FineBI深度巡检

1.1 版本

1.2 应用场景

深度巡检是运维平台为 FineBI 工程提供的一键式架构稳定性与性能诊断工具。

通过自动采集 90 天长周期运维数据，内置规则引擎对 12 项关键健康指标进行自动判定，生成包含基建诊断、稳定性分析和性能评估的专业 HTML 诊断报告，并支持导出结构化明细资料包供 AI 深度解析。

帮助运维人员将原本需要 4 到 8 小时的专家人工诊断工作，缩短为分钟级操作。

• 深度巡检功能仅在以下条件下可用：工程版本为 FineBI 6.1 或 7.0 且 工程通过运维平台部署

• FineReport工程、FineDataLink工程及非运维平台部署的 FineBI 工程均不支持此功能

3.1 功能入口

管理员登录运维平台，单击目标 FineBI 工程卡片进入项目详情页。单击「健康巡检 > 深度巡检」。

3.2 执行深度巡检

• 首次巡检

单击「开始巡检」，请耐心等待巡检任务完成，页面自动展示诊断报告，并在报告下方显示巡检记录条目。

• 重新巡检

当需要获取最新的诊断数据时，可重新执行深度巡检。在诊断报告页面底部，单击「重新诊断」，重新执行深度巡检。

3.3 查看诊断报告

巡检完毕后，支持直接在运维平台页面查看完整的诊断报告。报告包含以下核心模块：

• 体检报告核心诊断摘要：规则引擎自动汇总 12 项关键健康检查结论

• 环境 & 应用基建诊断：集群架构拓扑、资源分配总览、QPM 趋势

• 稳定性问题诊断：宿主机与应用负载矩阵、告警审计

• 性能问题诊断：Apdex 可用性指数

3.4 导出诊断报告

深度巡检支持导出到本地查看。支持两种导出方式，满足离线查看与 AI 深度分析的不同需求。

注：明细资料包如果超过 100 MB，系统默认保留最近 5 份，超限时自动删除历史最早版本。

• 导出 HTML 诊断报告

HTML 报告为自包含的静态文件，支持离线查看，无需网络环境。

1）在巡检报告列表中，找到目标巡检记录条目。

2）单击「下载 html」，浏览器自动下载 HTML 诊断报告文件。

下载的 HTML 文件可在任何浏览器中直接打开，完整展示诊断报告的所有图表、诊断结论和 AI 引导提示。

• 导出明细资料包

明细资料包包含结构化的元数据和时序明细数据，供 AI 平台或专业工具进行深度分析。

1）在巡检报告列表中，找到目标巡检记录条目。

2）单击「下载明细资料包」，浏览器自动下载 ZIP 压缩包。

3）资料包解压后，文件说明如下：

诊断报告从整体诊断摘要到各模块详细分析依次排列，确保信息层次清晰、便于快速阅读和后续程序解析。

4.1 报告顶部信息

报告顶部显示项目基本信息，帮助运维人员快速了解巡检范围。

• 集群节点数量

• 报告生成时间

4.2 体检报告核心诊断摘要

此模块为诊断报告的首屏核心区域，基于内置规则引擎对 12 项关键健康检查的自动汇总结果，帮助运维人员在深入查看底层图表之前，先对系统当前的健康定性形成直观认知。

顶部数字看板

显示「严重风险」「需关注」「正常指标」三项累计数量（如 1 严重 + 2 需关注 + 9 正常 = 共 12 项检查），三者之和等于总检查项数。

三列诊断卡片

按三大诊断模块分区展示：

• 基础性问题诊断（4 项）：资源超分配比、硬件规格达标、节点高可用、存储水位监控

• 稳定性核心问题诊断（7 项）：应用可用性健康度、宿主机负载-CPU、宿主机负载-内存、核心应用负载-CPU、核心应用负载-内存、JVM 线程池健康度、组件健康状态

