL 可执行并入库；异常可触发告警。 | 数据库详情截图、自定义 SQL 配置、告警截图。 |
| OPS-008 | 中间件监控 | 第 2 阶段，首期样例或预留 | 展示 Tomcat、WebLogic、MQ 或国产中间件监控样例。 | 现场中间件类型待确认；可准备 Tomcat 样例。 | 首期至少完成资源类型、指标模板和接口预留；现场类型确认后再接入。 | 模板截图、样例接口响应、页面入口截图。 |
| OPS-009 | 虚拟化监控 | 第 1 阶段样例 | 接入或配置虚拟化样例，展示宿主机、虚拟机、CPU、内存、磁盘、开关机状态。 | 虚拟化平台测试账号或可控样例数据。 | 虚拟化资源可在综合监控中查看；虚拟机状态变化可刷新；异常可关联告警。 | 虚拟化资源截图、接口响应、告警截图。 |
| OPS-010 | 日志与 Trap 监控 | 第 1 阶段 | 接收 H3C/华三或样例设备 Syslog、SNMP Trap；配置 Trap 字典、OID 描述、规则、屏蔽策略。 | H3C/华三 Trap/Syslog 样例；模拟方式需院方确认。 | 原始事件可查；解析成功和未解析状态可见；规则命中后生成告警；屏蔽策略生效并留审计。 | 原始事件列表、规则配置截图、告警详情、审计日志。 |
| OPS-011 | URL 与业务可用性监控 | 第 1 阶段 | 配置 URL/API 探测，模拟 5xx、超时或断连，触发可用性告警。 | 可控 URL/API；探测周期；响应码规则。 | 可用性、响应时间、状态码进入时序库；异常能生成告警并恢复；待确认是否允许模拟故障作为正式验收。 | 探测配置截图、趋势图、告警和恢复记录。 |
| OPS-012 | 动环与安全环境监控 | 第 2 阶段，首期预留 | 展示动环资源类型、温湿度、UPS、门禁等模型与接口预留。 | 动环设备短期不作为首期硬依赖；准备样例资源。 | 首期不要求真实动环接入；需证明数据模型可关联数据中心、机房、告警。 | 模型文档、接口响应、样例页面。 |
| OPS-013 | 网络拓扑管理 | 第 2 阶段，首期基础联动 | 展示基础拓扑或资源关系视图，点击资源查看告警和链路流量样例。 | H3C/华三设备、接口关系或手工拓扑样例。 | 首期不要求完整拓扑编辑器；需证明资源、链路、告警关系可查询。 | 拓扑样例截图、资源告警联动截图。 |
| OPS-014 | 网络流量分析 | 第 2 阶段，首期样例 | 查看 H3C/华三接口流量趋势，展示应用/协议/会话分析预留。 | 接口流量指标；如无流量分析源，准备接口流量样例。 | 首期至少展示接口流量趋势和异常告警；深度流量分析进入后续阶段。 | 流量趋势图、时序查询、告警截图。 |
| OPS-015 | 流量参数配置 | 第 2 阶段 | 配置应用、端口、协议和数据保存周期样例。 | 应用/端口/协议字典；保存周期策略。 | 首期可作为配置模型和接口预留；不阻塞核心闭环。 | 配置接口响应、策略页面截图。 |
| OPS-016 | IP 地址管理 | 第 2 阶段，首期预留 | 创建子网、IP 地址样例，展示 IP 与资源绑定入口。 | 样例子网、IP/MAC 数据；真实台账短期不可得。 | 首期不依赖真实 IP 台账；需支持后续导入和资源关联。 | 样例列表截图、导入接口说明。 |
| OPS-017 | IP 自动扫描与报表 | 第 2 阶段 | 配置扫描规则样例，展示 IP 统计报表接口预留。 | 扫描网段需现场授权；无授权时使用样例数据。 | 未获授权不得主动扫描生产网段；首期只验证模型和接口预留。 | 扫描配置截图、样例报表。 |
| OPS-018 | 告警降噪与策略 | 第 1 阶段 | 触发重复告警、依赖告警或维护窗口告警，验证去重、压缩、屏蔽、抑制。 | 主机或 H3C/华三设备告警样例；屏蔽策略；去重窗口。 | 告警风暴被降噪；策略命中可追踪；被抑制事件不丢失审计。 | 告警列表前后对比、策略命中记录、审计日志。 |
| OPS-019 | 告警模板与通知 | 第 1 阶段，渠道裁剪 | 配置告警模板变量，触发测试告警，发送站内消息、短信、邮件。 | 站内消息配置；短信平台测试账号；邮件服务配置。 | 首期必须打通站内消息、短信、邮件；微信、企业微信、钉钉、电话等作为后续扩展。 | 模板截图、三类通知记录、收件截图或发送回执。 |
