签入版本

2026-09-12 23:12:15 +08:00
commit 91998056ca
1841 changed files with 341325 additions and 0 deletions
@@ -0,0 +1,174 @@
+# 健康检查与监控
+
+## 概述
+
+生产环境的健康检查与监控是保障服务可用性的关键环节。本文介绍 Django 应用的健康检查端点、监控指标采集、日志聚合方案。
+
+:::tip 监控体系层次
+```
+1. 应用层：健康检查端点、业务指标
+2. 系统层：CPU/内存/磁盘/网络
+3. 中间件：MySQL/Redis 连接状态
+4. 日志：集中式日志收集与分析
+```
+:::
+
+## 健康检查端点
+
+可通过 Django 视图实现健康检查端点，用于负载均衡器或容器编排的探针配置：
+
+```python
+# application/health/views.py
+from django.http import JsonResponse
+from django.db import connection
+
+def health_check(request):
+    """健康检查端点"""
+    try:
+        # 检查数据库连接
+        with connection.cursor() as cursor:
+            cursor.execute("SELECT 1")
+        return JsonResponse({"status": "healthy", "database": "ok"})
+    except Exception as e:
+        return JsonResponse({"status": "unhealthy", "error": str(e)}, status=503)
+```
+
+```bash
+# 基础健康检查
+GET /health/
+
+# 响应示例
+{
+    "status": "healthy",
+    "database": "ok"
+}
+```
+
+:::tip Docker 健康检查
+在 Dockerfile 中配置 HEALTHCHECK：
+```dockerfile
+HEALTHCHECK --interval=30s --timeout=10s --retries=3 \
+ CMD curl -f http://localhost:8000/health/ || exit 1
+```
+:::
+
+## 监控指标
+
+### 应用指标
+
+| 指标 | 说明 | 采集方式 |
+|------|------|---------|
+| 请求总量 | API 调用次数 | Nginx access log / Django 中间件 |
+| 响应时间 | P50/P95/P99 延迟 | Django 中间件 / APM |
+| 错误率 | 5xx 响应占比 | Nginx error log / Django 日志 |
+| 活跃连接数 | 当前并发请求 | Gunicorn stats |
+
+### 系统指标
+
+| 指标 | 说明 | 告警阈值 |
+|------|------|---------|
+| CPU 使用率 | 进程 CPU 占用 | > 80% |
+| 内存使用率 | 进程内存占用 | > 85% |
+| 磁盘使用率 | 磁盘空间占用 | > 90% |
+| 网络流量 | 入站/出站带宽 | 根据带宽设定 |
+
+### 中间件指标
+
+| 指标 | 说明 | 告警阈值 |
+|------|------|---------|
+| MySQL 连接数 | 活跃/空闲连接 | > max_connections * 0.8 |
+| MySQL 慢查询 | 执行时间 > 1s 的查询 | > 10/min |
+| Redis 内存使用 | Redis 内存占用 | > maxmemory * 0.8 |
+| Redis 连接数 | 活跃客户端连接 | > maxclients * 0.8 |
+
+## 日志聚合
+
+### 应用日志格式
+
+项目使用 Python `logging` 模块输出结构化日志：
+
+```
+2026-09-05 10:30:15 [INFO] django: Application startup complete
+2026-09-05 10:30:16 [WARNING] middleware: Rate limit exceeded for 192.168.1.100
+2026-09-05 10:30:17 [ERROR] services: Login failed for user admin
+```
+
+### ELK 方案
+
+Elasticsearch + Logstash + Kibana 集中日志收集：
+
+```yaml
+# Filebeat 配置示例
+filebeat.inputs:
+  - type: log
+    enabled: true
+    paths:
+      - /data/apps/logs/*.log
+    fields:
+      app: djangoadmin
+    multiline.pattern: '^\d{4}-\d{2}-\d{2}'
+    multiline.negate: true
+    multiline.match: after
+
+output.elasticsearch:
+  hosts: ["http://elasticsearch:9200"]
+  index: "djangoadmin-%{+yyyy.MM.dd}"
+```
+
+### Loki 方案
+
+轻量级日志聚合（配合 Grafana）：
+
+```yaml
+# docker-compose.yml 添加 Loki 和 Grafana
+services:
+  loki:
+    image: grafana/loki:latest
+    ports:
+      - "3100:8001"
+
+  promtail:
+    image: grafana/promtail:latest
+    volumes:
+      - /data/apps/logs:/var/log/app
+      - ./promtail-config.yml:/etc/promtail/config.yml
+
+  grafana:
+    image: grafana/grafana:latest
+    ports:
+      - "3000:3000"
+```
+
+:::tip Loki 优势
+相比 ELK，Loki 更轻量——不索引日志内容，仅索引标签，存储成本低，适合中小规模部署。
+:::
+
+## 告警配置
+
+### 常用告警规则
+
+```yaml
+# Prometheus AlertManager 规则示例
+groups:
+  - name: djangoadmin
+    rules:
+      - alert: HighErrorRate
+        expr: rate(http_requests_total{status=~"5.."}[5m]) > 0.1
+        for: 5m
+        labels:
+          severity: critical
+        annotations:
+          summary: "错误率超过10%"
+
+      - alert: HighResponseTime
+        expr: histogram_quantile(0.95, rate(http_request_duration_seconds_bucket[5m])) > 2
+        for: 5m
+        labels:
+          severity: warning
+        annotations:
+          summary: "P95响应时间超过2秒"
+```
+
+## 总结
+
+健康检查与监控是生产环境的基础设施：通过健康检查端点实现负载均衡探针，通过系统/应用/中间件指标全面掌握服务状态，通过 ELK 或 Loki 实现日志集中分析。建议中小项目优先采用 Loki+Grafana 轻量方案，大型项目使用 ELK 全家桶。