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：

  1 2 3 4 5 6 7

  { "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：

1
2
3
4

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）

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20

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

1
2

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。

• PRD
• Saas
• Business
• Deploylite