监控与可观测

monitor 服务 + platform/deploy 配置，提供从健康检查到告警闭环、链路追踪的完整可观测栈。

控制台内置监控页

• 服务器监控：CPU/内存/磁盘/负载实时图表 + 微服务健康总览（并发探测各服务 /ready，不健康的排最前，10 秒自刷）
• 数据库监控：PostgreSQL 连接、慢查询、表体积
• Redis 监控：内存、命中率、键空间
• 定时任务：cron 任务注册表与执行状态 + 服务任务心跳（见下）
• 告警管理：内置告警规则引擎的规则与事件（见「内置告警规则引擎」）

健康检查

每个服务暴露 GET /api/v1/health/live（存活）与 /ready（就绪，含 DB ping），compose 健康检查与编排依赖据此工作；monitor 的 /monitor/services 聚合探测所有服务，供健康总览卡片消费。

任务中心：分布式任务心跳

进程内 cron、独立 worker、主机 shell 脚本——分散在各处的定时任务如何知道「还活着」？shared/pkg/jobbeat 提供一行上报：任务每轮执行完写一条心跳（ops_job_heartbeats 表，含间隔与状态），monitor 聚合后在「定时任务」页出「服务任务心跳」卡片，超过 2 倍间隔未上报即标记 stale 亮红。shell 脚本用 curl 上报同一接口即可接入。

指标与看板

Prometheus 抓取各服务 metrics（shared/pkg/metrics 零依赖指标包：HTTP 计数/错误/延迟直方图 + Go runtime + DB 连接池），node_exporter 提供主机指标；Grafana 看板配置在 platform/deploy/grafana/（预置服务概览：QPS/错误率/P95/goroutine/连接池），docker compose --profile monitoring up -d 可选拉起。

告警闭环（可选）

从「有指标没人看」到主动通知：

1. Prometheus 告警规则（platform/deploy/prometheus/rules/）：服务 down、磁盘不足、内存过高、5xx 陡增——滚动更新场景用 for 持续窗口吸收抖动。
2. Alertmanager：分组、去抖、恢复通知、宕机时抑制衍生的错误率告警；内部 token 启动时从环境注入模板，不进 git。
3. 投递到站内信：Alertmanager webhook 打到 notify 接收端（/internal/alerts），按 fingerprint 去重后落站内信——值班人在控制台铃铛里直接看到。脚手架未启 notify 时投递失败仅记日志，不影响其余组件。

内置告警规则引擎（monitor 服务自带，SMTP 邮件通知）

上面「告警闭环」走的是基础设施层的 Prometheus + Alertmanager；这套内置引擎跑在 monitor 服务进程内、不依赖 Prometheus——面向应用可运维指标做周期评估 + 持久化状态机 + 邮件通知，规则可在控制台直接增删改查。两条路径互补：Prometheus 盯「服务 down / 磁盘 / 内存 / 5xx」这类基础设施，内置引擎盯可配阈值的应用指标并直接邮件告警。

指标与规则

指标键	含义	单位
system.cpu.used_percent	主机 CPU 使用率	percent
system.memory.used_percent	主机内存使用率	percent
system.disk.used_percent	根文件系统使用率	percent
postgres.connections.percent	PostgreSQL 连接数占 max_connections 比例	percent
redis.memory.used_bytes	Redis used_memory	bytes
redis.clients.connected	Redis 客户端连接数	count

规则字段：名称、指标、运算符（gt / gte / lt / lte）、阈值、持续窗口（秒）、级别（info / warning / critical）、启用开关、是否发送恢复通知。数据落 monitor_alert_rules（迁移 000032 同步菜单与权限）。

状态机与事件

• ok → pending（指标持续超过阈值满持续窗口）→ firing；指标采集失败记 error（含 last_error 说明）。
• 每次 pending → firing 或 firing → ok（恢复）生成一条告警事件（monitor_alert_events，不可变留痕），记录当时值、阈值与通知结果。
• 评估由后台调度器周期执行，也支持手动评估：POST /api/v1/monitor/alert-rules/:id/evaluate（权限 system:alert:evaluate）。

通知

SMTP 邮件发送（含恢复通知）。配置项（microservices/.env.example 有全部占位）：

变量	说明
EMAIL_NOTIFICATION_ENABLED	总开关（默认 false）
EMAIL_SMTP_HOST / EMAIL_SMTP_PORT	SMTP 服务器
EMAIL_SMTP_USERNAME / EMAIL_SMTP_PASSWORD	认证
EMAIL_SENDER	发件人
EMAIL_ALERT_RECEIVER / EMAIL_ALERT_RECEIVERS	收件人（逗号分隔可多个）
EMAIL_USE_TLS / EMAIL_START_TLS	加密方式

邮件未启用、或无收件人时，事件通知状态记 skipped；发送失败记 failed 并保留 notify_error 供排查。

管理页面

/monitor/alerts（权限 system:alert:list）：「告警规则」与「告警事件」两个页签，规则页支持新增 / 编辑 / 启用停用 / 手动评估 / 删除。

链路追踪（可选）

OpenTelemetry SDK 已埋好，配置 OTEL_EXPORTER_OTLP_ENDPOINT 指向 Jaeger/Collector 即启用，跨服务请求带 request_id 贯穿日志与响应头。

日志三件套

登录日志（NATS 事件持久消费）、操作日志（中间件级，含请求耗时与 request_id）、审计日志——audit 服务统一查询，操作日志支持按当前筛选导出 CSV。