王绍宏
87fee6fe69
- 新增 start-lag-ms 配置，默认15分钟内全量保留 - 在15分钟至1小时之间按10级逐步降低保留率 - 延迟达到1小时后使用普通10%、非标20%的最低保留率 - 校验起始延迟必须小于最低保留率阈值 - 状态接口新增 start_lag_ms 配置展示 - 将采样策略版本升级为 v2 - 更新 Docker Compose 和 v4 升级配置说明 - 补充采样时间边界及非法配置单元测试
v4 积压分级采样与告警优先升级说明
升级范围
v4 只升级 syslog-consumer-rule 和达梦数据库，不修改 syslog-serve，也不新增 Kafka Topic。
本次升级包含：
- 根据消息
receive_time与当前时间的差值，对积压消息分级采样； syslog_normal_alarm始终全量保留，并在 InfluxDB 原文、普通表和非标表之前单独提交；- 未被保留的
syslog_normal_data、syslog_non_normal_message及对应原文不写入存储； - 按消息来源小时、Topic、Partition、策略版本和实际保留率记录采样审计；
- 审计表不可用时自动回退为全量保留，不执行有损采样；
- InfluxDB 原文写入变为非关键旁路，启动检查或运行时写入失败只记录并继续主消费。
文件与执行顺序
| 顺序 | 文件 | 作用 |
|---|---|---|
| 1 | database/01-backlog-sampling-precheck.sql |
只读检查目标表、约束和索引是否已经存在 |
| 2 | database/02-backlog-sampling-upgrade.sql |
创建积压采样小时审计表，仅执行一次 |
| 3 | database/03-backlog-sampling-verify.sql |
只读验证表结构，并查看实际保留情况 |
| 4 | config/01-new-environment-variables.md |
核对新增配置，再替换 syslog-consumer-rule JAR |
数据库脚本必须使用 syslog-consumer-rule 实际连接的达梦用户执行。
第一步：升级达梦
先执行：
database/01-backlog-sampling-precheck.sql
- 如果目标表、约束和索引都不存在，执行
02-backlog-sampling-upgrade.sql，再执行03-backlog-sampling-verify.sql； - 如果目标表已经存在，不要重复执行
02，直接执行03核对结构； - 如果只存在部分对象，先停止升级并确认此前执行到哪一步，不要盲目重跑建表脚本。
03 验证应满足：
- 返回
SYSLOG_BACKLOG_RETENTION_HOURLY一张表； - 表包含 22 个字段；
- 主键和保留率检查约束状态为
ENABLED； - 更新时间索引状态为
VALID。
第二步：配置并升级应用
按 新增变量配置清单 核对配置，然后替换并重启
syslog-consumer-rule。只替换 JAR、不增加环境变量时，积压采样也会按 JAR 内置默认值开启，因此必须先
完成数据库升级。
默认策略如下：
| 消息延迟 | 普通记录保留率 | 非标记录保留率 |
|---|---|---|
| 不大于 15 分钟 | 100% | 100% |
| 大于 15、且小于 19.5 分钟 | 100% | 100% |
| 19.5～小于 24 分钟 | 91% | 92% |
| 24～小于 28.5 分钟 | 82% | 84% |
| 28.5～小于 33 分钟 | 73% | 76% |
| 33～小于 37.5 分钟 | 64% | 68% |
| 37.5～小于 42 分钟 | 55% | 60% |
| 42～小于 46.5 分钟 | 46% | 52% |
| 46.5～小于 51 分钟 | 37% | 44% |
| 51～小于 55.5 分钟 | 28% | 36% |
| 55.5～小于 60 分钟 | 19% | 28% |
| 不小于 60 分钟 | 10% | 20% |
默认前 15 分钟为免采样窗口。之后使用 （60 分钟 - 15 分钟）÷ 10 = 4.5 分钟 的阶梯宽度；
达到 1 小时才使用最低保留率。
采样采用 event_id 的确定性哈希：同一策略版本下，同一消息重复处理时选择结果一致。规则计算始终执行，
只有完成规则计算、确认是否产生告警并成功写入小时审计后，才执行丢弃。
写入顺序与故障行为
每个批次按以下顺序处理：
- 完整规则计算并提交采样审计；
- 单独提交全部
syslog_normal_alarm； - 写入被保留消息的 InfluxDB 原文；
- 写入被保留的
syslog_normal_data和syslog_non_normal_message。
InfluxDB 原文写入默认单次网络阶段最多等待 5 秒；发生依赖故障后，30 秒内快速跳过后续原文请求。启动 健康检查失败、写入失败以及特殊 DLT 写入失败都只记录日志，不阻塞 Kafka 主消费进度。
升级后验证
查看消费和异常日志：
docker logs --since 10m syslog-consumer-rule-dm 2>&1 \
| grep -E 'Syslog批次完成|BACKLOG_SAMPLING|INFLUX_RAW_BYPASS|SYSLOG_CONTINUITY_LOSS' \
| tail -100
查看运行状态：
GET /xdrrule/api/syslog/backlog-sampling/status
GET /xdrrule/api/syslog/raw-storage/metrics
然后执行 database/03-backlog-sampling-verify.sql 的最后一段查询。没有延迟消息时，审计查询为空属于正常；
发生积压后，应能按来源小时看到告警保存数、普通/非标实际保留率和原文丢弃数。
重点确认：
alarm_rows_saved始终等于alarm_rows_total；audit_write_failures_total和audit_fallback_messages_total不持续增加；- InfluxDB 故障时 Kafka offset 仍继续推进，告警和达梦保留数据仍持续写入；
raw_write_bypassed_messages_total增加表示原文旁路失败，不表示主消费停止。
回滚
紧急关闭采样可配置：
- SYSLOG_BACKLOG_SAMPLING_ENABLED=false
重建 syslog-consumer-rule 容器后，普通、非标及原文恢复全量保留。也可回滚旧 JAR。无论采用哪种方式，
都保留 syslog_backlog_retention_hourly 表，不要删除历史审计数据。