监控与健康检查

权限与入口

平台系统信息与管理监控由 Root／超级管理员或授权运维人员查看；普通用户的数据看板见 用户指南。

至少分别观察服务存活、请求链路和业务结果。状态接口能返回，不代表模型可用、用户有权益或任务能够完成。

三层检查

层次	检查什么	说明
应用状态	/api/status、容器状态、启动日志	确认网关可以响应
调用链路	受控令牌的模型请求与延迟	可能产生少量费用，应设置预算
业务结果	失败率、最终扣费、任务积压与终态	避免只看 HTTP 200

仓库 Compose 已提供访问 /api/status 的容器健康检查。它不验证每条上游渠道。

基础检查命令

curl --fail-with-body http://localhost:3000/api/status
docker compose ps
docker compose logs --tail 100 ai-gateway

记录 HTTP 状态之外，还应检查 JSON 的业务结果。管理 API 可能使用 success: false 表示失败，不能把收到 200 一律当成操作成功。

需要持续观察的信号

• 请求错误率是否集中于某个模型、渠道或上游。
• 首字延迟、总耗时与流式中断是否同时变化。
• 数据库连接、磁盘空间和数据库备份是否正常。
• Redis 不可用后，缓存和限流是否按预期降级。
• 任务排队时间、轮询失败和超时数量是否增加。
• 日志增长是否符合保留策略，是否占满磁盘。

具体阈值应根据真实基线设定，不使用本站虚构的容量指标。

性能诊断

当前环境示例包含 pprof 与 Pyroscope 相关配置。只有确有诊断需求时再启用，限制可访问范围并避免暴露到公网。性能分析会产生额外开销，采样结果也可能含内部信息。

先根据错误和资源趋势确认瓶颈位置，再决定优化网关、上游、数据库还是反向代理。