a79f7f4bc6
Gitea 七笔已推完(a58dc8a6→ff182acd);cgroup 限额与 nginx body 上限的改法、 回滚值和四个取证坑(docker update 须同给 memory-swap、ss 要看容器 netns 且对端在第 5 列、 1Panel 访问日志真实路径)写进已核区,避免下次重新推一遍。 实测公网 5–8 Mbps 对私网约 1 GB/s 差一千倍,据此把剩下的两处公网依赖(OSS 端点回环、 MQ namesrv/broker)列为待改项,并记下 A 侧 3306/6379/9000/18080/16890 对公网开放且 MySQL 账号为 % 通配——收口需人在阿里云安全组操作,其中复制已确认走 VPC,收公网 3306 不断副本。
300 lines
22 KiB
Markdown
300 lines
22 KiB
Markdown
# 生产待人工决策清单(2026-09-28 夜)
|
||
|
||
本轮已上线的改动列在第一节,后面每一条都是**代码里做不掉、需要人拍一次**的动作。
|
||
条目按"建议处理顺序"排,不按发现顺序。
|
||
|
||
## 一、今夜已完成(无需再决策,列出便于核对)
|
||
|
||
| 提交 | 改动 | 状态 |
|
||
|---|---|---|
|
||
| `8536ddb3` | 外观专利行重发加轮次上限,超限就地判失败并写明原因 | 已上线 |
|
||
| `6a82697a` | MinIO 建连超时 5min→10s;delete-brand / collect-data 巡检 cron 30s→2min | 已上线 |
|
||
| `2d33f478` | 用户态接口的 `user_id` 归属改由令牌身份判定(只绑定、暂不要求凭据) | 已上线 |
|
||
| `10dec56e` | 外观专利:完成标记只打在真正落库的行上(少回的行撤销重发) | 已上线 |
|
||
|
||
线上产物:`162,590,216 B` / md5 `b834d489c8640fd1f6cc9d51238f4606`,两台一致。
|
||
(今夜此前两版:`e97fd273473db849b705a766b7b505c7` → `e0854c23cc99344a6ddadbf2019e08bf`。)
|
||
发版后回读(重启后 5–15 分钟窗口,A 4780 行 / B 530 行日志):健康 200、Flyway 137 up to date、
|
||
instanceId `server-110`/`server-121`、ERROR 0 条、绑定 403 0 条、`[admin-guard] rejected` 0 条、
|
||
`重发轮次已达上限` 0 条(无误杀)、`本批结果未全部落库` 0 条。
|
||
**A 上重启时确有一批外观 LLM 在飞**(03:15:36 发出 5 品请求),03:20:52 该任务
|
||
`llm batch done taskId=29447 jobId=20802 rows=10` —— 中断后自行续跑并交付了一批,
|
||
本轮未出现开机自回收日志(ready 时没有心跳已停的遗留 RUNNING,属正常分支)。
|
||
|
||
发版顺序是先 B(当时空闲)后 A(A 上有在飞任务,按"不管有没有任务在跑"的授权执行)。
|
||
|
||
### 附:中间件侧今夜已做的三处线上改动(无提交,改的是主机配置,列此便于回滚)
|
||
|
||
| 改动 | 机器 / 对象 | 前 → 后 | 回滚 |
|
||
|---|---|---|---|
|
||
| cgroup 内存上限抬高 | A `1Panel-mysql-zbja` | 6 GiB → **10 GiB**(实占 3.14 GiB) | `docker update --memory 6442450944 --memory-swap 6442450944 1Panel-mysql-zbja` |
|
||
| cgroup 内存上限抬高 | B `aiimage-mysql-replica` | 2 GiB → **3 GiB**(实占 1.67 GiB,已到 84%) | 同上,换数值与容器名 |
|
||
| cgroup 内存上限抬高 | B `shufu-device-logs-minio` | 2 GiB → **3 GiB**(实占 1.82 GiB,已到 **91%**,再涨就是 OOM) | 同上 |
|
||
| nginx 请求体上限 | B `git.aishufu.top` 站点 server 段 | 继承 http 级 `50m` → 本站 `1024m` | 同目录留了 `.bak-<时间戳>`,`cp` 回去 + `nginx -s reload` |
|
||
|
||
三条硬约束,下次改之前先看,否则会踩:
|
||
|
||
