DolphinDB 运维工具实战：自动化脚本体系设计与落地（2.0.x）

七夜zippoe2026-09-05 11:16

摘要：本文面向负责 DolphinDB 生产环境运维的工程师，系统讲解如何利用 DolphinDB 内置脚本能力构建监控、维护、部署、告警一体化的自动化运维工具链。文章基于 DolphinDB 2.0.x 版本，从"运维工具"与"自动化运维脚本"两个核心概念切入，给出可直接复用的 5 组脚本示例、3 类 Mermaid 图示、2 张对照表和 3 张配图提示，并重点说明版本兼容、变更风险和回滚策略，帮助读者把重复运维动作沉淀为可调度、可观测、可回滚的标准化流程。

文章目录

一、引言：为什么运维脚本必须自动化

在生产环境中，DolphinDB 集群往往承载着高频写入、实时计算和复杂查询任务。随着节点数增加、业务场景复杂化，依赖人工登录每台机器执行巡检、清理、备份、升级的日子已经难以为继。手动操作不仅效率低，还容易出现"这台机器改了、那台机器漏改"的配置漂移，或者在紧急故障时因为步骤不熟悉而二次扩大影响面。

自动化运维脚本解决的核心问题，是把"人记住流程"变成"脚本执行流程"。它的价值不只是省时间，更在于可重复、可审计、可回滚。当所有关键操作都被脚本化后，团队可以通过调度器定时执行、通过日志追溯每一次变更、通过版本控制管理脚本本身的演进。这对于需要 7×24 小时稳定运行的金融、物联网、工业大数据场景尤为重要。

从成熟度来看，运维自动化通常经历三个阶段：第一阶段是"adhoc 脚本"，哪里有问题写哪里；第二阶段是"定时任务"，把重复动作交给调度器；第三阶段是"平台化运维"，通过统一入口、版本控制和可观测体系把脚本变成组织能力。本文介绍的方案覆盖了第二到第三阶段的关键能力，读者可以根据自身团队规模选择逐步落地。

本文基于 DolphinDB 2.0.x 进行讲解，涉及的 submitJob、scheduleJob、getClusterPerf 等函数和脚本组织思路均为经典运维自动化原理的实践，不依赖特定小版本。如果你使用的是更早的 1.x 版本，部分函数签名和集群管理接口可能存在差异，建议参考对应版本的官方文档作为替代方案。接下来会先拆解两个关键概念，再按监控、维护、部署、告警的链路给出完整实现与边界说明。

二、概念拆解：运维工具与自动化运维脚本

2.1 什么是 DolphinDB 运维工具

运维工具并不是某一款单一产品，而是围绕集群生命周期管理的一整套能力集合。在 DolphinDB 的语境下，它既包括官方提供的 Web 管理界面、命令行客户端、集群管理接口，也包括用户基于 DolphinDB 脚本语言（DolphinDB Script）自行封装的函数、任务和流程。

常见的运维工具覆盖五大领域：监控（采集 CPU、内存、连接数、查询耗时）、维护（数据清理、索引重建、健康检查）、部署（单机/集群安装、参数初始化）、备份恢复（全量/增量备份、灾难恢复）、告警通知（阈值触发、多渠道通知）。这五大领域并不是孤立存在的，而是构成了"采集→分析→决策→执行→通知"的完整闭环。

对于中小规模集群，官方 Web 管理界面和命令行可能已经足够；但当节点数量超过 10 个、业务对 RTO/RPO 有明确要求时，就需要把官方能力进一步封装成脚本，并接入企业内部的告警、CMDB、发布平台。此时，"运维工具"就不再是单一产品，而是一个与组织流程深度结合的工程体系。

2.2 自动化运维脚本解决什么问题

自动化运维脚本的本质是用可执行的代码替代人工操作步骤 。它通常具备三个特征：第一，可调度，能够通过 scheduleJob 按固定周期运行，也能通过 submitJob 立即触发；第二，可观测，执行结果写入流表或持久化到文件，方便后续审计；第三，可组合，多个脚本可以组合成更大的运维工作流，例如"备份→升级→验证→回滚"。

没有脚本化时，团队容易陷入三种困境：第一是响应慢 ，深夜告警需要值班人员手动登录排查；第二是不一致 ，不同人员执行同一操作的步骤存在偏差；第三是难追溯，事故发生后无法快速还原当时做了什么。脚本化并不能消除故障，但能显著降低人为因素带来的风险。

此外，脚本化还有三个容易被忽视的好处：第一是可测试 ，脚本可以在测试环境反复跑，直到稳定后再上生产；第二是可交接 ，新员工通过阅读脚本就能理解运维流程，而不是依赖老员工的口头传授；第三是可优化，当发现某个步骤耗时过长时，可以通过 profiling 脚本本身找到瓶颈，而不是模糊地"再观察观察"。