| OPS-020 | 告警级别与升级 | 第 1 阶段 | 配置多级告警和升级策略，高低级别同时命中时只发送高级别；超时未确认自动升级。 | 至少 3 个告警级别；升级超时规则；接收人。 | 高级别优先生效；升级产生通知记录；升级过程可审计。 | 规则截图、告警详情、通知记录、审计日志。 |
| OPS-021 | 告警受理与历史 | 第 1 阶段 | 触发告警后完成确认、忽略、恢复、派单、搜索、导出和历史查询。 | 至少 3 条不同状态告警；导出权限。 | 告警状态机合法；历史可查；导出文件准确；确认、忽略、派单都有审计。 | 告警列表、详情、导出文件、审计日志。 |
| OPS-022 | 工单管理 | 第 1 阶段 | 从告警创建工单，执行接单、转交、挂起、重启、关闭；尝试非法流转。 | 告警样例；处理人和处理组；工单权限。 | 工单状态机合法；非法流转被拒绝；工单能回链告警、资源、事件。 | 工单流转截图、非法流转错误、审计日志。 |
| OPS-023 | 数据中心与机房管理 | 第 2 阶段，首期接口 | 返回数据中心、机房、机柜层级样例，供外包 3D 机房前端联调。 | 样例数据中心、机房、机柜；真实数据短期不可得。 | 首期不要求真实台账；后端接口字段稳定，能返回告警状态聚合。 | 接口文档、JSON 响应、联调截图。 |
| OPS-024 | 机柜与 U 位管理 | 第 2 阶段，首期接口 | 返回机柜、U 位、设备占用、资源健康、最高告警级别样例。 | 样例机柜、U 位、设备绑定关系。 | 支持外包 3D 前端展示；真实机柜数据后续导入。 | 接口响应、样例数据截图。 |
| OPS-025 | 资产管理 | 第 2 阶段，首期预留 | 录入或导入样例资产，绑定监控资源和机柜位置。 | 样例资产编号、型号、序列号、位置。 | 首期支持资产与资源分离后关联；不因资产台账缺失阻塞监控接入。 | 资产样例截图、绑定关系接口响应。 |
| OPS-026 | 知识库管理 | 第 2 阶段，首期可选 | 创建知识分类和处理说明，关联一个告警检测点。 | 样例知识条目；附件可选。 | 首期可作为告警详情的关联入口；完整审核流程后续实现。 | 知识条目截图、告警详情关联截图。 |
| OPS-027 | 报表管理 | 第 1 阶段 | 生成 TopN、故障、服务器、网络设备基础报表并导出。 | 指标样本、告警、工单历史记录；时间范围。 | 报表数据来自真实后端记录和时序数据；空范围、超大范围、无权限状态可处理。 | 报表截图、导出文件、接口响应。 |
| OPS-028 | 可视化大屏管理 | 第 1 阶段 | 配置基础大屏，展示资源健康、实时告警、接口流量、业务状态并轮播。 | 样例资源、告警、接口流量、业务系统。 | 大屏组件数据来自后端；轮播配置生效；部分组件失败时局部降级。 | 大屏截图、配置截图、刷新记录。 |
| OPS-029 | 用户权限管理 | 第 1 阶段 | 创建用户、用户组、角色，配置功能权限和数据权限；验证越权访问。 | 管理员账号；普通运维账号；不同组织资源。 | 功能权限和数据权限隔离；无权限操作被拒绝；权限变更写审计。 | 权限配置截图、越权错误响应、审计日志。 |
| OPS-030 | 系统管理 | 第 1 阶段 | 配置部门、字典、参数、消息模板、系统日志查询。 | 部门样例、字典项、消息模板。 | 基础配置可维护；消息模板支撑站内消息；系统日志可按时间和操作人查询。 | 配置截图、日志查询截图、审计记录。 |
| OPS-031 | 采集管理 | 第 1 阶段 | 新增主机或 H3C/华三设备采集任务，配置模板、指标、自动发现样例。 | 采集凭据引用、指标模板、发现范围。 | 采集任务可启停；执行记录可查；失败能生成平台内部事件。 | 采集配置、执行记录、失败事件截图。 |
| OPS-032 | 代理管理 | 第 2 阶段 | 展示跨网代理模型和主动/被动数据推送接口预留。 | 代理节点样例；网络隔离方案待确认。 | 首期不要求真实跨网代理部署；需保留代理节点模型和接入接口。 | 接口文档、代理节点样例。 |