1. **`docker update --memory` 必须同时给 `--memory-swap`**。只给 `--memory` 且新值大于旧的 swap 上限时,
|
||
Docker 直接拒绝(`Memory limit should be smaller than already set memoryswap limit`),
|
||
而这条错误只在 stderr 里 —— 用 `... 2>&1 | sed 's/^/ /'` 或显式打印 `${PIPESTATUS[0]}` 才看得见,
|
||
写 `&& echo 成功` 会把它吞成一个假成功。改完必须回读
|
||
`cat /sys/fs/cgroup/memory/docker/<全ID>/memory.limit_in_bytes` 确认真的落地了。
|
||
2. **改 nginx 要改宿主机侧的 bind mount 源**,不是容器里的路径。容器 `/usr/local/openresty/nginx/conf/conf.d`
|
||
的源是 `/opt/1panel/www/conf.d`(用 `docker inspect -f '{{range .Mounts}}…'` 拿,别猜)。
|
||
改完 `nginx -t` 再 `nginx -s reload`(reload 不断连接,无需重启容器)。
|
||
3. **宿主机层面的 `ss` 看不到容器 netns 里的连接**。今晚"java 没连 MQ""nacos 无人使用"两个结论都由此产生,
|
||
都是假的;正确姿势是先 `docker inspect -f '{{.State.Pid}}' <容器>` 再 `nsenter -t <pid> -n ss -tn`。
|
||
另注意 `ss -tn` 的列序是 `State Recv-Q Send-Q Local Peer`,**对端在第 5 列**(我第一版取了 `$4`,
|
||
统计出来的全是本端端口,看着像"全连到 172.19.0.2",其实是把本地地址当真了)。
|
||
4. **1Panel 的 openresty 站点访问日志不在 `/usr/local/openresty/nginx/log/`**。按那个路径 zcat 会得到空结果,
|
||
而空结果和"确实没有 413"长得一模一样。真实位置是容器 `/www/sites/<站点>/log/access.log`
|
||
(宿主机 `/opt/1panel/www/sites/<站点>/log/`),另有部分服务写 `/dev/stdout`。
|
||
凡是"某类错误 0 条"的结论,都要**同时报该文件的总行数**自证读到了东西。
|
||
|
||
改完的验证:nginx 侧用 60MB 体打 `git.aishufu.top`(127.0.0.1 回环 + `--resolve` 指站点)得到
|
||
**405 / 0.113s**(进了 Gitea 应用层,说明代理不再拦),对照未改的 devops 站仍是 **413**。
|
||
|
||
### 附:健康评估报告第 6 条(外观/货源"静默降级")已核,不必再追
|
||
|
||
报告称 `allRowCount` 读失败 `return 0`、`loadAllRowsByBaseId` 读失败返回空,会把期望行数压低造成"假完成"。
|
||
逐个调用点读完后的结论是**不成立**,记录在此免得再查一遍:
|
||
|
||
- `allRowCount` 的返回值只喂两处:`FileResultEntity.row_count`(列表页显示的"共 N 条")和进度分母。
|
||
两处都写了"0 不覆盖已有非零值"(`finalizeTask` 的 `rowCount > 0 ? rowCount : result.getRowCount()`、
|
||
货源 `resolvePythonUploadProgress` 的 `totalRows <= 0 && uploadedRows > 0` 兜底),
|
||
而 `createResultRecordForAssembly` 的兜底分支自己会重读载荷,读不动时异常照常上抛。
|
||
**没有任何成功/失败判定吃这个数**。
|
||
- 真正的完成判定是 `validateCompleteLlmCoverage`,它的分母来自 `assembleResultWorkbook` 里
|
||
**不带 try/catch 的** `readParsedPayload(task)`——载荷坏了会直接抛,不会静按 0 行放行;
|
||
覆盖率低于 `llm-coverage-min-ratio`(默认 0.5)时抛"LLM 结果不完整"。
|
||
- `loadAllRowsByBaseId` 返回空只影响 `expandRows` 的同组兄弟回填,**不影响发不发检测**
|
||
