feat(syslog): 优化WAL配置并在入站阶段丢弃无效设备日志

- 默认在进入WAL前丢弃未注册、重复或未分配到当前探针的Syslog日志 - 使用后台设备内存快照，避免Netty网络线程访问Redis或达梦 - 增加Terminal审计开关，允许恢复原有逐条审计文件模式 - 历史WAL中的无效设备记录直接推进checkpoint - 增加无效设备丢弃、快照状态及刷新失败监控指标 - 生产WAL队列调整为20000条 - WAL待写预算和分段大小调整为2GiB - 同步生产配置、Docker Compose及升级文档 - 增加无效设备前置过滤和Terminal开关测试 chore(syslog): 统一生产环境 WAL 挂载目录 - 将生产环境 WAL 默认目录调整为 /app/logs/syslog-wal - Docker Compose 显式设置 SYSLOG_WAL_DIRECTORY - WAL 与应用日志共用 /app/logs 宿主机挂载 - 移除旧的 /data/syslog-archive 独立挂载 - 宿主机 WAL 路径统一为 /home/syslog/logs/syslog-wal
2026-09-15 22:10:46 +08:00
parent 5a86a4f950
commit faa9ffe2d9
19 changed files with 553 additions and 32 deletions
@@ -0,0 +1,191 @@
+# 天眼/微步 JSON 解析异常排查入口
+
+## 目标
+
+定位一条日志为什么进入 `syslog_non_normal_message` 并标记为“JSON解析异常”。
+
+只分析当前设备绑定的规则：
+
+- 天眼设备重点看规则 `129 / skyeye_alarm_log`；
+- 微步设备看该设备实际绑定的规则，现场已见 `150 / weibu_TDP_alarmlog_JSON`、
+  `158 / weibujsomv2`、`159 / weibujson`；
+- `Threatbook[pid]: {...}` 属于微步/TDP 报文，不要拿规则129分析；
+- 设备与规则的绑定以 `dm_normalize_rule_device` 为准，不要模糊查询全表后把所有规则都拿来匹配。
+
+## 第一步：取得两个输入
+
+### 1. 解析前的完整原文
+
+不要使用达梦非标表里带有以下标记的内容判断 JSON 是否合法：
+
+```text
+[HB_XDR_TRUNCATED original_utf8_bytes=...]
+```
+
+该内容已经在规则计算完成后按 2KB 限制截断，不是 Jackson 实际收到的报文。
+
+使用 v5 脚本按设备采集解析前原文：
+
+```bash
+chmod 700 upgrade-doc/v5/capture-device-raw-logs.sh
+
+upgrade-doc/v5/capture-device-raw-logs.sh \
+  <设备ID> 120 20 \
+  http://127.0.0.1:8289/xdrrule \
+  /data/haobang/raw-log-captures
+```
+
+调试需要生成目录中的 `result.json` 和 `raw/*.log`。如果接口不可用，再从原始 InfluxDB 或
+`syslog-serve` 接收日志按 `device_id + receive_time/event_id` 导出完整 `message`。
+
+### 2. 当前设备绑定的完整规则
+
+`rule_content` 最长约一万多字符，在达梦 `disql` 中设置 20000 字符并 spool 到文件：
+
+```sql
+SET LONG 20000
+SET LONGCHUNKSIZE 20000
+SET LINESIZE 32767
+SET PAGESIZE 0
+SET TRIMSPOOL ON
+SPOOL /tmp/device-normalize-rules.txt
+
+SELECT b.device_id,
+       r.id AS rule_id,
+       r.name,
+       r.display_name,
+       r.data_type,
+       DBMS_LOB.GETLENGTH(r.rule_content) AS rule_content_length,
+       DBMS_LOB.SUBSTR(r.rule_content, 20000, 1) AS rule_content
+  FROM dm_normalize_rule_device b
+  JOIN dm_normalize_rule r ON r.id = b.normalize_rule_id
+ WHERE b.device_id = <设备ID>
+   AND r.del_flag = '0'
+ ORDER BY r.id;
+
+SPOOL OFF
+```
+
+若长度超过 20000，再取下一段：
+
+```sql
+DBMS_LOB.SUBSTR(rule_content, 20000, 20001)
+```
+
+## 第二步：在代码中拿到 Jackson 的真实输入
+
+当前主链路：
+
+```text
+SysLogProcessor.prepareNormalization()
+  -> LogNormalProcessor.prepare()
+  -> LogNormalProcessor.collectCandidates()
+  -> CompiledRule.isApplicableTo()
+  -> CompiledRule.parse()
+  -> logNormalData.ParserMessageJsonType()
+  -> JsonParser.extractJsonFromLogMessage()（必要时）
+  -> NestedJsonParserUtil.safeParseJson()
+  -> Jackson
+```
+
+建议断点：
+
+| 位置 | 观察内容 |
+| --- | --- |
+| `LogNormalProcessor.java:516` | 当前设备加载了哪些规则，每条规则是否进入候选解析 |
+| `CompiledRule.java:72` | 当前 `ruleId`、原始 `message` 和 cropper 配置 |
+| `CompiledRule.java:94` | cropper 结果是否需要再次截取 `{...}` |
