第五章：非功能性需求与运维保障（Non-Functional Requirements & Operational Assurance）

5.1 性能与容量规划（Performance & Capacity Planning）

目标

确保平台在中等规模负载下（1000+ 项目、10000+ 构建/天）仍具备高性能与可扩展性。

性能指标目标表

性能测试范围

• 构建时长测试（Build Duration Benchmark）：
  不同语言项目在缓存命中 / 未命中状态下的平均时长。
• 高并发调度测试（Scheduler Benchmark）：
  测试 1000 并发任务分配的稳定性。
• 制品上传压力测试：
  并发上传 1GB 文件 50 个。
• 数据库吞吐测试：
  每秒 5000 次写入 + 20000 次查询。
• 缓存命中率测试：
  Go 模块缓存 ≥ 85%，Node 依赖缓存 ≥ 70%。

扩展性要求

• 所有服务可横向扩展（Stateless 组件支持负载均衡）。
• Runner 池可按租户标签分布式部署。
• 支持多区域（Region）Runner 注册。
• 架构应支持“热升级”（不影响正在执行任务）。

验收标准

✅ 系统在并发 500 请求下平均响应 ≤ 200ms；
✅ 单节点可稳定执行 100 并发任务；
✅ 系统冷启动 < 30 秒；
✅ 在节点宕机情况下任务可自动迁移。

5.2 安全与合规（Security & Compliance）

安全设计目标

• 默认安全（Security by Default）；
• 零信任（Zero-Trust）；
• 数据全程加密；
• 可追溯（Auditable）。

安全架构分层

漏洞与依赖管理

• 所有基础镜像定期扫描；

• 发现 CVE 后自动禁用对应 Runner；

• SBOM 自动生成；

• 生成报告格式：

  {
    "package": "openssl",
    "version": "1.1.1t",
    "vulnerabilities": [
      {"cve": "CVE-2023-2650", "severity": "HIGH", "fix_version": "1.1.1u"}
    ]
  }
  

合规标准

验收标准

✅ 所有 API 均使用 TLS；
✅ Secret 永不以明文形式输出；
✅ 策略拒绝未签名镜像；
✅ 审计日志可回溯 180 天。

5.3 宕机与恢复策略（Disaster Recovery & Fault Handling）

目标

在组件或节点宕机时，保证：

• 任务不中断或可自动迁移；
• 数据不丢失；
• 平台恢复时间可预测。

故障分类

数据恢复策略

• 数据库备份：每日全量，间隔 6 小时增量；

• 制品备份：每 24 小时同步到副存储；

• 日志备份：Loki/ES 每 3 小时快照；

• 密钥备份：仅加密形式存储，双副本；

• 恢复目标（RTO / RPO）：

  • RTO ≤ 30 分钟
  • RPO ≤ 10 分钟

验收标准

✅ 数据库崩溃后 30 分钟内可恢复；
✅ 构建任务中断时自动重试；
✅ 备份可验证恢复；
✅ 制品一致性（hash 匹配）验证通过。

5.4 SLA / SLO / SLI 设计

SLA（服务等级协议）

SLO（目标）

SLI（测量指标）

• API 成功率 (2xx / total_requests)
• 任务平均耗时
• Runner 健康率 (healthy / total)
• Pipeline 错误率
• 平均回滚时间

SLA 违约响应策略

• 若月度可用性 < 99.9%，用户获得账期抵扣；
• 连续两次违反 SLA → 启动根因分析（RCA）报告。

5.5 可观测性（Observability）

监控指标（Metrics）

日志体系（Logging）

• 结构化日志（JSON 格式）；

• 日志级别：TRACE, INFO, WARN, ERROR；

• 关键字段：

  • trace_id
  • job_id
  • runner_id
  • pipeline_id
  • timestamp

• 日志采集：Filebeat → Loki；

• 保留周期：默认 90 天；

• 敏感信息脱敏规则：正则屏蔽 Token、密码。

追踪体系（Tracing）

• 使用 OpenTelemetry 标准；
• 链路：Trigger → Scheduler → Runner → Deploy；
• 每次构建生成唯一 traceId；
• 支持与 Jaeger、Tempo 集成；
• Trace 可视化 UI 嵌入 Dashboard。

告警（Alerting）

5.6 运维管理（Operations & Admin）

管理控制台（Ops Console）

提供平台级管理界面，包括：

1. 系统健康总览（节点状态、负载、延迟）；
2. Runner 管理（注册、标签、健康）；
3. 任务队列监控；
4. 存储空间使用；
5. 告警日志；
6. 策略管理；
7. 配额与计费；
8. 租户管理。

管理操作接口（Admin API）

命令行工具（CLI）

提供 dlctl 命令行：

dlctl runner list
dlctl tenant scale --id 1001 --concurrency 10
dlctl pipeline rerun --id 3021
dlctl artifact purge --project core-api

5.7 部署模式（Deployment Modes）

部署流程（Compose 模式示例）

version: '3'
services:
  control-plane:
    image: deploylite/server:latest
    ports:
      - 8080:8080
    env_file:
      - .env
  runner:
    image: deploylite/runner:latest
    environment:
      - RUNNER_TOKEN=xxxx
    depends_on:
      - control-plane
  db:
    image: postgres:16
  redis:
    image: redis:7
  minio:
    image: minio/minio

安装脚本示例

curl -sSL https://dlite.sh/install.sh | bash
dlite up --with-runner --compose

安装完成后自动检测：

• 数据库连接；
• Redis 队列；
• Runner 注册；
• UI 可访问性。

5.8 异常与回退机制（Failure & Rollback Procedures）

5.9 系统维护计划（Maintenance Plan）

• 每月版本升级；
• 每季度安全扫描；
• 每半年灾备演练；
• 每年 SLA 审核；
• 自动更新 Runner 镜像；
• 异常检测与预测（AI 基线分析）。

✅ 第五章总结：
该章节确立了 DeployLite 的质量基准：

“即使在 1000 项目、万级任务的复杂场景下，也能保持高可用、安全可追溯、快速恢复、全链路可观测。”

下一章节将进入：

第六章：交互原型与用户体验设计（Interaction Design & UX Specification）
这一章会详细描述每个界面结构、交互逻辑、状态流转、空状态/错误态设计、暗黑模式规范，以及移动端自适应原则。