(候选行来自分片自身的 `readChunkRows`),落库匹配也不看它。所以后果是"兄弟行各发一次、多扣几次",
|
||
而不是丢行。
|
||
- 顺着这条链查到的是另一个口子,已在 `10dec56e` 修掉:整批完成标记此前不区分"结果有没有真的写进分片"。
|
||
|
||
## 二、需人工决策
|
||
|
||
### 1. 用户态接口的越权读取:建议做"绑定",暂缓"要求凭据"
|
||
|
||
现状(今晚重新取证,非引用旧笔记):
|
||
|
||
- 数据归属由请求参数 `user_id` 决定:controller 层共 **19 个文件**出现 `user_id`,其中只有 **2 个**文件里
|
||
出现过任何身份调用(`requireUser` / `requireUserOrInternal` / `currentUser`)。这是文件级统计,
|
||
端点级未逐个核对,但比例与"归属靠请求参数"的判断一致。
|
||
- `aiimage.security.user-tool-guard-enabled` 默认 **false**,生产未覆盖 → query-asin / similar-asin /
|
||
appearance-patent / collect-data / price-track / patrol-delete / files / tasks 等 14 个前缀匿名可达。
|
||
- 桌面客户端 `app_client` 对这 14 个前缀共 **15 个调用文件**,其中只有 **4 个**文件里出现过任何凭据头
|
||
(collect-data 2、price-track 1、shop-match 1)。文件级统计是**上界**——同一文件里也可能只有一部分
|
||
请求带抬头。
|
||
- `AdminApiGuardFilterTest`(HEAD 版,20 个用例)对当前代码全绿。
|
||
|
||
两个可分开的动作:
|
||
|
||
| 动作 | 效果 | 代价 | 状态 |
|
||
|---|---|---|---|
|
||
| **A. 绑定**:请求带 JWT 时,校验 `user_id` 参数必须等于令牌身份;管理员令牌可代客查询;匿名请求不参与绑定 | 已登录用户不能再互相冒读,19 个 controller 文件不用逐个改 | 对匿名与内部令牌调用零影响 | **已实现**(见下"绑定的落地依据") |
|
||
| **B. 要求凭据**:把上述前缀纳入兜底鉴权(开关置 true) | 未登录直接 401 | 按上面的取证,约 11/15 个调用文件的现网客户端会整条产品线 401 | **等客户端普遍携带凭据之后再开** |
|
||
|
||
绑定的落地依据(今晚逐条查证,不是推断):
|
||
|
||
- 角色词汇表只有三态:`DeviceSessionPolicy.resolveRole` 只会返回 `super_admin` / `admin` / `null`,
|
||
没有第三种"员工"角色;生产 `users` 表 135 个账号分布为 `normal` 子账号 120、`admin` 子账号 13、
|
||
`admin` 1、`super_admin` 1 → 管理员豁免面闭合。
|
||
- 网页端 `getCurrentUserId()` 读 `localStorage['uid']`,而 `uid` 由登录响应 `data.userId` 写入;
|
||
`AuthService.buildResult` 里 `vo.setUserId(user.getId())` 与 `jwtService.issue(user.getId(), …)` 同源
|
||
→ 诚实客户端的参数**恒等于**令牌主体,正常用户不会撞 403。
|
||
- `frontend-vue` 各 tab 一律传 `getCurrentUserId()` / `uidForStorage()`;只有 `admin-frontend-vue` 传任意
|
||
`user_id`,而它是管理员身份 → 落在豁免里。
|
||
- 带凭据的 4 个桌面模块(`price_match_new` / `search_spider` / `tool` / `log_uploader`)用的都是
|
||
`X-Internal-Token`,在 `shouldNotFilter` 里由 `isTrustedInternalToken` 提前整体放行,**不参与绑定**。
|
||
- 实现范围刻意收窄到 `USER_TOOL_PREFIXES`:`/api/admin`、`/debug`、自助接口仍只做"有没有身份",
|
||
不做参数比对,避免误伤后台里合法传他人 id 的流程。
|
||
- 代价:每个带 `user_id` 的用户态请求会多走一次 `requireUserOrInternal`。匿名请求在 `resolveToken`
|
||
