可观测性与运维

每个标准 Launcher 都会在游戏服务旁启动私有 HTTP 管理服务。使用独立端口可以 避免运维流量进入 ELR2 协议路径。

Probe 端点

端点	认证	成功响应	含义
GET /healthz	无	204	进程和管理循环存活
GET /readyz	无	204	进程可接收新流量
GET /version	无	200 JSON	Elura 版本、运行时、组件和实例

Readiness 失败返回 503 和简短原因。使用 Readiness 将进程摘除流量；只有在 进程真正卡死时才通过 Liveness 重启。

指标与诊断

配置令牌后，指标和调试端点需要 Bearer Token：

curl -H "Authorization: Bearer $APP_ADMIN_TOKEN" \
  http://127.0.0.1:17001/metrics

端点	用途
GET /metrics	Prometheus 文本格式
GET /debug/stats	运行时计数器与当前活动
GET /debug/backend	Gateway 熔断/并发状态，可能返回 404
GET /debug/routes	已注册的 World 路由元数据，可能返回 404

所有 JSON 和调试响应都使用 Cache-Control: no-store。

重要 Gateway 信号

• 活跃连接数与累计连接数；
• 已认证会话；
• 请求与被拒绝请求；
• 故障、Push 与 Push 失败；
• 活跃 World 命令；
• 并发保护与熔断拒绝；
• 短暂后端故障与熔断开启次数。

重要 World 信号

• 活跃命令数与累计命令数；
• 成功命令；
• 业务故障与内部故障；
• 超时与被捕获的 Handler Panic；
• 幂等缓存活动；
• 路由就绪状态与 Registrar 健康状态。

应针对速率和持续状态告警，而不是单次计数增长。熔断器持续打开、内部故障持续 增长或所有实例 Readiness 失败都需要立即处理。

管理操作

应用挂接 Gateway 管理能力后，运维人员可以强制退出、撤销账户版本、封禁用户 或 IP，以及启用维护模式。准入策略修改接口还需要 AdmissionAdmin 实现。 未挂接的可选能力返回 404。

请求体和状态码见管理 HTTP API。

优雅停机

标准 Launcher 监听平台终止信号，停止接收工作并协调 Gateway、World 和管理 任务。Kubernetes 的终止宽限期应大于配置的 Shutdown Timeout，并为 Endpoint 移除留出时间。短暂的 preStop 延迟可以减少 Endpoint 传播期间的新连接。

压力测试

Workspace 包含 elura-load TCP 压测工具。它会创建签名测试 Ticket、认证每个 连接、请求指定应用路由，并输出连接、认证、请求延迟、吞吐与错误计数。

export ELURA_LOAD_TICKET_KEY='替换为与-gateway-相同的-32-字节密钥'
cargo run -p elura-load -- \
  --address 127.0.0.1:17000 \
  --connections 1000 \
  --requests 100 \
  --route 120

运行 cargo run -p elura-load -- --help 查看 Payload、超时、爬升、Identity 与 Ticket Claim 选项。Ticket Key、Issuer、Audience、Region 和 Realm 必须与 目标 Gateway 一致。请使用独立的非生产环境；每个 Worker 都代表一名已认证用户， 并会调用指定路由。

需要可复现的分布式压测时，tools/elura-perf/compose.yml 会启动 HAProxy、两个 Gateway、一个 World、Redis 和压测工具。由于所有连接都来自同一个容器，该环境 有意关闭了共享的来源 IP 请求限制，不应把这项覆盖复制到常规部署配置。

事故排查

1. 检查受影响实例的 /healthz、/readyz 和 /version。
2. 重启前保存 /debug/stats 与 /debug/backend。
3. 对比 Gateway 后端错误与 World 命令故障和延迟。
4. 检查发现到的目标与 World Readiness。
5. 分别检查 Redis、SQL 和 Kubernetes 适配器健康状态。
6. 确认发布没有以不兼容方式更改路由 ID、密钥、Issuer/Audience、TLS 或内部令牌。