2.3 运维脚本分层体系

按照职责不同，可以把 DolphinDB 运维脚本分为三层：采集层 负责持续收集系统和数据库指标；决策层 负责根据阈值判断是否需要干预；执行层负责实际完成清理、备份、部署、通知等动作。三层之间通过流表、日志和调度任务解耦，任何一层升级都不应影响其他层的稳定运行。
#mermaid-svg-XvsMebdd3s2IPDuH{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-XvsMebdd3s2IPDuH .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-XvsMebdd3s2IPDuH .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-XvsMebdd3s2IPDuH .error-icon{fill:#552222;}#mermaid-svg-XvsMebdd3s2IPDuH .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-XvsMebdd3s2IPDuH .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-XvsMebdd3s2IPDuH .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-XvsMebdd3s2IPDuH .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-XvsMebdd3s2IPDuH .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-XvsMebdd3s2IPDuH .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-XvsMebdd3s2IPDuH .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-XvsMebdd3s2IPDuH .marker{fill:#333333;stroke:#333333;}#mermaid-svg-XvsMebdd3s2IPDuH .marker.cross{stroke:#333333;}#mermaid-svg-XvsMebdd3s2IPDuH svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-XvsMebdd3s2IPDuH p{margin:0;}#mermaid-svg-XvsMebdd3s2IPDuH .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-XvsMebdd3s2IPDuH .cluster-label text{fill:#333;}#mermaid-svg-XvsMebdd3s2IPDuH .cluster-label span{color:#333;}#mermaid-svg-XvsMebdd3s2IPDuH .cluster-label span p{background-color:transparent;}#mermaid-svg-XvsMebdd3s2IPDuH .label text,#mermaid-svg-XvsMebdd3s2IPDuH span{fill:#333;color:#333;}#mermaid-svg-XvsMebdd3s2IPDuH .node rect,#mermaid-svg-XvsMebdd3s2IPDuH .node circle,#mermaid-svg-XvsMebdd3s2IPDuH .node ellipse,#mermaid-svg-XvsMebdd3s2IPDuH .node polygon,#mermaid-svg-XvsMebdd3s2IPDuH .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-XvsMebdd3s2IPDuH .rough-node .label text,#mermaid-svg-XvsMebdd3s2IPDuH .node .label text,#mermaid-svg-XvsMebdd3s2IPDuH .image-shape .label,#mermaid-svg-XvsMebdd3s2IPDuH .icon-shape .label{text-anchor:middle;}#mermaid-svg-XvsMebdd3s2IPDuH .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-XvsMebdd3s2IPDuH .rough-node .label,#mermaid-svg-XvsMebdd3s2IPDuH .node .label,#mermaid-svg-XvsMebdd3s2IPDuH .image-shape .label,#mermaid-svg-XvsMebdd3s2IPDuH .icon-shape .label{text-align:center;}#mermaid-svg-XvsMebdd3s2IPDuH .node.clickable{cursor:pointer;}#mermaid-svg-XvsMebdd3s2IPDuH .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-XvsMebdd3s2IPDuH .arrowheadPath{fill:#333333;}#mermaid-svg-XvsMebdd3s2IPDuH .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-XvsMebdd3s2IPDuH .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-XvsMebdd3s2IPDuH .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-XvsMebdd3s2IPDuH .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-XvsMebdd3s2IPDuH .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-XvsMebdd3s2IPDuH .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-XvsMebdd3s2IPDuH .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-XvsMebdd3s2IPDuH .cluster text{fill:#333;}#mermaid-svg-XvsMebdd3s2IPDuH .cluster span{color:#333;}#mermaid-svg-XvsMebdd3s2IPDuH div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-XvsMebdd3s2IPDuH .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-XvsMebdd3s2IPDuH rect.text{fill:none;stroke-width:0;}#mermaid-svg-XvsMebdd3s2IPDuH .icon-shape,#mermaid-svg-XvsMebdd3s2IPDuH .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-XvsMebdd3s2IPDuH .icon-shape p,#mermaid-svg-XvsMebdd3s2IPDuH .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-XvsMebdd3s2IPDuH .icon-shape .label rect,#mermaid-svg-XvsMebdd3s2IPDuH .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-XvsMebdd3s2IPDuH .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-XvsMebdd3s2IPDuH .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-XvsMebdd3s2IPDuH :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 执行层
决策层
采集层
是
是
否
系统监控脚本
指标流表
数据库监控脚本
集群监控脚本
阈值判断
是否触发
维护脚本
告警通知脚本
继续采集
部署/升级脚本

图示说明：运维脚本按采集层、决策层、执行层分层解耦，指标统一写入流表后再做阈值判断与动作执行。

三、监控类脚本：从被动救火到主动发现

监控是运维自动化的眼睛。没有监控，所有的故障处理都是被动救火；有了监控，才能在问题萌芽阶段就触发干预。DolphinDB 的监控脚本通常需要覆盖三个层面：系统层（CPU、内存、磁盘、网络）、数据库层（连接数、查询量、写入量、缓存命中率）、集群层（节点状态、节点级资源使用）。

下面这段脚本把三类监控任务合并到一个模块中，通过不同的 submitJob 名称区分职责。系统监控每分钟采集一次主机指标并写入 monitor_metrics 流表；数据库监控关注连接数、查询量和缓存命中率；集群监控则遍历所有节点，把每个节点的状态写入 cluster_metrics。

dolphindb 复制代码 
// 监控类脚本合集：系统 + 数据库 + 集群
def initMonitoringTables() {
    share streamTable(100000:0,
        `timestamp`cpu_usage`mem_usage`disk_usage`net_rx`net_tx,
        [TIMESTAMP, DOUBLE, DOUBLE, DOUBLE, LONG, LONG]) as monitor_metrics

    share streamTable(100000:0,
        `timestamp`connections`queries`writes`memory`cache_hit_rate,
        [TIMESTAMP, INT, INT, INT, DOUBLE, DOUBLE]) as db_metrics