处即抛 `BusinessException`(未登录)返回,**不查库**,但会构造一个带栈异常。按现网这个接口的
|
||
轮询频率,量级可忽略,若日后要省掉,可加"仅在带了凭据线索时才解析"的短路。
|
||
|
||
紧急回退仍是一个:`aiimage.security.admin-guard-enabled=false` 会把绑定与原有兜底一起关掉。
|
||
若要单独关绑定,需要另加开关(当前没有,按规格它就是无条件生效的)。
|
||
|
||
### 2. 主机A MySQL:`8G` buffer pool 与旧 6 GiB 上限的冲突已按"抬上限"解掉,但**A 的生效值仍是空白**
|
||
|
||
`/opt/1panel/apps/mysql/mysql/conf/my.cnf` 写 `innodb_buffer_pool_size=8G`(instances=8),
|
||
容器上限已从 6 GiB 抬到 **10 GiB**(今夜已生效,回读 `memory.limit_in_bytes=10737418240`;
|
||
实占 3.14 GiB,宿主机 30 GiB 里还有 19 GiB available)→ OOM 悬崖拆除,`8G` 原样保留。
|
||
|
||
两件事没做掉,需要人:
|
||
|
||
- **A 的实际生效值至今没读到**。08:2x 用容器内 `MYSQL_ROOT_PASSWORD` 连 `mysql -uroot` 得到的是
|
||
`ERROR 1045 (28000): Access denied for user 'root'@'localhost'` —— 也就是宿主机上那份口令**不是**库的口令,
|
||
之前"生效值待确认"这句话没有被推翻,只是换了失败原因。B 侧三台 MySQL 用同样方法读到了
|
||
(replica **1.0000 G**、`gateway-new-mysql-1` 0.1250 G、`1Panel-mysql-elmo` 0.1250 G),
|
||
所以 A 读不到是凭据问题不是方法问题。**下一步**:拿应用账号或运维账号跑一次
|
||
`SELECT @@innodb_buffer_pool_size/1024/1024/1024, @@innodb_buffer_pool_instances`,
|
||
确认 8G 没被截断(replica 那台声明值和生效值就差了一截,说明这个截断是真实存在的)。
|
||
- **docker update 是运行态改动,容器重建就回滚到 6 GiB**。1Panel 的 compose 用的是
|
||
`memory: ${MEMORY_LIMIT}`,而 A/B 两台每个应用的 `.env` 里都写着 `MEMORY_LIMIT=0`(0=不限),
|
||
说明这个 6 GiB 不在 `.env` 里、是 1Panel 界面/数据库里配的。**要让它扛得住重建,得在 1Panel 控制台把
|
||
mysql 容器限额改成 10G**(或者按 `MEMORY_LIMIT=10737418240` 写进 `/opt/1panel/apps/mysql/mysql/.env` 后重建容器)。
|
||
同一条适用于 B 的 `aiimage-mysql-replica`(2G→3G)和 `shufu-device-logs-minio`(2G→3G)。
|
||
|
||
同机顺带一条(未动):`innodb_lock_wait_timeout` 之前实测为 50 秒,而慢日志里锁等待(581 条)远多于大扫描(44 条),
|
||
这个阈值对业务侧的表现需要一并看一眼是否要调。
|
||
|
||
### 3. 主机B 的 `aiimage-mysql-replica`:取证已补齐(活着、滞后 0 秒),结论是**先别做读分流**
|
||
|
||
08:2x 直读副本状态(`SHOW REPLICA STATUS`):
|
||
|
||
```
|
||
Source_Host: 192.168.0.171 Source_Port: 3306
|
||
Replica_IO_Running: Yes Replica_SQL_Running: Yes Seconds_Behind_Source: 0
|
||
生效 innodb_buffer_pool_size = 1.0000 G(限额已 2 GiB → 3 GiB)
|
||
```
|
||
|
||
也就是"追不追主库"这一条已经解决:**在追,滞后 0 秒,而且走的是 VPC 私网 `192.168.0.171`**
|
||
(这一条顺带把"公网 3306 能不能收掉"的顾虑排掉了,见第五节第 1 条)。
|
||
|
||
第二件取证(A 的瓶颈是否落在读上)**答案是否**:上一轮慢日志拆下来锁等待 581 条 vs 大扫描 44 条,
|
||
把读挪到副本对锁等待无解,只会新增一层"应用要区分读写源"的复杂度和一套副本专属的故障面。
