平台自监控与自排障
DataBuff 会「照顾自己」：它把自己也当成一个被监控的系统，盯着三个核心组件——ingest（收数据）、web（查数据）、Doris（存数据）。平台哪里堵了、哪里在丢数据、该调哪个参数，不用你翻日志猜，页面上一眼就能看到，说句话 AI 还能帮你查、帮你修。
平台自监控一共有 5 个能力，下面一个个讲怎么用。
能力一：会看自己 —— 打开「部署状态」页
入口：左侧菜单 安装部署 → 部署状态（路由 /deploy/status）。
打开后先看总览页签的四张卡片，平台健不健康先说结论：
| 卡片 | 看什么 |
|---|---|
| 入站 TPS | 现在每秒钟收进来多少数据 |
| 写出失败 | 有没有数据写不进 Doris（非 0 就要注意） |
| Doris 磁盘占用 | 存储还够不够 |
| 查询失败 | 查数据有没有报错 |
再往下翻，还有三个页签，想看哪个组件点哪个：
- ingest 页签：数据是怎么收进来、怎么处理、怎么写出去的，每路信号（trace / metric / log）有没有丢
- web 页签：平台查询接口快不快、有没有报错
- Doris 页签：存储节点活没活着、磁盘和 CPU 什么状态
重点看两个红色信号（只要持续非 0 就要处理）：
- Pipeline 丢弃：管道塞满了，数据会丢
- 写出丢弃：写 Doris 的队列满了，数据会丢
能力二：懂自己 —— 每个指标都带「说明书」
不用背指标。点任何一张图的标题，右侧会弹出一个说明抽屉，把这个指标讲清楚：
- 这个指标怎么算的
- 该不该担心（什么时候算异常）
- 异常了该调哪个环境变量、默认值是多少
比如点「写出丢弃」，它会告诉你：数据只在「队列满」或「连续写入失败」时才会丢，并直接列出该调的参数和默认值。
能力三：会体检 —— 一句话让 AI 做全平台巡检
不想一页页翻图？直接在 AI 平台说一句：
对 DataBuff 平台进行巡检，并出一份 html 巡检报告
产品答疑专家会自动读指标清单、查平台自监控数据、把异常挑出来，最后给你一份能直接转发的 HTML 巡检报告。
能力四：会诊断 —— 让 AI 自己查丢数据的原因
页面看到丢数据了，不用自己一层层猜。在 AI 平台让产品答疑专家去查，它会一步步排查：
- 排除「不是问题」的项（业务侧正常、Doris 存储正常）
- 定位到真正的根因（比如写 Doris 的队列太小，突发数据装不下被整批丢弃）
- 给出带证据的结论和修复建议
能力五：会修复 —— AI 帮你改参数、重启
排查出的建议，产品答疑专家可以自己动手修：登录服务器 → 改配置 → 重启组件 → 复查确认，全程不用你上手。
实际案例（log 数据一直丢）：
| 参数 | 异常时 | 调整后 | 作用 |
|---|---|---|---|
INGEST_DORIS_MAX_READY_BATCHES | 16 | 32 | 写出队列太小，调大一倍 |
INGEST_DORIS_FLUSH_TIMEOUT_MS | 30s | 60s | 恢复默认，避免大批次误失败 |
修完后复查「写出丢弃」归零，问题解决：
上手三件事
装好 DataBuff 后，建议按顺序做：
- 打开部署状态页，先扫一眼四张卡片
- 让 AI 做一次巡检，把报告转发给团队
- 遇到丢数据，让 AI 排查并修复，别自己翻手册
想深入了解？
指标全名、计算口径、所有环境变量的详细说明，见 平台自监控指标清单。