    share streamTable(100000:0,
        `timestamp`node_id`status`cpu_usage`mem_usage`connections,
        [TIMESTAMP, STRING, STRING, DOUBLE, DOUBLE, INT]) as cluster_metrics
}

def systemMonitorTask() {
    cpuInfo = cpu()
    memInfo = mem()
    diskInfo = disk()
    netInfo = net()
    insert into monitor_metrics values(
        now(), cpuInfo.usage,
        memInfo.used * 100.0 / memInfo.total,
        diskInfo.used * 100.0 / diskInfo.total,
        netInfo.rxBytes, netInfo.txBytes)
    if (cpuInfo.usage > 80) sendAlert("CPU使用率过高: " + cpuInfo.usage + "%")
}

def dbMonitorTask() {
    insert into db_metrics values(
        now(), getConnectionCount(), getQueryCount(),
        getWriteCount(), getMemoryUsage(), getCacheHitRate())
}

def clusterMonitorTask() {
    nodes = getClusterPerf()
    for (node in nodes) {
        insert into cluster_metrics values(
            now(), node.node, node.status,
            node.cpuUsage, node.memUsage, node.connectionCount)
    }
}

def startMonitoring() {
    initMonitoringTables()
    submitJob("sys_monitor", "系统监控", systemMonitorTask, 60000, 0)
    submitJob("db_monitor", "数据库监控", dbMonitorTask, 60000, 0)
    submitJob("cluster_monitor", "集群监控", clusterMonitorTask, 60000, 0)
    print("监控脚本已启动")
}

预期输出：startMonitoring() 执行后，控制台打印"监控脚本已启动"，三张流表 monitor_metrics、db_metrics、cluster_metrics 开始以 60 秒为周期接收数据。submitJob 最后一个参数为 0 表示无限次执行，直到主动取消或节点重启。

这里把三类监控合并写在一个模块里，是因为它们共享相同的"采集→写入流表"模式。实际生产环境中，如果监控点非常多，建议把每个监控任务拆成独立脚本文件，并通过统一的命名规范管理。另外，监控频率不要盲目设得太高，60 秒足以覆盖大多数场景；如果设成 1 秒，一方面会占用大量 CPU 和磁盘 IO，另一方面流表数据膨胀会加快清理压力。

在存储设计上，monitor_metrics 这类流表建议设置合理的 retention 策略。如果无限制地保留所有历史监控数据，几个月后可能占用上百 GB 磁盘。常见的做法是保留 30 天原始明细和 1 年聚合指标，原始明细用于故障定位，聚合指标用于容量规划。

四、维护类脚本：定时任务与健康管理

维护类脚本的核心目标是让数据库长期保持健康状态 ，而不是等到磁盘满了、查询慢了才临时处理。常见的维护动作包括：清理过期数据释放磁盘、重建碎片化索引提升查询性能、执行健康检查并生成报告。DolphinDB 通过 scheduleJob 可以方便地把这些动作变成定时任务。

下面的脚本把数据清理、索引维护和健康检查封装成三个函数，并提供统一的启动入口。数据清理每天凌晨 3 点执行，清理 90 天前的过期分区和超过 1 天的临时文件；索引维护每周日凌晨 2 点执行，重建碎片化率超过 30% 的索引；健康检查每小时执行一次，输出 JSON 格式的检查报告。

dolphindb 复制代码 
// 维护类脚本合集：清理 + 索引 + 健康检查
def cleanupExpiredData() {
    cutoffDate = date(now() - 90 * 86400000)
    delete from sensor_data where date(timestamp) < cutoffDate
    print("过期数据清理完成")
}

def cleanupTempFiles(tempDir) {
    files = listFiles(tempDir)
    for (file in files) {
        if (file.age > 86400000) deleteFile(file.path)
    }
    print("临时文件清理完成")
}

def rebuildFragmentedIndexes() {
    indexes = getIndexFragmentation()
    for (idx in indexes) {
        if (idx.fragmentation > 30) {
            rebuildIndex(idx.name)
            print("重建索引: " + idx.name)
        }
    }
}

def checkSystemHealth() {
    issues = array(STRING, 0)
    if (cpu().usage > 80) issues.append!("CPU使用率高")
    if (mem().used * 100.0 / mem().total > 85) issues.append!("内存使用率高")
    if (disk().used * 100.0 / disk().total > 90) issues.append!("磁盘使用率高")
    return dict(STRING, ANY, [
        ["status", iif(issues.size()==0, "healthy", "warning")],
        ["issues", issues]])
}

def generateHealthReport(report) {
    path = "/data/ddb/reports/health_" + format(now(), "yyyyMMddHHmmss") + ".json"
    saveJson(report, path)
    print("健康报告已保存: " + path)
}

def startMaintenance() {
    scheduleJob("data_cleanup", "数据清理",
        def(){ cleanupExpiredData(); cleanupTempFiles("/data/ddb/temp/") },
        03:00m, true, 2024.01.01, 2099.12.31, 'D')
    scheduleJob("index_maintenance", "索引维护",
        rebuildFragmentedIndexes, 02:00m, true, 2024.01.01, 2099.12.31, 'W', 0)
    scheduleJob("health_check", "健康检查",
        def(){ generateHealthReport(dict(STRING, ANY,
            [["system", checkSystemHealth()], ["database", checkDatabaseHealth()],
             ["cluster", checkClusterHealth()]])) },
        00:00m, true, 2024.01.01, 2099.12.31, 'H')
    print("维护脚本已启动")
}

