106 lines
13 KiB
Markdown
106 lines
13 KiB
Markdown
## Context
|
||
|
||
「运营商通道」即既有 `Carrier`（`tb_carrier`），系统无独立通道实体；卡归属通道 = `IotCard.CarrierID`，下文 `carrier_id` 均指该外键。`Carrier.DataResetDay` 是上游流量重置日（1–28，运营商每月清零网关计数器的日期），已有 CRUD 管理接口。卡上 `last_gateway_reading_mb` 是运营商当前周期累计流量读数，由流量轮询经卡观测 `ApplyTrafficObservation` 事务写入。停复机统一入口 `StopResumeService.EvaluateAndAct`，现有停因 3 种轮询停因可自动复机，风险网关扩展态（风险停机/销户）禁止复机。资金类外部调用已有「DB 事实表 + 每分钟恢复扫描 + 至多一次提交认领」范式（refundchannel）。套餐真流量预警（第 12 项，已归档）只通知不停机，本能力与其零耦合。
|
||
|
||
## Goals / Non-Goals
|
||
|
||
**Goals:**
|
||
|
||
- 通道阈值配置（扩列 `tb_carrier`）+ 字段级平台守卫 + 审计并入既有 carrier 审计。
|
||
- 达量停机：锁 + 可靠停机事件，周期内拒绝一切复机。
|
||
- 新周期解锁 + 条件复机；停机/复机失败未知由恢复扫描确认或超期转人工。
|
||
|
||
**Non-Goals:**
|
||
|
||
- 不改套餐真流量预警代码与表。
|
||
- 不改既有 3 种轮询停因语义、不改网关调用层、不改 `isTrafficResetWindow`。
|
||
- 不扩散设备维度；不建独立通道实体；不为阈值配置建附属表。
|
||
|
||
## Decisions
|
||
|
||
### 1. 阈值配置扩列 tb_carrier
|
||
|
||
- 新增列：`traffic_threshold_enabled`（bool，默认 false）、`traffic_threshold_value`（正数，numeric）、`traffic_threshold_unit`（`MB`/`GB`）。
|
||
- **周期起始日复用既有 `data_reset_day`，不新增列。** 通道计费周期 = 网关计数器清零周期，是同一事实（列注释即此语义），两套并存必然口径漂移；因此不引入 `traffic_period_type`、`traffic_period_start_day` 字段，统计周期只有一个：月内起始日（1–28，上海时区）。
|
||
- **GB 换算系数固定 1 GB = 1024 MB**，以常量定义；换算后与 `last_gateway_reading_mb`（MB）同单位比较。
|
||
|
||
### 2. period_start 公式（上海时区）
|
||
|
||
`resetDay` 取该卡 carrier 的 `data_reset_day`：
|
||
|
||
```
|
||
M = time.Date(y, m, resetDay, 0, 0, 0, 0, time.FixedZone("", 8*3600)) // 本月重置日 0 点
|
||
period_start = M if now >= M
|
||
period_start = M.AddDate(0, -1, 0) if now < M // 上月重置日 0 点
|
||
```
|
||
|
||
`resetDay` 1–28 保证每月有定义（无 2 月 30 日问题）。与 `isTrafficResetWindow`（`internal/domain/cardobservation/traffic.go`，重置日当天+前一日）**是两个口径**：前者是网关计数器清零的观测窗口（判断读数回落是否为合法清零），后者是逻辑周期起点（锁唯一键）；二者互不修改。
|
||
|
||
### 3. 达量停机
|
||
|
||
- **判定落点：`ApplyTrafficObservation` 既有事务内**（行锁 + CAS 已持有，数据最新，并发天然安全；人工刷新同路径行为一致）。条件：`decision.ReadingAccepted == true` 且卡所属 carrier 阈值启用；异常下降保护（`ReadingAccepted == false`）不判定。只用 `last_gateway_reading_mb`，不用 `data_usage_mb`、`current_month_usage_mb` 或套餐真流量。
