架构决策记录

ADR-2023-17：将核心业务日志系统迁移至集中式平台

背景与约束

随着微服务数量增至50余个，分散式日志存储导致问题排查平均耗时增加3倍。运维团队需在两周内决定解决方案，以满足新上线的“黑五”大促的保障需求。主要约束：1）现有系统不可中断；2）团队仅有2名熟悉ELK栈的工程师；3）年度预算剩余有限。

决策

批准：采用开源ELK Stack作为新平台，并在6周内分阶段完成迁移。首阶段先迁移最核心的订单与支付服务日志。

被否的备选与理由

1. 采购商业APM套件：成本超预算40%，且厂商锁定风险高。
2. 扩容现有各服务独立的日志存储：能快速解决，但长期运维复杂度无法降低。
3. 自研轻量级日志收集器：证据不足/推断。部分工程师提议自研，声称性能优于现有开源方案。然而，团队内部缺乏针对日志收集场景的性能基准测试数据，该优势仅为个人经验判断，无法量化验证其必要性与收益。

后果与复审条件

• 正面：统一视图，预计问题定位时间缩短60%；标准化接口，便于未来扩展。
• 负面：需投入约400人时进行迁移与适配；ELK集群需专人维护，增加长期运维负载。
• 复审条件：迁移上线后一个月，若新平台的日志查询平均延迟超过3秒，或核心服务日志丢失率高于0.1%，则需启动架构复审。

支撑原话：团队在讨论中明确共识，“我们的首要目标是立即解决跨服务联调的黑暗期，统一日志是所有后续优化的前提。”