预期输出：startMaintenance() 执行后，三个定时任务被注册到调度器。每天凌晨 3 点会清理过期数据，每周日凌晨 2 点重建碎片化索引，每小时生成一份健康报告到 /data/ddb/reports/。scheduleJob 的 'D'、'W'、'H' 分别代表按天、按周、按小时调度。

这里有一个设计要点：维护任务尽量放在业务低峰期执行。如果在交易高峰期做索引重建或大规模数据删除，可能会抢占 CPU 和 IO 资源，导致查询延迟飙升。另外，delete from 清理分区后，建议配合 gc() 或 clearCache() 释放底层资源，但这两个操作也有性能开销，需要根据集群负载情况决定是否启用。

对于健康检查脚本，建议把报告格式统一为 JSON，并接入企业内部的监控大盘或告警系统。JSON 报告里除了 status 和 issues，还可以增加 "suggest" 字段，给出下一步操作建议。这样即使值班人员不熟悉 DolphinDB，也能根据报告快速做出判断，缩短 MTTR。

五、部署与升级脚本：标准化变更流程

部署和升级是运维工作中风险最高的两类操作。一次不规范的升级可能导致集群不可用、数据不一致甚至业务中断。因此，部署脚本和升级脚本不仅要"能跑通"，还要"能验证"和"能回退"。

下面的脚本包含两部分：第一部分是单机自动部署，依次完成环境检查、依赖校验、配置生成、服务启动和连接验证；第二部分是在线升级，依次完成数据备份、服务停止、旧版本备份、新版本安装、配置迁移、服务启动和升级验证。两者都强调"先备份再变更"的原则。

dolphindb 复制代码 
def checkEnvironment() {
    os = getOSVersion()
    print("操作系统: " + os)
    print("CPU核数: " + string(getCPUCores()))
    print("内存大小: " + string(getPhysicalMemory()/1024/1024/1024) + "GB")
    if (isPortInUse(8848)) throw "端口8848已被占用"
    if (!checkLibrary("glibc", "2.17")) throw "glibc版本过低"
}
def configureSystem(config) {
    saveText(generateConfigFile(config), "/opt/dolphindb/dolphindb.cfg")
    createDirectory("/data/ddb/log")
    createDirectory("/data/ddb/dfsMeta")
    createDirectory("/data/ddb/chunkMeta")
}
def startAndVerifyService() {
    execCommand("./dolphindb -config dolphindb.cfg -mode single")
    sleep(5000)
    if (!checkServiceStatus()) throw "服务启动失败"
    conn = xdb("localhost", 8848, "admin", "123456")
    conn.run("1+1")
    print("连接测试成功")
}
def autoDeploy(config) {
    print("开始自动部署...")
    checkEnvironment()
    configureSystem(config)
    startAndVerifyService()
    print("自动部署完成")
}
def backupBeforeUpgrade(dbPath, backupDir) {
    executeFullBackup(dbPath, backupDir + "/pre_upgrade")
    execCommand("cp -r /opt/dolphindb /opt/dolphindb.bak")
    print("备份完成")
}
def installNewVersion(version) {
    url = "https://www.dolphindb.cn/downloads/DolphinDB_Linux64_" + version + ".zip"
    execCommand("wget " + url)
    execCommand("unzip DolphinDB_Linux64_" + version + ".zip -d /opt/dolphindb")
    execCommand("cp /opt/dolphindb.bak/dolphindb.cfg /opt/dolphindb/")
}
def upgradeDolphinDB(version, dbPath, backupDir) {
    print("开始升级到: " + version)
    backupBeforeUpgrade(dbPath, backupDir)
    stopService()
    installNewVersion(version)
    startService()
    print("当前版本: " + getVersion())
    verifyFunctionality()
    print("升级完成")
}

预期输出：autoDeploy(cfg) 执行后，完成环境检查、配置写入和服务启动，最后通过 xdb 连接验证 1+1 是否返回 2。upgradeDolphinDB("2.00.10", "dfs://industrial_iot", "/data/backup") 会先备份数据和旧版本安装目录，再执行升级，并在升级后打印当前版本号。

这段脚本的关键在于变更前的双重备份：数据备份保证业务数据不丢，安装目录备份保证可以回退到旧版本。实际生产环境中，升级前还应该做一次灰度验证，比如先在测试集群跑一遍完整流程，确认无异常后再在生产环境执行。另外，脚本中的密码、下载地址等敏感信息建议通过环境变量或配置中心注入，不要硬编码在脚本文件里。

升级脚本还应包含回退逻辑。例如，当 verifyFunctionality() 检测到关键功能失败时，应自动停止服务、恢复旧版本安装目录、启动旧版本服务，并通知值班人员。这种"自动回滚"能力在夜间无人值守升级时尤为重要，可以避免小问题演变成长时间不可用。

六、告警通知与事件闭环

监控发现问题只是第一步，更重要的是把问题通知到责任人并推动事件闭环。一个好的告警通知脚本需要解决三个问题：合并同类告警避免消息轰炸、按严重程度选择通知渠道、保留告警历史便于复盘。

