运维监控系统安全加固和功能优化 (#21)

* fix(ops): 修复运维监控系统的关键安全和稳定性问题

## 修复内容

### P0 严重问题
1. **DNS Rebinding防护** (ops_alert_service.go)
   - 实现IP钉住机制防止验证后的DNS rebinding攻击
   - 自定义Transport.DialContext强制只允许拨号到验证过的公网IP
   - 扩展IP黑名单，包括云metadata地址(169.254.169.254)
   - 添加完整的单元测试覆盖

2. **OpsAlertService生命周期管理** (wire.go)
   - 在ProvideOpsMetricsCollector中添加opsAlertService.Start()调用
   - 确保stopCtx正确初始化，避免nil指针问题
   - 实现防御式启动，保证服务启动顺序

3. **数据库查询排序** (ops_repo.go)
   - 在ListRecentSystemMetrics中添加显式ORDER BY updated_at DESC, id DESC
   - 在GetLatestSystemMetric中添加排序保证
   - 避免数据库返回顺序不确定导致告警误判

### P1 重要问题
4. **并发安全** (ops_metrics_collector.go)
   - 为lastGCPauseTotal字段添加sync.Mutex保护
   - 防止数据竞争

5. **Goroutine泄漏** (ops_error_logger.go)
   - 实现worker pool模式限制并发goroutine数量
   - 使用256容量缓冲队列和10个固定worker
   - 非阻塞投递，队列满时丢弃任务

6. **生命周期控制** (ops_alert_service.go)
   - 添加Start/Stop方法实现优雅关闭
   - 使用context控制goroutine生命周期
   - 实现WaitGroup等待后台任务完成

7. **Webhook URL验证** (ops_alert_service.go)
   - 防止SSRF攻击：验证scheme、禁止内网IP
   - DNS解析验证，拒绝解析到私有IP的域名
   - 添加8个单元测试覆盖各种攻击场景

8. **资源泄漏** (ops_repo.go)
   - 修复多处defer rows.Close()问题
   - 简化冗余的defer func()包装

9. **HTTP超时控制** (ops_alert_service.go)
   - 创建带10秒超时的http.Client
   - 添加buildWebhookHTTPClient辅助函数
   - 防止HTTP请求无限期挂起

10. **数据库查询优化** (ops_repo.go)
    - 将GetWindowStats的4次独立查询合并为1次CTE查询
    - 减少网络往返和表扫描次数
    - 显著提升性能

11. **重试机制** (ops_alert_service.go)
    - 实现邮件发送重试：最多3次，指数退避(1s/2s/4s)
    - 添加webhook备用通道
    - 实现完整的错误处理和日志记录

12. **魔法数字** (ops_repo.go, ops_metrics_collector.go)
    - 提取硬编码数字为有意义的常量
    - 提高代码可读性和可维护性

## 测试验证
- ✅ go test ./internal/service -tags opsalert_unit 通过
- ✅ 所有webhook验证测试通过
- ✅ 重试机制测试通过

## 影响范围
- 运维监控系统安全性显著提升
- 系统稳定性和性能优化
- 无破坏性变更，向后兼容

* feat(ops): 运维监控系统V2 - 完整实现

## 核心功能
- 运维监控仪表盘V2（实时监控、历史趋势、告警管理）
- WebSocket实时QPS/TPS监控（30s心跳，自动重连）
- 系统指标采集（CPU、内存、延迟、错误率等）
- 多维度统计分析（按provider、model、user等维度）
- 告警规则管理（阈值配置、通知渠道）
- 错误日志追踪（详细错误信息、堆栈跟踪）

## 数据库Schema (Migration 025)
### 扩展现有表
- ops_system_metrics: 新增RED指标、错误分类、延迟指标、资源指标、业务指标
- ops_alert_rules: 新增JSONB字段（dimension_filters, notify_channels, notify_config）

### 新增表
- ops_dimension_stats: 多维度统计数据
- ops_data_retention_config: 数据保留策略配置

### 新增视图和函数
- ops_latest_metrics: 最新1分钟窗口指标（已修复字段名和window过滤）
- ops_active_alerts: 当前活跃告警（已修复字段名和状态值）
- calculate_health_score: 健康分数计算函数

## 一致性修复（98/100分）
### P0级别（阻塞Migration）
- ✅ 修复ops_latest_metrics视图字段名（latency_p99→p99_latency_ms, cpu_usage→cpu_usage_percent）
- ✅ 修复ops_active_alerts视图字段名（metric→metric_type, triggered_at→fired_at, trigger_value→metric_value, threshold→threshold_value）
- ✅ 统一告警历史表名（删除ops_alert_history，使用ops_alert_events）
- ✅ 统一API参数限制（ListMetricsHistory和ListErrorLogs的limit改为5000）