|
||
`super_read_only` 是否置位**没读到**,真要启用分流前先确认它,否则分流第一天就可能有人往副本写。
|
||
|
||
所以本条从"待取证"降级为**已知可用、暂不接入**。触发重新评估的条件写清楚:
|
||
当慢日志里大扫描/报表类查询占比明显上升,或者要做"导出全量结果"这类一次性大读时,
|
||
副本是现成落点(外观与货源的 LLM 阶段只读库、不依赖本地文件,分流前提成立)。
|
||
|
||
### 4. 软件版本对象的真删开关仍是 dry-run
|
||
|
||
`aiimage.software-version.retention-dry-run` 默认 true(只记日志不删对象)。要启用真删,
|
||
先把日志里列出的候选清单人工核一遍(客户端安装包对象有历史事故,见 KKBROSWER 那条),核对后再置 false。
|
||
|
||
### 5. V137 的 20 个冗余索引还只是 INVISIBLE
|
||
|
||
V137 只把它们置为不可见,**观察 1~2 周慢日志无退化后要追加 V138 执行 DROP**,否则索引仍占空间、
|
||
仍随写入维护。V132/V133 是退役空号,V134~V137 已占用,下一号是 V138。
|
||
|
||
### 6. 后台「LLM 使用」的次数口径变了,要提前打招呼
|
||
|
||
外观专利合批后,同一批 10 行从约 20 次 HTTP 调用降到 3 次,**统计次数约掉到 1/6.7**。
|
||
这是口径变化不是掉量;要还原真实工作量应看"检测行数"而不是"调用次数"。花钱的降幅比次数小得多
|
||
(约 30–45%),且走的是用户自己的 apiKey 额度。
|
||
|
||
### 7. 监控指标:端点根本不存在,告警无从挂起
|
||
|
||
`backend-java/pom.xml` 只有 `spring-boot-starter-actuator`,没有 `micrometer-registry-prometheus`;
|
||
线上 `GET 127.0.0.1:18080/actuator/prometheus` = 404,`/actuator` 只列 health。
|
||
仓库里那 49 个 `aiimage.*` 指标名从未被任何面板抓到过(`TaskObservabilityMetrics` 无 `@Component`、
|
||
main 代码零调用者)。
|
||
|
||
要补的话,动作是"加 registry + 把 metrics 类接成 bean",但 **18080 在主机A 是公网直连**,
|
||
一旦暴露 `/actuator/prometheus` 就等于公网可读的运行指标,需要同步把它从公网收掉
|
||
(只留 127.0.0.1 或加守卫)。近期更省事的做法是直接用日志里已稳定的
|
||
`taskId= / stage= / jobId= / costMs= / moduleType=` 字段做告警。
|
||
|
||
### 8. `backend/config.py` 里的平台自身明文凭据
|
||
|
||
该文件被 git 跟踪,含生产库口令与 OSS secret。这与"result_json 存用户 apiKey"是两件事。
|
||
处置是**轮换 + 改走 env + 清历史**,三步都需要人执行(轮换会影响所有读这些值的服务,需同窗口发布)。
|
||
|
||
### 9. 主机A 的 Nacos:无任何客户端连接,白吃 1.95 GiB
|
||
|
||
取证链(两条都是今晚重跑的,不是引用旧笔记):
|
||
|
||
- 在 **nacos 容器自己的 netns** 里数 8848 的 established = **0**(`nsenter` 后的结果,
|
||
避开了宿主机 `ss` 看不见容器网络的那个坑)。它自己只有两条到 `172.22.0.2:7848` 的 gRPC 尾巴。
|
||
- 容器 `1Panel-nacos-dsLA-standalone`:内存**无上限**、实占 `1.952 GiB`、`restarts=0`。
|
||
- Java 侧 `env` 里没有任何 `NACOS` 变量,进程 cmdline 里没有 `nacos` 字样。
|
||
|
||
也就是说"停掉它能给 A 腾出近 2 GiB"(A 是 MySQL+MinIO+java+redis 那台,正是最紧的一台)。
|
||
我**没有停**,因为"现在没人连"不等于"没人配置要连":如果哪个服务是按需启动、或者 1Panel 之外还有别的
|
||
消费方,停了就是它起不来的时候才被发现。要动的话顺序是
|
||
先 `docker update --memory 512m --memory-swap 512m` 把它的胃口压下去(可逆、立刻见效),
|
||