下面的脚本实现了系统、数据库、集群三类告警的合并，并通过邮件、钉钉、短信三种渠道分级通知。普通告警走邮件和钉钉，严重告警（critical）额外触发短信。所有告警最终写入 active_alerts 表，方便后续统计和复盘。
告警日志表 通知渠道 告警合并器 决策规则 监控脚本 告警日志表 通知渠道 告警合并器 决策规则 监控脚本 #mermaid-svg-1BQJBmi7EeYHuyKo{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-1BQJBmi7EeYHuyKo .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-1BQJBmi7EeYHuyKo .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-1BQJBmi7EeYHuyKo .error-icon{fill:#552222;}#mermaid-svg-1BQJBmi7EeYHuyKo .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-1BQJBmi7EeYHuyKo .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-1BQJBmi7EeYHuyKo .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-1BQJBmi7EeYHuyKo .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-1BQJBmi7EeYHuyKo .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-1BQJBmi7EeYHuyKo .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-1BQJBmi7EeYHuyKo .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-1BQJBmi7EeYHuyKo .marker{fill:#333333;stroke:#333333;}#mermaid-svg-1BQJBmi7EeYHuyKo .marker.cross{stroke:#333333;}#mermaid-svg-1BQJBmi7EeYHuyKo svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-1BQJBmi7EeYHuyKo p{margin:0;}#mermaid-svg-1BQJBmi7EeYHuyKo .actor{stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);fill:#ECECFF;}#mermaid-svg-1BQJBmi7EeYHuyKo text.actor>tspan{fill:black;stroke:none;}#mermaid-svg-1BQJBmi7EeYHuyKo .actor-line{stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);}#mermaid-svg-1BQJBmi7EeYHuyKo .innerArc{stroke-width:1.5;stroke-dasharray:none;}#mermaid-svg-1BQJBmi7EeYHuyKo .messageLine0{stroke-width:1.5;stroke-dasharray:none;stroke:#333;}#mermaid-svg-1BQJBmi7EeYHuyKo .messageLine1{stroke-width:1.5;stroke-dasharray:2,2;stroke:#333;}#mermaid-svg-1BQJBmi7EeYHuyKo #arrowhead path{fill:#333;stroke:#333;}#mermaid-svg-1BQJBmi7EeYHuyKo .sequenceNumber{fill:white;}#mermaid-svg-1BQJBmi7EeYHuyKo #sequencenumber{fill:#333;}#mermaid-svg-1BQJBmi7EeYHuyKo #crosshead path{fill:#333;stroke:#333;}#mermaid-svg-1BQJBmi7EeYHuyKo .messageText{fill:#333;stroke:none;}#mermaid-svg-1BQJBmi7EeYHuyKo .labelBox{stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);fill:#ECECFF;}#mermaid-svg-1BQJBmi7EeYHuyKo .labelText,#mermaid-svg-1BQJBmi7EeYHuyKo .labelText>tspan{fill:black;stroke:none;}#mermaid-svg-1BQJBmi7EeYHuyKo .loopText,#mermaid-svg-1BQJBmi7EeYHuyKo .loopText>tspan{fill:black;stroke:none;}#mermaid-svg-1BQJBmi7EeYHuyKo .loopLine{stroke-width:2px;stroke-dasharray:2,2;stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);fill:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);}#mermaid-svg-1BQJBmi7EeYHuyKo .note{stroke:#aaaa33;fill:#fff5ad;}#mermaid-svg-1BQJBmi7EeYHuyKo .noteText,#mermaid-svg-1BQJBmi7EeYHuyKo .noteText>tspan{fill:black;stroke:none;}#mermaid-svg-1BQJBmi7EeYHuyKo .activation0{fill:#f4f4f4;stroke:#666;}#mermaid-svg-1BQJBmi7EeYHuyKo .activation1{fill:#f4f4f4;stroke:#666;}#mermaid-svg-1BQJBmi7EeYHuyKo .activation2{fill:#f4f4f4;stroke:#666;}#mermaid-svg-1BQJBmi7EeYHuyKo .actorPopupMenu{position:absolute;}#mermaid-svg-1BQJBmi7EeYHuyKo .actorPopupMenuPanel{position:absolute;fill:#ECECFF;box-shadow:0px 8px 16px 0px rgba(0,0,0,0.2);filter:drop-shadow(3px 5px 2px rgb(0 0 0 / 0.4));}#mermaid-svg-1BQJBmi7EeYHuyKo .actor-man line{stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);fill:#ECECFF;}#mermaid-svg-1BQJBmi7EeYHuyKo .actor-man circle,#mermaid-svg-1BQJBmi7EeYHuyKo line{stroke:hsl(259.6261682243, 59.7765363128%, 87.9019607843%);fill:#ECECFF;stroke-width:2px;}#mermaid-svg-1BQJBmi7EeYHuyKo :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 上报指标 阈值判断 触发告警 同类合并/去重 邮件/钉钉/短信 写入告警记录 发送结果 更新状态