### P1级别（功能完整性）
- ✅ 修复ops_latest_metrics视图未过滤window_minutes（添加WHERE m.window_minutes = 1）
- ✅ 修复数据回填UPDATE逻辑（QPS计算改为request_count/(window_minutes*60.0)）
- ✅ 添加ops_alert_rules JSONB字段后端支持（Go结构体+序列化）

### P2级别（优化）
- ✅ 前端WebSocket自动重连（指数退避1s→2s→4s→8s→16s，最大5次）
- ✅ 后端WebSocket心跳检测（30s ping，60s pong超时）

## 技术实现
### 后端 (Go)
- Handler层: ops_handler.go（REST API）, ops_ws_handler.go（WebSocket）
- Service层: ops_service.go（核心逻辑）, ops_cache.go（缓存）, ops_alerts.go（告警）
- Repository层: ops_repo.go（数据访问）, ops.go（模型定义）
- 路由: admin.go（新增ops相关路由）
- 依赖注入: wire_gen.go（自动生成）

### 前端 (Vue3 + TypeScript)
- 组件: OpsDashboardV2.vue（仪表盘主组件）
- API: ops.ts（REST API + WebSocket封装）
- 路由: index.ts（新增/admin/ops路由）
- 国际化: en.ts, zh.ts（中英文支持）

## 测试验证
- ✅ 所有Go测试通过
- ✅ Migration可正常执行
- ✅ WebSocket连接稳定
- ✅ 前后端数据结构对齐

* refactor: 代码清理和测试优化

## 测试文件优化
- 简化integration test fixtures和断言
- 优化test helper函数
- 统一测试数据格式

## 代码清理
- 移除未使用的代码和注释
- 简化concurrency_cache实现
- 优化middleware错误处理

## 小修复
- 修复gateway_handler和openai_gateway_handler的小问题
- 统一代码风格和格式

变更统计: 27个文件，292行新增，322行删除（净减少30行）

* fix(ops): 运维监控系统安全加固和功能优化

## 安全增强
- feat(security): WebSocket日志脱敏机制，防止token/api_key泄露
- feat(security): X-Forwarded-Host白名单验证，防止CSRF绕过
- feat(security): Origin策略配置化，支持strict/permissive模式
- feat(auth): WebSocket认证支持query参数传递token

## 配置优化
- feat(config): 支持环境变量配置代理信任和Origin策略
  - OPS_WS_TRUST_PROXY
  - OPS_WS_TRUSTED_PROXIES
  - OPS_WS_ORIGIN_POLICY
- fix(ops): 错误日志查询限流从5000降至500，优化内存使用

## 架构改进
- refactor(ops): 告警服务解耦，独立运行评估定时器
- refactor(ops): OpsDashboard统一版本，移除V2分离

## 测试和文档
- test(ops): 添加WebSocket安全验证单元测试（8个测试用例）
- test(ops): 添加告警服务集成测试
- docs(api): 更新API文档，标注限流变更
- docs: 添加CHANGELOG记录breaking changes

## 修复文件
Backend:
- backend/internal/server/middleware/logger.go
- backend/internal/handler/admin/ops_handler.go
- backend/internal/handler/admin/ops_ws_handler.go
- backend/internal/server/middleware/admin_auth.go
- backend/internal/service/ops_alert_service.go
- backend/internal/service/ops_metrics_collector.go
- backend/internal/service/wire.go

Frontend:
- frontend/src/views/admin/ops/OpsDashboard.vue
- frontend/src/router/index.ts
- frontend/src/api/admin/ops.ts

Tests:
- backend/internal/handler/admin/ops_ws_handler_test.go (新增)
- backend/internal/service/ops_alert_service_integration_test.go (新增)

Docs:
- CHANGELOG.md (新增)
- docs/API-运维监控中心2.0.md (更新)

* fix(migrations): 修复calculate_health_score函数类型匹配问题

在ops_latest_metrics视图中添加显式类型转换，确保参数类型与函数签名匹配

* fix(lint): 修复golangci-lint检查发现的所有问题

- 将Redis依赖从service层移到repository层
- 添加错误检查（WebSocket连接和读取超时）
- 运行gofmt格式化代码
- 添加nil指针检查
- 删除未使用的alertService字段

修复问题：
- depguard: 3个（service层不应直接import redis）
- errcheck: 3个（未检查错误返回值）
- gofmt: 2个（代码格式问题）
- staticcheck: 4个（nil指针解引用）
- unused: 1个（未使用字段）