观察几天有没有人报"配置中心连不上",确认没人用再 `docker stop` + 取消自启。
|
||
|
||
## 三、已解决:Gitea 那 7 个提交推上去了(08:10)
|
||
|
||
远端 `master` `56913563 → 7aa9f3df`,回读 `git rev-list --left-right --count origin/master...HEAD` = `0 0`。
|
||
|
||
之前"工作站上没有任何可静默使用的凭据"这句话是**假阴性**,成因是 Git Bash 的路径转换把
|
||
`cmdkey /list` 变成了别的调用(要写 `cmdkey //list`)。实际凭据管理器里早就有
|
||
`git:https://gitserver@git.aishufu.top`。可用的静默推送咒语:
|
||
|
||
```bash
|
||
GIT_TERMINAL_PROMPT=0 GCM_INTERACTIVE=never GCM_PROVIDER=basic git push origin master
|
||
```
|
||
|
||
GCM 会 warn `no such provider 'basic'` 然后回退自动探测 —— **这个 warn 无害、照样成功**,
|
||
关键是 `GCM_INTERACTIVE=never` 让它不再弹"选哪个 helper"那 90 秒。
|
||
退出码必须重定向到文件再看:`git push | tail` 拿到的是 `tail` 的 0,不是 git 的。
|
||
|
||
## 四、今晚新查出来的:两台之间的流量大量走公网,只有 5–8 Mbps
|
||
|
||
这是本轮最有价值的一条,因为它解释了一批"莫名其妙慢/超时"的老问题,而且**修它的代价是配置项级别的**。
|
||
|
||
### 4.1 实测带宽差(30MB 测试体,08:3x)
|
||
|
||
| 路径 | 结果 | 折算 |
|
||
|---|---|---|
|
||
| A → A 公网 `https://oss.aishufu.top`(**Java 现在写对象走的就是这条**) | 3.37 MB / 3.45 s | **≈ 0.98 MB/s** |
|
||
| B → A 公网同一入口 | 3.23 MB / 3.27 s | ≈ 0.99 MB/s |
|
||
| A → B 公网 `https://download.aishufu.top` | 27.5 MB / 45 s(撞 max-time) | **≈ 0.61 MB/s** |
|
||
| A → A 私网 `http://192.168.0.171:9000` | 5.5 MB / 0.006 s | ≈ 900 MB/s |
|
||
| B → A 私网同一入口 | 6.75 MB / 0.009 s | ≈ 750 MB/s |
|
||
| A/B → B 私网 `http://192.168.0.170:9000` | ≈ 0.009–0.026 s | 1.1–3.5 GB/s |
|
||
|
||
路由已确认 `ip route get 47.110.241.161`(在 A 上)= `via 192.168.0.253 dev eth0` ——
|
||
**发往自己的公网 IP 也要出 VPC 网关绕一圈**,所以"回环"确实吃公网额度。
|
||
公网与私网差 **约 1000 倍**。
|
||
|
||
对上面 A→A 那两行的诚实注脚:服务端提前回了 400,只发出去 3.3MB,样本里含 TCP 慢启动。
|
||
但该路径 RTT 只有 11 ms(TLS 首字节实测 `connect=0.000705s tls=0.010896s`),
|
||
11 ms RTT 下慢启动几百毫秒就能爬到几百 MB/s,3.45 s 发 3.37MB 解释不通,
|
||
而且跨机那条持续 45 s 的 0.61 MB/s 是干净的持续值 —— 结论(公网 ~5–8 Mbps)不受这个瑕疵影响。
|
||
|
||
### 4.2 现在还有哪些地址指公网(A 上 java-server 的 env 逐项对过)
|
||
|
||
| 配置 | 当前值 | 走公网? |
|
||
|---|---|---|
|
||
| `AIIMAGE_OSS_ENDPOINT` / `public-endpoint` | `https://oss.aishufu.top` | **是**,且是 A 指向自己的回环 |
|
||
| `AIIMAGE_ROCKETMQ_NAME_SERVER` | `121.196.149.225:9876` | **是**,跨机走公网 |
|
||
| `AIIMAGE_TRANSIENT_STORAGE_ENDPOINT` | `http://192.168.0.170:9000` | 否 |
|
||