图示说明：告警通知时序：监控脚本上报指标，决策规则判断阈值，告警合并器去重后分发通知并持久化记录。

dolphindb 复制代码 
// 告警通知脚本
def checkSystemAlerts() {
    alerts = table(1:0, `level`message`time, [STRING, STRING, TIMESTAMP])
    if (cpu().usage > 80) insert into alerts values("warning", "CPU使用率过高", now())
    if (mem().used * 100.0 / mem().total > 85) insert into alerts values("warning", "内存使用率过高", now())
    return alerts
}

def checkDatabaseAlerts() {
    alerts = table(1:0, `level`message`time, [STRING, STRING, TIMESTAMP])
    failed = select count(*) from query_log where status="failed" and start_time > now()-3600000
    if (failed > 10) insert into alerts values("critical", "失败查询过多: " + string(failed), now())
    return alerts
}

def checkClusterAlerts() {
    alerts = table(1:0, `level`message`time, [STRING, STRING, TIMESTAMP])
    nodes = getClusterPerf()
    if (sum(iif(nodes.status=="active",1,0)) < nodes.rows())
        insert into alerts values("critical", "存在离线节点", now())
    return alerts
}

def sendNotification(alert) {
    sendEmail("admin@example.com", "DolphinDB告警", alert.message)
    sendDingTalk(alert.message)
    if (alert.level == "critical")
        sendSMS("13800138000", alert.message)
}

def alertNotificationTask() {
    allAlerts = checkSystemAlerts()
        .unionAll(checkDatabaseAlerts())
        .unionAll(checkClusterAlerts())
    for (alert in allAlerts) sendNotification(alert)
    insert into active_alerts select * from allAlerts
}

def startAlerting() {
    share streamTable(100000:0, `time`level`message`status,
        [TIMESTAMP, STRING, STRING, STRING]) as active_alerts
    scheduleJob("alert_check", "告警检查", alertNotificationTask,
        00:05m, true, 2024.01.01, 2099.12.31, 'D')
    print("告警通知脚本已启动")
}

预期输出：startAlerting() 执行后，创建一个 active_alerts 流表，并注册每 5 分钟执行一次的告警检查任务。当 CPU 超过 80% 时发送 warning 级别通知；当失败查询数超过 10 或存在离线节点时，额外发送短信通知。

告警通知有一个常见坑：阈值设置得太低会导致告警风暴，值班人员很快产生"狼来了"效应；阈值设置得太高又会漏掉早期风险。建议采用动态阈值 或同比环比策略，例如"CPU 连续 3 分钟超过 85%"才触发严重告警，而不是单次超过就告警。另外，告警信息里应该包含上下文，例如节点名、当前值、建议处理步骤，而不是只发一句"CPU 高了"。

告警历史表 active_alerts 建议增加 "acknowledged_by" 和 "resolved_at" 字段，支持告警认领和关闭。这样在做故障复盘时，可以清楚地看到每条告警从触发到关闭的完整生命周期，而不是只看到一堆未处理的消息。

七、运维脚本分类对照与告警阈值参考

在落地运维脚本之前，建议先根据业务场景把脚本分类和告警阈值梳理清楚。下面两张表可以直接作为团队内部的运维规范模板。

脚本类别 主要职责 推荐调度周期 关键函数/表
监控脚本 采集系统、数据库、集群指标 每 60 秒 monitor_metrics、db_metrics、cluster_metrics
维护脚本 数据清理、索引重建、健康检查 每小时/每天/每周 cleanupExpiredData、rebuildFragmentedIndexes
部署脚本 环境检查、配置生成、服务启动 手动触发 autoDeploy、checkEnvironment
升级脚本 备份、升级、验证、回滚 手动触发 upgradeDolphinDB、backupBeforeUpgrade
告警脚本 阈值判断、通知分发、事件记录 每 5 分钟 alertNotificationTask、active_alerts

表说明：运维脚本按职责分为监控、维护、部署、升级、告警五类，每类推荐调度周期和关键函数不同，应根据业务 SLA 调整。

监控项 warning 阈值 critical 阈值 建议处理动作
CPU 使用率 > 80% > 95% warning 时排查高耗查询，critical 时考虑限流或扩容
内存使用率 > 85% > 95% warning 时检查缓存配置，critical 时降低并发或重启
磁盘使用率 > 85% > 95% warning 时清理过期数据，critical 时紧急扩容
失败查询数/小时 > 10 > 50 warning 时分析慢查询日志，critical 时切换只读或回滚
离线节点数 ≥ 1 ≥ 2 立即检查网络与进程状态，必要时启动备用节点

表说明：高频告警项的 warning/critical 阈值与建议处理动作，实际数值需根据集群规模和业务容忍度调整。

八、实战演练：完整运维工具链落地

前面几节分别讲了监控、维护、部署、告警脚本的实现。本节把它们组合成一个完整的运维工具集，提供统一入口和状态查询能力。这个实战案例展示了自动化运维的真正价值：不是单个脚本跑通，而是把多个脚本编排成一个可持续运行的体系。