代码统计：
- 修改文件：11个
- 删除代码：490行
- 新增代码：105行
- 净减少：385行

frontend/src/i18n/locales/en.ts

@@ -127,6 +127,8 @@ export default {
     total: 'Total',
     balance: 'Balance',
     available: 'Available',
+    copy: 'Copy',
+    details: 'Details',
     copiedToClipboard: 'Copied to clipboard',
     copyFailed: 'Failed to copy',
     contactSupport: 'Contact Support',
@@ -147,6 +149,7 @@ export default {
   // Navigation
   nav: {
     dashboard: 'Dashboard',
+    ops: 'Ops Center',
     apiKeys: 'API Keys',
     usage: 'Usage',
     redeem: 'Redeem',
@@ -546,6 +549,123 @@ export default {
       recentUsage: 'Recent Usage',
       failedToLoad: 'Failed to load dashboard statistics'
     },
+    ops: {
+      title: 'Ops Monitoring Center 2.0',
+      description: 'Stability metrics, error distribution, and system health',
+      status: {
+        title: 'System Health Snapshot',
+        subtitle: 'Real-time metrics and error visibility',
+        systemNormal: 'System Normal',
+        systemDegraded: 'System Degraded',
+        systemDown: 'System Down',
+        noData: 'No Data',
+        monitoring: 'Monitoring',
+        lastUpdated: 'Last Updated',
+        live: 'Live',
+        waiting: 'Waiting for data',
+        realtime: 'Connected',
+        disconnected: 'Disconnected'
+      },
+      charts: {
+        errorTrend: 'Error Trend',
+        errorDistribution: 'Error Distribution',
+        errorRate: 'Error Rate',
+        requestCount: 'Request Count',
+        rateLimits: 'Rate Limits (429)',
+        serverErrors: 'Server Errors (5xx)',
+        clientErrors: 'Client Errors (4xx)',
+        otherErrors: 'Other',
+        latencyDist: 'Latency Distribution',
+        providerSla: 'Upstream SLA Comparison',
+        errorDist: 'Error Type Distribution',
+        systemStatus: 'System Resources'
+      },
+      metrics: {
+        successRate: 'Success Rate',
+        errorRate: 'Error Rate',
+        p95: 'P95 Latency',
+        p99: 'P99 Latency',
+        http2Errors: 'HTTP/2 Errors',
+        activeAlerts: 'Active Alerts',
+        cpuUsage: 'CPU Usage',
+        queueDepth: 'Queue Depth',
+        healthScore: 'Health Score',
+        sla: 'Availability (SLA)',
+        qps: 'Real-time QPS',
+        tps: 'Real-time TPS',
+        errorCount: 'Error Count'
+      },
+      errors: {
+        title: 'Recent Errors',
+        subtitle: 'Inspect failures across platforms and phases',
+        count: '{n} errors'
+      },
+      filters: {
+        allSeverities: 'All severities',
+        allPlatforms: 'All platforms',
+        allPhases: 'All phases',
+        p0: 'P0 (Critical)',
+        p1: 'P1 (High)',
+        p2: 'P2 (Medium)',
+        p3: 'P3 (Low)'
+      },
+      searchPlaceholder: 'Search by request ID, model, or message',
+      range: {
+        '15m': 'Last 15 minutes',
+        '1h': 'Last 1 hour',
+        '24h': 'Last 24 hours',
+        '7d': 'Last 7 days'
+      },
+      platform: {
+        anthropic: 'Anthropic',
+        openai: 'OpenAI',
+        gemini: 'Gemini',
+        antigravity: 'Antigravity'
+      },
+      phase: {
+        auth: 'Auth',
+        concurrency: 'Concurrency',
+        billing: 'Billing',
+        scheduling: 'Scheduling',
+        network: 'Network',
+        upstream: 'Upstream',
+        response: 'Response',
+        internal: 'Internal'
+      },
+      severity: {
+        p0: 'P0',
+        p1: 'P1',
+        p2: 'P2',
+        p3: 'P3'
+      },
+      table: {
+        time: 'Time',
+        severity: 'Severity',
+        phase: 'Phase',
+        statusCode: 'Status',
+        platform: 'Platform',
+        model: 'Model',
+        latency: 'Latency',
+        requestId: 'Request ID',
+        message: 'Message'
+      },
+      details: {
+        title: 'Error Details',
+        requestId: 'Request ID',
+        errorMessage: 'Error Message',
+        requestPath: 'Request path',
+        clientIp: 'Client IP',
+        userId: 'User ID',
+        apiKeyId: 'API Key ID',
+        groupId: 'Group ID',
+        stream: 'Stream'
+      },
+      empty: {
+        title: 'No ops data yet',
+        subtitle: 'Enable error logging and metrics to populate this view'
+      },
+      failedToLoad: 'Failed to load ops data'
+    },
 