| `AIIMAGE_DEVICE_LOG_OSS_ENDPOINT` | `http://192.168.0.170:9610` | 否 |
|
||
| `AIIMAGE_REDIS_HOST` | `192.168.0.172` | 否 |
|
||
| `AIIMAGE_DB_URL` | `192.168.0.171:3306` | 否 |
|
||
|
||
副本复制也已经在私网(`Source_Host: 192.168.0.171`)。所以**剩下的公网依赖只有两处:OSS 端点和 MQ namesrv**。
|
||
|
||
MQ 那处已用 broker/namesrv 容器 netns 证实:broker 上能看到来自 `47.110.241.161`(A 的公网 IP)的 established 连接,
|
||
也就是 A→broker 走的也是公网,而不只是 namesrv 引导那一下。
|
||
|
||
### 4.3 两处改法(一条需要人配合,一条纯配置)
|
||
|
||
- **OSS 端点拆分**(代码改动,已在做):`endpoint` 与 `public-endpoint` 现在是同一个域名,
|
||
而 `OssStorageService` 刻意让它们一致 —— 预签名 URL 的主机名必须等于浏览器能到达的反代入口
|
||
(见 `OssStorageService.java:136` 的注释、`:765-766` 的 `firstNonBlank(publicEndpoint, endpoint)` 回退)。
|
||
所以**不能简单把 `AIIMAGE_OSS_ENDPOINT` 改成内网 IP**:那样服务端自己读写快了,
|
||
但签给浏览器直传 PUT 的 URL 会变成 `192.168.0.171:9000`,用户侧上传当场全断。
|
||
正确形状是"服务端 I/O 用内网 client,预签名用公网入口"两把钥匙分开。
|
||
- **MQ 走私网**:光把 `AIIMAGE_ROCKETMQ_NAME_SERVER` 换成 `192.168.0.170:9876` **不够** ——
|
||
broker 注册地址由它自己决定,`broker.conf` 和 `conf/2m-noslave/broker-a.properties` 里都**没有** `brokerIP1`,
|
||
现在 A 能连上公网说明它注册的就是公网可达地址。要真正切私网必须
|
||
①在 broker 配置里加 `brokerIP1 = 192.168.0.170` 并**重启 broker**,②再把两台 java 的 namesrv 改成私网。
|
||
风险与收益要一起看:MQ 消息体很小,改它省不了带宽,省的是**"文件流量打满 5 Mbps 时把作业通道一起拖死"的耦合**
|
||
(结果文件作业有本地兜底,broker 重启期间任务不会丢,但会退化成同机执行)。
|
||
这条我**没有自行执行**,因为要重启 broker 且收益属于"削峰耦合"而非"提吞吐",先报数给你拍。
|
||
|
||
## 五、暴露面:主机A 有一批端口对公网开放,且 MySQL 账号是 `%` 主机通配
|
||
|
||
这条要人在阿里云控制台动手(安全组),代码里做不掉,所以我没碰。
|
||
|
||
- A 上 `0.0.0.0` 监口的有 **3306 / 6379 / 9000 / 18080 / 16890**(B 侧对照过,replica 的 3306 **只在 docker 网络内**,
|
||
B 对外只有 443)。
|
||
- 主库账号表里读到的是 `root@%`、`gitea_dpCCcA@%`、`py_Task@%`、`py_Task_test@%` ——
|
||
口令猜不出来也不该猜,但"任意来源主机"这个条件意味着**端口收掉之前,这些账号只靠口令守**。
|
||
- **收掉公网 3306 不会打断复制**:副本的 `Source_Host` 已经是 `192.168.0.171`(VPC 私网),
|
||
这是本条里唯一"已经确认可以安全收"的部分,我提前把它验掉了。
|
||
- 同类:18080 是 Java 的 actuator + 业务端口直连公网,所以第七节里"要不要暴露 `/actuator/prometheus`"
|
||
的前提是先把它从公网收掉;9000 是主 MinIO 裸口,公网可直接打 S3 请求。
|
||
- 建议动作(一次性、可回滚):阿里云安全组把 A 的入方向限制为 **仅 443(+ 运维来源 IP 的 SSH)**,
|
||
先加规则、再从工作站和 B 各验一次"私网仍可连、公网已不可连",最后才考虑删规则。
|
||
VPC 内互通(192.168.0.170/171/172 之间的 3306/6379/9000/9876/10911)不受影响 ——
|
||
今晚已实测三个私网地址全通。
|