下面的脚本提供三个对外接口：initOpsTools 一键启动所有脚本，runMaintenance 手动触发某项维护任务，getOpsStatus 查看当前运行中的任务、调度任务、最近备份和活跃告警。通过 addFunctionView 注册后，可以通过 Web API 或客户端远程调用。
#mermaid-svg-dwEkD4qNwOGzUoPw{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-dwEkD4qNwOGzUoPw .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-dwEkD4qNwOGzUoPw .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-dwEkD4qNwOGzUoPw .error-icon{fill:#552222;}#mermaid-svg-dwEkD4qNwOGzUoPw .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-dwEkD4qNwOGzUoPw .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-dwEkD4qNwOGzUoPw .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-dwEkD4qNwOGzUoPw .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-dwEkD4qNwOGzUoPw .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-dwEkD4qNwOGzUoPw .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-dwEkD4qNwOGzUoPw .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-dwEkD4qNwOGzUoPw .marker{fill:#333333;stroke:#333333;}#mermaid-svg-dwEkD4qNwOGzUoPw .marker.cross{stroke:#333333;}#mermaid-svg-dwEkD4qNwOGzUoPw svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-dwEkD4qNwOGzUoPw p{margin:0;}#mermaid-svg-dwEkD4qNwOGzUoPw .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-dwEkD4qNwOGzUoPw .cluster-label text{fill:#333;}#mermaid-svg-dwEkD4qNwOGzUoPw .cluster-label span{color:#333;}#mermaid-svg-dwEkD4qNwOGzUoPw .cluster-label span p{background-color:transparent;}#mermaid-svg-dwEkD4qNwOGzUoPw .label text,#mermaid-svg-dwEkD4qNwOGzUoPw span{fill:#333;color:#333;}#mermaid-svg-dwEkD4qNwOGzUoPw .node rect,#mermaid-svg-dwEkD4qNwOGzUoPw .node circle,#mermaid-svg-dwEkD4qNwOGzUoPw .node ellipse,#mermaid-svg-dwEkD4qNwOGzUoPw .node polygon,#mermaid-svg-dwEkD4qNwOGzUoPw .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-dwEkD4qNwOGzUoPw .rough-node .label text,#mermaid-svg-dwEkD4qNwOGzUoPw .node .label text,#mermaid-svg-dwEkD4qNwOGzUoPw .image-shape .label,#mermaid-svg-dwEkD4qNwOGzUoPw .icon-shape .label{text-anchor:middle;}#mermaid-svg-dwEkD4qNwOGzUoPw .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-dwEkD4qNwOGzUoPw .rough-node .label,#mermaid-svg-dwEkD4qNwOGzUoPw .node .label,#mermaid-svg-dwEkD4qNwOGzUoPw .image-shape .label,#mermaid-svg-dwEkD4qNwOGzUoPw .icon-shape .label{text-align:center;}#mermaid-svg-dwEkD4qNwOGzUoPw .node.clickable{cursor:pointer;}#mermaid-svg-dwEkD4qNwOGzUoPw .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-dwEkD4qNwOGzUoPw .arrowheadPath{fill:#333333;}#mermaid-svg-dwEkD4qNwOGzUoPw .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-dwEkD4qNwOGzUoPw .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-dwEkD4qNwOGzUoPw .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-dwEkD4qNwOGzUoPw .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-dwEkD4qNwOGzUoPw .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-dwEkD4qNwOGzUoPw .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-dwEkD4qNwOGzUoPw .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-dwEkD4qNwOGzUoPw .cluster text{fill:#333;}#mermaid-svg-dwEkD4qNwOGzUoPw .cluster span{color:#333;}#mermaid-svg-dwEkD4qNwOGzUoPw div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-dwEkD4qNwOGzUoPw .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-dwEkD4qNwOGzUoPw rect.text{fill:none;stroke-width:0;}#mermaid-svg-dwEkD4qNwOGzUoPw .icon-shape,#mermaid-svg-dwEkD4qNwOGzUoPw .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-dwEkD4qNwOGzUoPw .icon-shape p,#mermaid-svg-dwEkD4qNwOGzUoPw .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-dwEkD4qNwOGzUoPw .icon-shape .label rect,#mermaid-svg-dwEkD4qNwOGzUoPw .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-dwEkD4qNwOGzUoPw .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-dwEkD4qNwOGzUoPw .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-dwEkD4qNwOGzUoPw :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 启动 initOpsTools
启动监控脚本
启动维护脚本
启动告警脚本
启动备份脚本
指标写入流表
定时清理与检查
阈值判断与通知
全量/增量备份
可视化与告警

图示说明：完整运维工具链启动流程：initOpsTools 同时拉起监控、维护、告警、备份四类脚本，形成闭环。

dolphindb 复制代码 
// 运维工具集实战：统一入口与状态查询
def initOpsTools() {
    startMonitoring()
    startMaintenance()
    startAlerting()
    autoBackupScript()
    print("运维工具集初始化完成")
}

def runMaintenance(task) {
    if (task == "cleanup") {
        cleanupExpiredData()
    } else if (task == "backup") {
        fullBackupTask()
    } else if (task == "health_check") {
        generateHealthReport(dict(STRING, ANY,
            [["system", checkSystemHealth()],
             ["database", checkDatabaseHealth()],
             ["cluster", checkClusterHealth()]]))
    } else {
        throw "未知维护任务: " + task
    }
}

def getOpsStatus() {
    return dict(STRING, ANY, [
        ["running_jobs", getRunningJobs()],
        ["scheduled_jobs", getScheduledJobs()],
        ["last_backup", getLastBackup()],
        ["active_alerts", select count(*) from active_alerts where status="open"]
    ])
}

addFunctionView(initOpsTools)
addFunctionView(runMaintenance)
addFunctionView(getOpsStatus)
print("运维工具集已注册")

预期输出：执行最后几行后，initOpsTools、runMaintenance、getOpsStatus 被注册为函数视图。initOpsTools() 一键启动监控、维护、告警和备份；runMaintenance("health_check") 手动触发健康检查；getOpsStatus() 返回当前运行任务、调度任务、最近备份时间和未关闭告警数。

这个案例展示了自动化运维工具链的核心设计思想：每个脚本职责单一，通过统一的入口函数组合使用。addFunctionView 的作用是把函数暴露为服务接口，方便上层调度平台或 Web 控制台调用。实际落地时，建议把这套脚本纳入 Git 版本控制，并通过 CI/CD 流程进行发布，避免"脚本越写越多、越管越乱"。

