fix: coordinate SMS completion and improve operations diagnostics

2026-09-16 18:27:29 +08:00
parent a0209f93bc
commit a350aca883
40 changed files with 2599 additions and 366 deletions
@@ -256,3 +256,11 @@ type InfrastructureOverview = {
 新增GET /admin/infrastructure-monitoring/alert-history，继承运营端会话鉴权，参数from/to为上海自然日，默认含今天近7日、最多31日，page正整数、每页25条。逐日查询Prometheus原始ALERTS_FOR_STATE范围向量，以标签指纹+activeAt分开触发周期，跨日采样合并；不使用粗粒度步长丢掉短周期，不把等待触发当作已发送告警。保留真实触发时间和范围内最后观测时间，最后观测不代表准确恢复。

 历史和活动列表独立；历史不提供伪造恢复状态、旧annotations、批量已读或清理功能。超出Prometheus保留期/采集缺口的历史无法追溯，界面明确说明。失败返回503并展示错误，日期非法返回400；不迁移数据库、不变更阈值或采集配置。完整实现/验收及限制见operations-fixes-20260909.md。
+
+## 2026-09-16 人工清除及刷新失败保留真实快照（实施中）
+
+本节替代活动告警随Prometheus恢复自动消失及失败清空指标的旧规则。新增PostgreSQL告警事件记录，以fingerprint+activeAt唯一标识一次触发；后台定期采集及页面读取时持久化。指标恢复仅标识已恢复，告警仍在待处理列表，只有运营手动清除（全局生效、记录操作人及时间）才退出；已读保持个人维度，不等于清除。同周期清除后不被下次采集重新激活，新周期独立产生。采集失败不自动推断恢复，不删除记录。历史审计保留，不能将Prometheus过期历史伪造为已完整迁入。
+
+页面按查询范围在组件内存保留最后成功的真实快照；失败/超时显示错误和最后成功采样时间，不伪装实时值，不通过localStorage生成业务事实。不同时间范围不能串用缓存；请求有真实AbortController超时、切换/卸载取消和过期响应保护，在线恢复触发刷新；保留会话失效/锁定处理。根因验收需记录网络失败与后端采集失败两种路径，并验证长停留、并发切换及三尺寸。
+
+2026-09-16实施补充：收尾工作人工处理/积压告警由采集器直接读取PG，不需要额外安装Prometheus规则；持续条件复用同一发生周期，即使已清除也不在同周期重建，恢复后再次触发才是新事件。手动清除同步移除页面各范围缓存中的同一事件及数量，避免后续刷新失败使已清除告警重新显示。