边缘断网行为
n9e-edge 失联时会怎样：判定继续、通知走本地、之后什么会同步回来。
n9e-edge 存在的意义就是断链时还能告警。这页把「断链时具体发生什么」讲清楚——
包括断链期间产生的告警事件会永久丢失这件事，以及由此推出的一条运维铁律。
正常时边缘在做什么
边缘进程自己不连数据库。它每 9 秒从中心拉一次配置——告警规则、屏蔽规则、订阅规则、 业务组、设备、通知规则、通知媒介、消息模板、数据源、用户和团队——全部缓存在内存里。
这些请求打的是中心的 /v1/n9e/*，所以中心必须打开：
# 中心的 etc/config.toml
[HTTP.APIForService]
Enable = true
[HTTP.APIForService.BasicAuth]
user001 = "<换掉这个默认口令>"
边缘用 [CenterApi] 里的同一组用户名口令去认证：
# 边缘的 etc/edge/edge.toml
[CenterApi]
Addrs = ["http://n9e:17000"]
BasicAuthUser = "user001"
BasicAuthPass = "<同上>"
Timeout = 9000
Addrs 配多个地址时是依次尝试、第一个成功就用，不是并发广播。
断链时还在做的事
| 能力 | 断链时 |
|---|---|
| 规则判定 | 继续，用最后一次同步到的规则集，查本机房的数据源 |
| 屏蔽、订阅、事件流水线 | 继续，同样用最后一次同步到的配置 |
| 发通知 | 继续，而且是从边缘直接发出去的，不经过中心 |
| 判定记录（evallog） | 继续，写在边缘本地磁盘上 |
| 规则的增删改 | 停止——中心改了规则，边缘看不到，直到链路恢复 |
配置缓存在拉取失败时保留上一次的好数据，不会被清空； 一致性哈希环也不会重建，所以规则归属在断链期间是冻结的。这些都是刻意设计的。
「通知从边缘直接发出去」这条有一个网络含义经常被漏掉： 边缘机房必须能直接访问钉钉、飞书、企业微信、SMTP 服务器、你的 webhook 地址。 只放通了「边缘 → 中心」的防火墙策略，断链时通知照样发不出去。
断链期间产生的事件会丢
这是这页最重要的一段。
告警事件在边缘产生后，会 POST 到中心的 /v1/n9e/event-persist 落库。
断链时这个 POST 会重试 3 轮（初始间隔 100 毫秒，逐次翻倍，上限 3 秒，单次超时 2 秒），
然后事件被丢弃。没有本地队列、没有落盘缓冲、没有恢复后的补传。
后果：
- 告警事件表里没有这条记录，事件列表和历史事件里都查不到；
- 事件 ID 是 0，通知记录和模板里的
event_id也是 0； - 通知记录同样丢——它走的是单次 POST，连重试都没有。
通知本身照发：落库失败不会阻断发送。所以断链期间的真实情况是 「手机上收到了告警，但系统里查不到这条事件」。
内存里那个上限一千万的事件队列不是断链缓冲区——消费协程一直在排空它， 落库失败也不阻塞，所以它在断链期间根本不会积累。
还有一个边界情况：如果中心其实写成功了、只是响应丢在路上，重试会插入第二条历史事件记录。 所以断链恢复后偶尔看到重复的历史事件是正常的。
铁律：断链期间不要重启边缘
运行中的边缘可以无限期扛住断链，启动中的边缘会直接退出。
边缘进程启动时要做一次全量配置同步，十几个缓存（告警规则、业务组、设备、数据源……）
在首次同步失败时会直接 exit(1)。链路不通就起不来，而且是立刻失败，不是降级运行。
所以：
- 断链期间不要重启、不要升级、不要改边缘的配置文件；
- 用 systemd 之类的守护进程时，注意它的自动重启策略—— 一次意外重启会把「还能告警」变成「彻底不能告警」；
- 边缘也需要自己的 Redis，启动时连不上 Redis 同样直接退出。
恢复之后
链路恢复后：
- 配置缓存在下一个 9 秒周期自动追上；
- 心跳恢复，边缘重新出现在系统配置 → 告警引擎里（引擎集群名取
[Alert.Heartbeat] EngineName，示例配置里是edge）； - 断链期间丢掉的事件和通知记录不会补回来。 没有补传机制。
不需要人工干预，也没有什么可以人工补的。要为断链期间留下证据， 靠的是边缘本地的判定记录——它写在边缘磁盘上，不依赖中心。
想在中心的界面上看边缘的判定记录，边缘那边也要打开 [HTTP.APIForService] Enable = true
（示例配置里默认是 false），并且它的 BasicAuth 用户名口令要和中心的那组一致——
中心是拿自己的凭据去转发请求的。
怎么判断断没断
| 看哪里 | 断链的样子 |
|---|---|
| 系统配置 → 告警引擎 | 边缘那个实例的「上次心跳时间」停住，超过 30 秒就消失 |
| 边缘的日志 | 反复出现 /v1/n9e/... 的请求失败 |
| 边缘的判定记录 | 仍在正常产生——这正是它该有的样子 |
| 中心的事件列表 | 边缘机房的告警没有新增，但机房里的人收到了通知 |
最后一行是最典型的症状：有人收到告警，系统里查无此事。