|
||
- 事务内写锁 + Outbox 停机事件（ENG-TX-001）；事件 ID 用 `outboxid.Stable`。
|
||
- 锁唯一键 `(carrier_id, card_id, period_start)`；**postgres 23505 单独捕获为「该周期已处理」并跳过**，不得与既有流量基线 CAS 冲突（`CodeConflict`）混流——两类冲突语义不同，前者幂等跳过，后者重放重试。
|
||
- **改阈值不生效于当前周期已持锁卡**：唯一键已占位 = 该周期已处理，当前周期维持拒绝复机；新周期按新阈值判断。
|
||
- **停机消费者**（worker，消费停机 Outbox 事件）：
|
||
1. 提交认领：锁行 `stop_submitted_at IS NULL AND status='locked'` 条件更新（refundchannel `claimChannelSubmission` 范式），至多一次执行；认领失败 = 已提交过或锁已被周期处理跨期解锁 → 只走恢复查询，绝不重复调用。
|
||
2. 卡已 `offline`（其他停因先行）→ 不调 Gateway，直接确认 success。
|
||
3. 否则复用 `stopCardWithRetry`（内部 3 次重试、Integration Log、统一审计）；成功后写 `network_status=offline`、`stop_reason=channel_threshold`、`stopped_at`。
|
||
4. 失败/未知：子任务落 `failed`/`unknown` 并记安全失败原因，锁行与历史结果一律保留；**两类结果都不退出收敛链路**——恢复扫描的未决集合为 `{submitted, unknown, failed}`，继续用只读状态查询确认（调用失败或响应超时并不代表运营商侧未生效），超期转人工；unknown 的 Integration Log 必带 `RecoveryStrategy`。
|
||
|
||
### 4. 停因与复机拒绝
|
||
|
||
- 新增 `StopReasonChannelThreshold = "channel_threshold"`（`pkg/constants/iot.go` 停因组）。**不纳入 `isPollingStopReason`**（否则 `EvaluateAndAct` 离线分支会绕过周期逻辑直接自动复机），**不纳入 `isDeviceScopeReason`**（不扩散设备）。复机只由周期处理发起。
|
||
- **持锁拒绝覆盖四个入口**，入口前置检查（锁存在 → 拒绝 + 审计 `denied` + 锁保留；顺序先于既有各类前置校验与上游调用）：
|
||
| 入口 | 覆盖路径 | 拒绝时的返回 |
|
||
|---|---|---|
|
||
| `resumeSingleCard` | `EvaluateAndAct` 自动复机、`ResumeCardIfStopped`、`resumeDeviceCards` 遍历 | 返回 nil（自动链路不把拒绝当失败重试），但仍写 `denied` 审计 |
|
||
| `ManualStartCard` | 手动复机 | 返回 `CodeForbidden` + 中文拒绝文案 |
|
||
| `ForceStartCard` | 保护期强制复机（**先持锁拒绝，再走既有保护期一致性检查**，否则会强行复机锁定期内的卡） | 返回 `CodeForbidden` + 中文拒绝文案 |
|
||
| `StartMachineSeparatedCard` | 机卡分离复机 | 返回 `CodeForbidden` + 中文拒绝文案 |
|
||
- **「其他停机锁」定义**：`stop_reason` 非空且非 `channel_threshold`（arrears/manual/carrier_stopped/protect_period 等），或 `gateway_extend` 为风险停机/销户（`isRiskGatewayExtend`）。
|
||
|
||
### 5. 周期处理与恢复（两个独立 cron）
|
||
|
||
均 `@every 1m` + `asynq.Unique(10m)` + 无 payload，照 `TaskTypeRefundChannelRecovery` 形态注册（`cmd/worker/main.go`）；独立 cron 而非挂流量轮询同路径，是因为不依赖「停机卡是否继续被轮询」，新周期后最迟 1 分钟处理。