| OPS-033 | 业务系统视图与业务拓扑 | 第 1 阶段样例 | 建立一个业务系统视图，关联主机、数据库、URL/API、H3C/华三设备和告警。 | HIS/LIS/PACS/EMR 中至少一个样例业务；关联资源和告警。 | 业务健康、关联资源、未恢复告警、影响范围可见；业务视图能跳转资源和告警详情。 | 业务视图截图、关联关系截图、告警联动截图。 |
## 6. 首期端到端验收脚本
建议首期至少执行一条完整演示脚本：
1. 在综合监控中确认主机、H3C/华三网络设备、数据库、URL/API 样例资源已纳管。
2. 查看资源详情中的指标趋势，确认指标样本已进入时序数据库或适配层。
3. 触发一个可控异常：CPU 阈值、H3C/华三 Trap/Syslog、URL/API 超时三选一。
4. 在原始事件池查看事件接收、解析、规则命中记录。
5. 在告警中心查看告警生成、级别、资源上下文、业务系统、降噪命中记录。
6. 验证站内消息、短信、邮件三类通知记录。
7. 值班人员确认告警，并从告警派生工单。
8. 工单完成接单、处理、关闭。
9. 回到告警详情查看关联工单、处理记录和审计日志。
10. 在首页、大屏和报表中查看该故障的统计和闭环证据。
通过标准：
- 端到端链路中每一步都有后端记录，不使用纯静态展示数据。
- 每一次状态变化都有操作人、时间、traceId 或审计记录。
- 任一通知渠道失败时，不阻塞告警确认和工单处理，但必须展示失败原因。
- 若使用模拟 Trap、模拟 Syslog 或可控 URL/API 故障，需要在验收前取得院方确认。
## 7. 待确认事项
| 事项 | 影响 | 建议处理 |
| --- | --- | --- |
| 模拟 Trap、模拟 Syslog、可控 URL/API 故障是否允许作为验收手段 | 影响 OPS-010、OPS-011、端到端脚本 | 会前明确允许范围，区分“正式验收可用”和“内部演示可用”。 |
| H3C/华三首批设备型号、SNMP 版本、OID、Trap 字典 | 影响 OPS-004、OPS-010、OPS-014 | 已建立 `docs/H3C华三首批接入调研.md`，现场确认后固化到采集模板和验收样例。 |
| 短信平台和邮件服务接入方式 | 影响 OPS-019、OPS-020、OPS-021 | 先获取测试账号和发送限制，再写验收脚本。 |
| Linux/麒麟部署环境 | 影响所有验收部署 | 已建立 `docs/本地开发与验收部署说明.md` 和 `deploy/README.md`，现场仍需明确系统版本、CPU 架构、服务管理方式、网络策略。 |
| TDengine 开源版现场验证 | 影响 OPS-002、OPS-004、OPS-007、OPS-011、OPS-014、OPS-027 | 时序数据库已决策采用 TDengine 开源版；现场仍需验证 Linux/麒麟部署、AGPL 合规、Go WebSocket 连接、保留策略、备份恢复和故障降级。 |
| 3D 机房外包前端接口字段 | 影响 OPS-023、OPS-024、OPS-025 | 与外包方确认字段、刷新频率、状态编码、权限边界。 |
## 8. P1 支撑文档
| 文档 | 覆盖范围 |
| --- | --- |
| `docs/P1故障救援策略.md` | 采集失败、Trap/Syslog 解析失败、通知失败、派单失败的重试、降级、提示、日志、审计和测试要求。 |
| `docs/P1测试计划.md` | 第 1 阶段后端、前端、端到端测试矩阵和验收脚本。 |
| `docs/本地开发与验收部署说明.md` | Windows PowerShell 本地开发、联调验收和 Linux/麒麟部署边界。 |
| `docs/H3C华三首批接入调研.md` | H3C/华三首批接入范围、指标基线、Trap/Syslog 样例要求和现场确认表。 |
| `docs/国产时序数据库选型验证.md` | TDengine 开源版选型结论、AGPL 合规边界、现场验证计划和适配层要求。 |
## 9. 验收材料目录建议
```text
docs/
首期验收矩阵.md
验收证据/
01-首页总览/
02-资源监控/
03-H3C网络设备/
04-告警闭环/
05-通知记录/
06-工单闭环/
07-报表大屏/
08-权限审计/
09-3D机房接口/
10-部署与烟测/
```
证据目录可以在实际验收阶段创建；本文只定义结构，不强制当前仓库立即新增截图或录像文件。