+| `CompiledRule.java:99` | 变量 `cropped`，即 Compiled 链路交给 Jackson 的完整字符串 |
+| `CompiledRule.java:124` | `head_key` 是否真的能标识这类报文 |
+| `NestedJsonParserUtil.java:41` | Jackson 的首次解析结果及准确行列错误 |
+| `LogNormalProcessor.java:1014` | 关闭 Compiled 优化时的 legacy 入口，观察 `strJson` |
+
+相关源码：
+
+```text
+syslog-consumer-rule/src/main/java/com/Modules/NormalData/LogNormalProcessor.java
+syslog-consumer-rule/src/main/java/com/Modules/NormalData/compiled/CompiledRule.java
+syslog-consumer-rule/src/main/java/com/Modules/NormalData/logNormalData.java
+syslog-consumer-rule/src/main/java/com/common/util/JsonParser.java
+syslog-consumer-rule/src/main/java/com/common/util/NestedJsonParserUtil.java
+syslog-consumer-rule/src/main/java/com/common/service/RawLaneFieldLimiter.java
+```
+
+对每条失败样本保存以下信息即可：
+
+```text
+deviceId
+ruleId / ruleName
+完整原文 message
+cropper_params
+截取结果 cropped（或 legacy 的 strJson）
+Jackson 原始错误及行列号
+```
+
+不要为了调试在生产 `INFO` 日志中持续打印完整原文；使用采集文件、断点或只针对一条脱敏样本的测试。
+
+## 第三步：根据真实输入分类
+
+| 现象 | 结论 | 处理位置 |
+| --- | --- | --- |
+| `cropped` 仍含 Syslog 头或天眼分隔前缀 | 截取未完成 | `cropper_params` 或 JSON 对象边界截取 |
+| `cropped` 缺少开头 `{`、结尾 `}` 或被截在中间 | cropper 范围错误 | 优先修当前规则 cropper |
+| 报文不含规则的格式特征，却进入该规则 | 候选规则归属错误 | `isApplicableTo()`/规则特征配置 |
+| `cropped` 是完整外层 JSON，但 `req_body` 等字段内有未转义双引号、反斜杠或真实换行 | 设备报文/嵌套字段转义错误 | 优先让设备修；必要时做设备/规则专用预处理 |
+| 完整原文在进入规则前已经不完整 | 上游提前截断 | 查 `syslog-serve`、Kafka 和原始存储链路 |
+| 只有达梦非标字段被截断 | 与解析失败无关 | 不修改解析代码 |
+
+`JsonParser.extractJsonFromLogMessage()` 的默认行为是取第一个 `{` 到最后一个 `}`。配置了 cropper 时，
+先执行 `ParserMessageJsonType()`；如果结果不是完整 `{...}`，当前 Compiled JSON 路径才会再次执行对象边界截取。
+
+## 天眼与微步的现有复现入口
+
+测试文件：
+
+```text
+syslog-consumer-rule/src/test/java/com/Modules/NormalData/LogNormalProcessorRuleSelectionTest.java
+```
+
+直接参考两个用例：
+
+- `threatbookUsesTdpRuleAfterFixedOffsetHoneypotRulesAreRejected`：微步 Threatbook 报文应选择规则150，
+  不能被158/159的固定偏移规则提前判为非标；
+- `skyeyeCropperPrefixIsNarrowedToOuterJsonBeforeJackson`：天眼规则129截取后，Jackson 输入必须是完整外层 JSON。
+
+把现场完整原文脱敏后增加为 fixture，并使用现场规则的真实 `cropper_params`。至少断言：
+
+```text
+选中的 normalize_rule_id
+一个关键字段的映射值
+未生成“JSON解析异常”非标记录
+```
+
+使用 JDK 8 执行：
+
+```bash
+mvn -Dtest=LogNormalProcessorRuleSelectionTest test
+```
+
+## 必看的历史修改
+
+```bash
+git show a70707c72969c7979aef9c0221fd55360c365227
+git show a70707c^:syslog-consumer-rule/src/main/java/com/common/util/NestedJsonParserUtil.java
+git show c6e3505
+```
+
+- `a70707c...` 删除了首次失败后的全局坏 JSON 猜测修复和第二次 Jackson 解析；
+- 旧版会依次尝试修复未转义引号、单引号、反斜杠、缺失引号、数值、布尔和 null；
+- `c6e3505` 修改了候选规则失败处理及 JSON 对象边界截取，避免前一条不适用规则失败后立即转非标。
+
+判断问题是否由删除旧修复引起，必须对同一份完整原文记录四项结果：
+
+```text
+当前首次解析结果
+旧版首次解析结果
+旧版修复后的字符串（并指出实际生效步骤）
+旧版第二次解析结果
+```
+
+没有这四项证据，不要恢复旧版全局修复。全局恢复会给每条坏 JSON 增加多次扫描、正则替换、字符串分配和
+第二次 Jackson 解析。若确实需要兼容设备缺陷，优先限定到指定设备及指定规则，最后才考虑通用解析器。
@@ -1,5 +1,8 @@
 # v5 现场设备原始日志采样

+天眼/微步 JSON 异常的代码入口和现场开发排查顺序见
+[`02-json-format-error-debug-guide.md`](./02-json-format-error-debug-guide.md)。
+
 ## 功能说明

 v5 为 `syslog-consumer-rule` 增加按设备短时采集原始日志的诊断接口，并提供自动落盘脚本。