|
||
|
||
1. **周期处理**：扫描待处理的持锁锁行（`status=locked`），按**锁行自身 carrier** 的 `data_reset_day` 分两种结果处理：
|
||
- 已跨期（`period_start` 早于该 carrier 的当前周期起点，支持换运营商后旧锁归属）：条件更新认领解锁（`status=locked → unlocked`，防并发重复）；逐卡评估有效主套餐（`hasValidPackage`）+ 流量未耗尽（`isTrafficExhausted`）+ 实名 OK（`isRealnameOK`）+ 非风险 extend + 无其他停因；全满足写复机 Outbox 事件，任一不满足只解锁并把原因写入锁行。
|
||
- 周期归属不可判定（锁行引用的 carrier 已不存在/软删，或 `data_reset_day` 非法）：**同样认领解锁**（按 spec「新周期对仍持锁卡解除通道锁」的语义）**并同事务 `anomaly_flag=1` + 安全原因**、Warn 日志转人工；不写复机事件、不调运营商。解锁与异常标记 MUST 共用同一事务句柄（解锁已持有该行锁，异常标记若改走连接池的另一条连接会等待该行锁直到语句超时，表现为该锁停在 `locked` 且周期处理每分钟空转）。该分支是必须的出路：`ActiveLock` 对配置缺失按仍未生效处理（fail-closed，不放开复机），若周期处理也跳过这些行，持锁卡将永久禁止一切复机且无自动出路。
|
||
2. **恢复扫描**：扫描 `anomaly_flag=0` 且 `stop_status`/`resume_status` 处于**未决集合 `{submitted, unknown, failed}`** 的锁；**只查询网关状态回填，绝不重复发起停复机**；确认成功 → 回填任务状态（`confirmed` 只写一次，条件更新按未决集合为谓词）并补写卡状态（覆盖「Gateway 成功但 DB 更新失败」场景）；自提交起超过 **30 分钟**（常量定义）仍不可查 → `anomaly_flag=1` + 安全失败原因，退出扫描转人工，不自动删除锁。
|
||
- **复机消费者**：结构同停机消费者，认领字段 `resume_submitted_at`，复用 `resumeCardWithRetry`，成功后写 `network_status=online`、`resumed_at`，并**只在该卡停因正是 `channel_threshold` 时清除停因**（不覆盖 arrears/manual 等其他停因）。
|
||
- 周期处理与恢复 Handler 审计上下文固定 `ActorKind=AuditActorScheduledJob`、`Source=AuditSourceScheduler`。
|
||
|
||
### 6. 权限与审计
|
||
|
||
- 现有 carrier CRUD 路由无角色守卫（仅 `Auth: true`，代理后端账号可达 admin 组）。**字段级守卫**：Create/Update 中阈值字段仅 `SuperAdmin`/`Platform` 可写（对齐 `requirePlatformManagement` 模式），非平台账号提交含阈值字段的请求即拒绝；List/Get 响应对非平台账号不返回阈值字段。**不把整个 carrier CRUD 改为平台专属**，避免影响既有非阈值字段用途。
|
||
- 审计并入既有 carrier 更新审计（`writeAudit` 整体快照前后值），不新建独立审计动作；启停即 Update 的一部分，前后值自然覆盖。
|
||
- 通道停用：`enabled=false` 只停止新锁创建；已持锁卡当前周期继续拒绝复机，新周期解锁/复机照常；锁与历史保留。
|
||
|
||
### 7. 审计决定（ENG-AUDIT-001）
|
||
|
||
按 ENG-AUDIT-001「用例 MUST 明确 Audit Event、Domain Ledger、Integration Log、Outbox 的使用决定或 N/A 理由」，本能力的四类事实归属如下：
|
||
|
||
- **Audit Event（有，复用既有动作，不新建动作）**：卡状态侧的用户可见结果与关键拒绝——达量停机成功/失败（`iot_card.auto_stop`）、新周期复机成功（`iot_card.auto_start`）、四入口持锁拒绝（同上动作 + `result=denied`）——全部走停复机单一事实源的统一审计写入（与卡状态更新同事务）。