• 性能阻塞分析（1 项）：访问体验 Apdex

每个模块卡片的整体状态由内部最高风险项决定（包含严重项则卡片标红，包含需关注项则卡片标橙，全正常则标绿）。

检查项明细卡片

每项检查单独一张卡片，包含三个要素：

1）状态标签（红色-严重、橙色-需关注、绿色-正常）

2）检查项名称（灰色弱化显示，如「节点高可用」）

3）诊断结论摘要（直接点明问题现象及潜在影响）

当同一检查项涉及多个节点时，标题处标注影响面（如「核心应用负载-内存 · 1台严重，1台需关注」），卡片内容只展示最高风险节点的详情，避免信息冗余。

AI 深度诊疗引导

摘要底部固定展示提示：本地初诊仅基于基础规则进行健康度定性评估。如需跨维度关联分析（如：更新影响查询原因定位、查询性能同 QPM 增长趋势关联变化、获取系统架构调优方案），建议导出明细资料包进行深度分析

4.3 集群架构拓扑

此模块展示当前工程的集群部署架构，帮助运维人员快速了解节点分布与资源分配情况。

报告展示以下信息：

• 工程版本与镜像信息

• 集群组件构成（如 2biweb + 1bimaster + 2biworker + 1biminio）

• 数据采集时间

• 各组件角色说明

• 每台宿主机上运行的容器及其资源配置（容器最大可用 CPU、容器最大可用内存、JVM Xmx、DirectMemory）

拓扑图下方展示内置引擎诊断结论，对应检查项「节点高可用」：

• 若命中警告：显示黄色「需关注」标签及文案「组件当前为单点部署，若发生节点级故障可能影响整体可用性，建议增加节点以满足高可用架构要求」

• 若未命中：显示绿色「正常」标签及文案「核心主应用组件均满足多节点高可用部署要求」

4.4 集群宿主机资源分配总览

此模块基于容器最大可用 CPU 和内存的汇总分配率，直观展示各宿主机的资源分配是否合理。当分配率超过 100% 时，表示存在超分配风险。

每台宿主机展示以下信息：

• 宿主机 IP 地址与物理规格（总 CPU 核数 / 总内存）

• CPU 分配率：已分配最大可用 CPU 总和 / 物理 CPU 总量。超过 100% 时以红色标注并显示超限百分比

• 内存分配率：已分配最大可用内存总和 / 物理内存总量。根据使用率以绿色（正常）、橙色（偏高）、红色（超限）标注

• 该宿主机上运行的容器列表

资源分配进度条卡片下方展示诊断结论，对应检查项「资源超分配比」与「硬件规格达标」：

• 若同时命中多条规则，优先展示级别最高的（严重 > 关注），按检查项名称排序，通过多个卡片展示

• 严重告警示例：「集群容器分配的资源总和已超过宿主机物理上限，可能引发资源争抢并影响系统稳定性，建议合理规划资源分配或进行扩容」

4.5 QPM 日峰值增长轨迹

此模块展示近 90 天的每分钟查询数（QPM）趋势，帮助运维人员评估业务增长对系统容量的影响，判断是否需要扩容。

报告展示以下信息：

• 近 24h 并发请求峰值（QPM）

• 90 天增幅：与 90 天前首周均值的增长百分比

• QPM / 天增速：线性回归拟合的日均增长量

• 趋势图：折线图展示每日 QPM 峰值，红色虚线展示线性回归趋势，绿色柱状图展示日活用户数峰值

此模块偏向容量规划与趋势洞察，无直接对应的红黄告警检查项，但作为基建诊断的辅助依据。图表下方固定展示 AI 深度诊疗引导：

90天增幅 XXX，QPM/天增速 XXX，如果需要判断系统并发是否达到业务瓶颈以及未来增长余量，建议导出明细资料包进行深度诊断分析

4.6 宿主机负载健康诊断矩阵

此模块通过矩阵式布局，对所有宿主机的 CPU 和内存负载进行横向对比，帮助运维人员快速定位负载最高的宿主机。

矩阵中每个宿主机卡片展示三个维度的统计指标（基于近 30 天数据）：

• 均值：30 天内每日 P95 均值的平均值，反映常态化负载水平

• 峰值：30 天内单日绝对峰值的最高值，反映瞬时压力

• P95：30 天内每日 P95 最高值（Max of Daily P95），反映极限负载水平