九、适用边界与风险提示

自动化运维脚本虽然能显著提升效率，但并不是所有场景都适合脚本化。以下几类情况需要特别谨慎：

⚠️ 风险提示：

  1. 首次部署或重大版本升级：建议在测试环境充分验证后再上生产，脚本中的命令可能因操作系统、依赖版本差异而失败。
  2. 数据清理任务 ：delete from 操作不可逆，执行前务必确认清理条件，并保留快照或备份。
  3. 告警阈值：默认值（CPU 80%、内存 85%）仅供参考，需根据实际业务负载和集群规模调整，避免误报或漏报。
  4. 远程连接验证 ：脚本中的 xdb 连接和密码为示例，生产环境应使用最小权限账号，并通过密钥或配置中心管理凭据。
  5. 脚本版本管理：运维脚本本身也是代码，建议使用 Git 管理，并在变更前做 diff 审查，避免"改配置顺便把脚本改坏"。
  6. 权限最小化：脚本中涉及的操作（如删除数据、重启服务）应绑定到独立运维账号，避免使用超级管理员账号执行所有任务。
  7. 幂等性设计：同一脚本多次执行不应产生副作用。例如，重复创建同名流表应跳过或报错，而不是重复创建导致数据混乱。
  8. 兼容性说明 ：本文函数如 getClusterPerf、submitJob、scheduleJob 等基于 DolphinDB 2.0.x 的通用能力，具体参数名称和返回值请以官方文档为准；脚本中部分函数（如 sendEmail、sendDingTalk、sendSMS）为示意封装，需根据实际通知服务实现。

十、总结与延伸思考

本文围绕 DolphinDB 2.0.x 生产环境，系统性地介绍了如何构建一套自动化运维脚本体系。从监控、维护、部署、升级到告警通知，每个环节都给出了可复用的脚本示例和边界说明。关键结论是：自动化运维不是把人工操作简单地翻译成代码，而是要通过分层解耦、定时调度、统一入口、版本控制和风险提示，把运维动作变成可观测、可审计、可回滚的标准化流程。

长期坚持这套体系，团队可以把值班人员从重复性操作中解放出来，把精力投入到容量规划、性能优化和架构演进上。最终，运维能力会从"个人经验"沉淀为"组织资产"。

对于刚开始落地自动化的团队，建议不要一次性实现所有脚本，而是先从"监控+告警"入手，先把 Visibility 建立起来；然后再逐步加入数据清理、健康检查等维护任务；最后才是部署升级这种高风险、低频但关键的操作。每引入一个新脚本，都要在测试环境跑至少两周，确认稳定后再推广到生产。

延伸思考：

  1. 在你的生产环境中，哪些运维动作是最高频、最容易出错的？是否可以考虑优先脚本化？
  2. 如何在告警的"灵敏度"和"噪声率"之间找到平衡？有没有尝试过动态阈值或机器学习异常检测？
  3. 当脚本数量增加到几十个甚至上百个时，如何设计统一的命名规范、版本策略和发布流程？

参考链接

相关推荐
玉&心1 小时前
在Docker中部署前端和后端的实现
运维·docker·容器
wdfk_prog1 小时前
Docker 常用语法与命令：CLI、Dockerfile 与 Compose 速查
运维·docker·容器
skywalk81631 小时前
通过下载Ubuntu ova文件在Virtual Box快速安装ubuntu
linux·运维·ubuntu·virtualbox
姚不倒2 小时前
HAProxy 系列（四）：多中间件统一 VIP 入口 — 架构模式与最佳实践
运维·中间件·架构·haproxy
happymade2 小时前
7000 台网络设备批量纳管 & 自动拓扑生成实战——MSRM3 完整操作流程与关键要点复盘
运维·服务器·网络·zabbix·grafana·msrm3
做萤石二次开发的哈哈2 小时前
萤石蓝海 AIoT 一站式工作台：海康LCD会议平板接入，多端大屏运维应用一站生成
运维·物联网·电脑·萤石开放平台·会议室管理·蓝海aiot一站式工作台·otap物模型
Shadow（⊙ｏ⊙）2 小时前
Linux网络——文件与网络的连接桥梁struct sock {
linux·运维·网络
其实防守也摸鱼2 小时前
教育信息技术应用创新---基础软件信息赛（题库）
大数据·运维·人工智能·web安全·自动化
新时代牛马2 小时前
Linux 性能调优与追踪完整篇：ftrace、perf、eBPF从采样到落地验证
linux·运维·服务器
热门推荐
01国内可直接用、免费额度/永久免费的大模型API清单（含 SiliconFlow、火山、阿里、智谱、百度、Kimi、DeepSeek、DMXAPI 等）02GitHub 镜像站点03ZCode 周末送额度活动开启：3 亿 Token 免费领取04历年考研数学一、数学二、数学三真题试卷及答案PDF05蜘蛛磁力 搜索引擎大全，如何使用蜘蛛磁力查找磁力链接062026 国产 AI 大模型横评：DeepSeek、通义千问、Kimi、文心一言、星火、豆包谁更能打？07微信历史版本含下载地址（ Windows PC | 安卓 | MAC ）及设置微信不更新08AI 编程 IDE 全景解析 2026：Agent 全面接管开发链路09Agnes AI 免费 API 接入指南：文本、生图、生视频，一套接口全免费10VSCode+CodeX扩展，无法启动