|
||
- **Domain Ledger（N/A）**：本能力不涉及资金与额度，无独立账本事实。
|
||
- **Integration Log（有）**：每次运营商停复机调用与每次恢复扫描的状态查询都写 Integration Log（`stop_card`/`start_card`/`query_card_status`）；结果未知必带 `RecoveryStrategy`（既有基座强制）。
|
||
- **Outbox（有）**：达量停机事件与周期复机事件与锁行事实同事务写入（ENG-OUTBOX-001）。
|
||
- **锁行状态迁移（`locked→unlocked`、`anomaly_flag=1`）的 N/A 决定**：这两类迁移是**本能力内部的任务编排状态**，不是用户可见的业务状态变更，因此**不新建独立审计动作**；其承载方式为：锁行自身的 `status`/`failure_reason`/`updated_at` 留痕 + 周期处理计划任务的 Warn 日志（含 lock_id/card_id/carrier_id 与原因）+ 该锁驱动的卡状态变更由上述 Audit Event 覆盖。该决定在此显式登记，四类事实不得互相替代。
|
||
- 读卡/写审计类基础设施故障使结果无法判定时，子任务保持 `submitted`，由恢复扫描按窗口收敛或转人工——不伪造终态。
|
||
|
||
### 8. 锁表结构
|
||
|
||
`carrier_id`、`card_id`、`period_start`（timestamptz，唯一键三列组合，软删感知）、`status`（`locked`/`unlocked`）、任务状态组（`stop_status`/`resume_status`：`pending`/`submitted`/`confirmed`/`failed`/`unknown`）、提交认领字段（`stop_submitted_at`/`resume_submitted_at`）、`anomaly_flag`、`failure_reason`、时间戳。成对迁移（up/down）。
|
||
|
||
### 9. 既有能力的行为变更（Modified Capability）
|
||
|
||
持通道阈值锁的卡在锁定期内不再调用上游复机流程，这改变了既有 `package-lifecycle`「套餐状态流转」中「支付后已生效主套餐异步尝试自动复机」与「套餐激活/重置复机」的可观察行为（新增一条前置条件：持通道阈值锁时拒绝复机）。该变更以 `openspec/changes/add-carrier-channel-traffic-thresholds/specs/package-lifecycle/spec.md` 的 MODIFIED delta 显式建模（复述原 Requirement 全文并加入持锁条件），主 Spec 的同步在归档时进行。
|
||
|
||
## Risks / Trade-offs
|
||
|
||
- 达量判定嵌入 `ApplyTrafficObservation` 事务：该事务变重（多一次 carrier 查询 + 锁插入）。收益是并发安全与数据最新；风险是事务失败回滚会连同流量事实一起回滚——既有 CAS 冲突已按此语义处理，行为一致。
|
||
- 停机成功写 `stop_reason=channel_threshold` 会覆盖卡上既有停因字段；仅当停机消费者确认 Gateway 成功后写入，且持锁期本就该拒绝其他路径，覆盖可接受。
|
||
- 恢复扫描「只查询回填」依赖网关状态查询接口可用；持续不可用 → 30 分钟超期转人工，锁保留，无数据丢失。
|
||
- 停机/复机调用明确失败（`failed`）与结果未知（`unknown`）都继续留在收敛链路上：每分钟只做一次**只读**状态查询，绝不重试外呼；这在极端情况下会让同一笔结果在 30 分钟内被查询数十次，代价换来「调用已生效但响应丢失」场景能被自动纠正。
|
||
- 锁行引用的 carrier 被删除/软删，或 `data_reset_day` 非法时，周期处理按跨期语义解锁并标记异常转人工：解锁意味着该卡不再被通道锁拒绝复机（配置缺失时无法判断是否仍在周期内），异常标记与 Warn 日志保证运维可见。本能力不新增 carrier 删除前置校验（既有 Change 边界），该场景以计划任务 + 锁行留痕转人工。
|