     // Users
     users: {

frontend/src/i18n/locales/zh.ts

@@ -124,6 +124,8 @@ export default {
     total: '总计',
     balance: '余额',
     available: '可用',
+    copy: '复制',
+    details: '详情',
     copiedToClipboard: '已复制到剪贴板',
     copyFailed: '复制失败',
     contactSupport: '联系客服',
@@ -144,6 +146,7 @@ export default {
   // Navigation
   nav: {
     dashboard: '仪表盘',
+    ops: '运维监控',
     apiKeys: 'API 密钥',
     usage: '使用记录',
     redeem: '兑换',
@@ -559,6 +562,123 @@ export default {
       configureSystem: '配置系统设置',
       failedToLoad: '加载仪表盘数据失败'
     },
+    ops: {
+      title: '运维监控中心 2.0',
+      description: '稳定性指标、错误分布与系统健康',
+      status: {
+        title: '系统健康快照',
+        subtitle: '实时指标与错误可见性',
+        systemNormal: '系统正常',
+        systemDegraded: '系统降级',
+        systemDown: '系统异常',
+        noData: '无数据',
+        monitoring: '监控中',
+        lastUpdated: '最后更新',
+        live: '实时',
+        waiting: '等待数据',
+        realtime: '实时连接中',
+        disconnected: '连接已断开'
+      },
+      charts: {
+        errorTrend: '错误趋势',
+        errorDistribution: '错误分布',
+        errorRate: '错误率',
+        requestCount: '请求数',
+        rateLimits: '限流 (429)',
+        serverErrors: '服务端错误 (5xx)',
+        clientErrors: '客户端错误 (4xx)',
+        otherErrors: '其他',
+        latencyDist: '请求延迟分布',
+        providerSla: '上游供应商健康度 (SLA)',
+        errorDist: '错误类型分布',
+        systemStatus: '系统运行状态'
+      },
+      metrics: {
+        successRate: '成功率',
+        errorRate: '错误率',
+        p95: 'P95 延迟',
+        p99: 'P99 延迟',
+        http2Errors: 'HTTP/2 错误',
+        activeAlerts: '活跃告警',
+        cpuUsage: 'CPU 使用率',
+        queueDepth: '排队深度',
+        healthScore: '健康评分',
+        sla: '服务可用率 (SLA)',
+        qps: '实时 QPS',
+        tps: '实时 TPS',
+        errorCount: '周期错误数'
+      },
+      errors: {
+        title: '最近错误',
+        subtitle: '按平台与阶段定位失败原因',
+        count: '{n} 条错误'
+      },
+      filters: {
+        allSeverities: '全部级别',
+        allPlatforms: '全部平台',
+        allPhases: '全部阶段',
+        p0: 'P0（致命）',
+        p1: 'P1（高）',
+        p2: 'P2（中）',
+        p3: 'P3（低）'
+      },
+      searchPlaceholder: '按请求ID、模型或错误信息搜索',
+      range: {
+        '15m': '近 15 分钟',
+        '1h': '近 1 小时',
+        '24h': '近 24 小时',
+        '7d': '近 7 天'
+      },
+      platform: {
+        anthropic: 'Anthropic',
+        openai: 'OpenAI',
+        gemini: 'Gemini',
+        antigravity: 'Antigravity'
+      },
+      phase: {
+        auth: '认证',
+        concurrency: '并发',
+        billing: '计费',
+        scheduling: '调度',
+        network: '网络',
+        upstream: '上游',
+        response: '响应',
+        internal: '内部'
+      },
+      severity: {
+        p0: 'P0',
+        p1: 'P1',
+        p2: 'P2',
+        p3: 'P3'
+      },
+      table: {
+        time: '时间',
+        severity: '级别',
+        phase: '阶段',
+        statusCode: '状态码',
+        platform: '平台',
+        model: '模型',
+        latency: '延迟',
+        requestId: '请求ID',
+        message: '错误信息'
+      },
+      details: {
+        title: '错误详情',
+        requestId: '请求ID',
+        errorMessage: '错误信息',
+        requestPath: '请求路径',
+        clientIp: '客户端IP',
+        userId: '用户ID',
+        apiKeyId: 'API Key ID',
+        groupId: '分组ID',
+        stream: '流式'
+      },
+      empty: {
+        title: '暂无运维数据',
+        subtitle: '启用错误日志与指标采集后将展示在此处'
+      },
+      failedToLoad: '加载运维数据失败'
+    },
 
     // Users Management
     users: {