矩阵顶部显示节点总数与状态分布（如"2个节点 + 2正常"）。

节点状态根据 P95 指标和告警次数判定，对应检查项「宿主机负载-CPU」与「宿主机负载-内存」：

• 严重风险：P95 ≥ 90% 且告警次数 ≥ 5 次，标红

• 需关注：P95 在 80% 到 90% 之间或告警次数 2 到 4 次，标橙

• 正常指标：其他情况，标绿

4.7 TOP3 高负载宿主机

在诊断矩阵下方，提供近 30 天每日 P95 水位趋势图。

• 折线图每个点代表单日 P95 最高值（Max of Daily P95）

• 蓝线代表 CPU

• 紫线代表内存

• 红色虚线代表 90% 告警阈值。

帮助运维人员观察负载变化趋势，判断是否存在持续恶化或周期性波动。

4.8 应用节点负载健康矩阵

此模块将所有应用实例按业务角色分组（bi-web、bi-worker、bi-master 等），实现同类应用间的性能横向对比。

每个应用卡片展示 CPU 与 JVM 内存三个维度的统计指标（均值、峰值、P95），以及 FullGC 最大次数与 GC 停顿耗时。

应用节点的内存 P95 指标采用 FGC 后老年代的占用比计算，更准确地反映真实内存使用水位。

节点状态对应检查项「核心应用负载-CPU」「核心应用负载-内存」与「JVM 线程池健康度」判定。

矩阵下方展示「应用健康诊断报告」折叠面板，默认展开。严重和需关注状态支持折叠设计。

4.9 TOP3 高资源占用应用节点

在诊断矩阵下方，提供近 30 天 CPU / JVM 内存每日 P95 最高值水位趋势图。

• 折线图每个点代表单日 P95 最高值

• 蓝线代表 CPU

• 紫线代表 JVM 内存

• 红色虚线代表 90% 告警阈值

4.10 告警审计

此模块汇总近 30 天的服务器、应用和组件告警信息，按三个核心架构域分类展示：

• 服务器告警

• 应用告警

• 组件告警

每类告警展示告警规则、触发条件、涉及节点、告警次数、最近告警时间和当前状态。右上角显示告警总数汇总标签。

列表下方提供诊断总结论，对应检查项「存储水位监控」「应用可用性健康度」与「组件健康状态」。

前端展示时，除了总次数，增加「最近触发时间」，帮助运维人员判断该风险是否为当前正在发生的活跃风险。

具体告警条目的详细信息和时间序列，需前往「项目管理 > 告警 > 告警记录」查看。

4.11 Apdex 可用性指数

此模块为性能诊断的首屏核心视图，评估应用整体用户体验。

实线代表每日 Apdex 综合指数的波动轨迹。红色虚线为 SLA 基线（固定在 95.00%），作为健康水位警戒线。当实线跌破红色虚线时，直观暴露性能受损日。

将总请求拆分为「抽取模式」与「直连模式」，分别展示两种模式的请求数、占比以及各自的 Apdex 指数。

产品价值：帮助排查性能下降是因为底层数据库慢（直连模式 Apdex 低），还是 BI 引擎自身处理慢（抽取模式 Apdex 低）。

表格还展示最低日值与告警日：

• 最低日值：该月内单日 Apdex 的最低点，反映极端体验下限

• 告警日：该月内触发了「访问异常告警」的天数，作为访问体验检查项的输入源

节点状态诊断依据（对应检查项「访问体验 Apdex」），前端渲染逻辑如下：

• 严重状态：近 30 天告警日总和 ≥ 10 天，右上角强制显示红色「严重性能受损」标签。表格中对应的「告警日」单元格数字标红加粗

• 需关注状态：告警日处于 3 到 9 天，或最低日值跌破 95%，显示黄色「体验波动」标签

• 正常状态：指标平稳，显示绿色「体验良好」标签

5.1 风险状态等级

诊断报告中的风险状态分为三个等级，对应不同的处理紧迫程度：

5.2 基建核心问题诊断项

5.3 稳定性核心问题诊断项

组件健康状态涵盖的告警项包括：外置库状态异常告警、外置库连通性告警、状态服务器联通告警、状态服务器内存占用过高、状态服务器状态异常告警、文件服务器连通性告警、Nginx 状态异常告警。

5.4 性能阻塞分析诊断项