179K Star 的 n8n：我把运维值班的活儿自动化了一半，顺便踩了几个坑

# docker-compose.yml
version: "3.8"

services:
  n8n:
    image: n8nio/n8n:latest
    container_name: n8n
    restart: unless-stopped
    ports:
      - "5678:5678"
    environment:
      # 基础配置
      - N8N_HOST=n8n.internal.company.com
      - N8N_PORT=5678
      - N8N_PROTOCOL=https
      # 时区，不设的话定时任务会按 UTC 跑，坑过我不止一次
      - GENERIC_TIMEZONE=Asia/Shanghai
      - TZ=Asia/Shanghai
      # 数据持久化
      - N8N_USER_FOLDER=/data
      # 加密密钥，换容器不丢凭据（务必自己生成一个，别用默认值）
      - N8N_ENCRYPTION_KEY=这里换成你自己的随机字符串
      # 队列模式（生产环境建议开启，用 Redis 做队列）
      - EXECUTIONS_MODE=queue
      - QUEUE_BULL_REDIS_HOST=redis
      # 执行历史保留时间
      - EXECUTIONS_DATA_MAX_AGE=168
    volumes:
      - n8n_data:/data
      - /var/run/docker.sock:/var/run/docker.sock  # 需要操作 docker 时挂载
    depends_on:
      - redis

  redis:
    image: redis:7-alpine
    container_name: n8n-redis
    restart: unless-stopped
    volumes:
      - redis_data:/data

volumes:
  n8n_data:
  redis_data:

# 一键启动
docker compose up -d

# 检查状态
docker compose logs -f n8n

// Function 节点：解析 Alertmanager 告警并做分流决策
// 输入：Alertmanager webhook 的 payload

const alerts = $input.first().json.body.alerts || [];
const results = [];

// 严重度权重表：根据我们的业务实际情况定义
const SEVERITY_RULES = {
  // 直接打电话的：核心链路
  'ServiceDown': { level: 'critical', action: 'call_and_page' },
  'DatabaseReplicationLag': { level: 'critical', action: 'call_and_page' },
  'PaymentServiceError': { level: 'critical', action: 'call_and_page' },
  // 发群消息的：需要关注但不紧急
  'HighCPUUsage': { level: 'warning', action: 'notify_group' },
  'DiskSpaceLow': { level: 'warning', action: 'notify_group' },
  'CertificateExpiringSoon': { level: 'warning', action: 'notify_group' },
  // 归档不推送的：噪音
  'InstanceRestarted': { level: 'info', action: 'archive' },
  'TestJobFailed': { level: 'info', action: 'archive' },
};

for (const alert of alerts) {
  const alertName = alert.labels.alertname || 'Unknown';
  const rule = SEVERITY_RULES[alertName] || { level: 'warning', action: 'notify_group' };

  // 抑制逻辑：同一个实例 10 分钟内重复告警，只处理第一次
  const dedupeKey = `${alertName}:${alert.labels.instance}`;
  const lastSeen = $getWorkflowStaticData('global')[dedupeKey] || 0;
  const now = Date.now();
  
  if (now - lastSeen < 10 * 60 * 1000) {
    results.push({
      json: { ...alert, level: 'suppressed', reason: '10分钟内重复告警' }
    });
    continue;
  }
  $getWorkflowStaticData('global')[dedupeKey] = now;

  // 给企微消息生成一段"人话"摘要
  const summary = buildSummary(alert);

  results.push({
    json: {
      alertname: alertName,
      level: rule.level,
      action: rule.action,
      instance: alert.labels.instance || 'unknown',
      summary: summary,
      startsAt: alert.startsAt,
      // 打电话用的紧急程度标记
      needsCall: rule.action === 'call_and_page',
    }
  });
}

function buildSummary(alert) {
  const name = alert.labels.alertname;
  const instance = alert.labels.instance;
  const desc = alert.annotations.description || '';
  
  // 按告警类型定制话术，值班同学一眼看懂
  const templates = {
    'ServiceDown': `💥 服务挂了！${instance} 无响应，${desc}`,
    'DiskSpaceLow': `💾 ${instance} 磁盘快满了，${desc}。建议先看看日志是不是又没清理`,
    'HighCPUUsage': `🔥 ${instance} CPU 打满了，${desc}。可能是流量上来或者有死循环`,
    'CertificateExpiringSoon': `🔒 ${instance} 证书快过期了，${desc}。别等真过期了才想起来`,
  };
  
  return templates[name] || `⚠️ ${name}: ${desc || '无详细描述'}`;
}

return results;

// Function 节点：组装 LLM 的 Prompt（带 Few-shot 和知识库上下文）
const ticket = $input.first().json;
const similarCases = $('向量检索').all().map(i => i.json);

// 相似案例作为 few-shot 塞进 prompt，实测能提升 15% 左右准确率
const caseExamples = similarCases.map(c => 
  `示例工单: "${c.description}"\n分类: ${c.category} | 处理组: ${c.team} | 平均耗时: ${c.avg_hours}h`
).join('\n---\n');

const prompt = `你是 IT 工单分类助手。参考以下历史相似工单的分类结果，分析新工单。

历史相似工单：
${caseExamples}

新工单: "${ticket.description}"

请输出 JSON（不要输出其他内容）：
{
  "category": "分类（hardware/network/account/software/other）",
  "team": "建议处理组（desktop_support/network_ops/sysadmin/app_support）",
  "entities": {"设备/系统": "", "位置": "", "现象": ""},
  "confidence": 0.0到1.0,
  "reasoning": "一句话判断依据",
  "estimate_hours": 预估处理小时数
}

注意：confidence 低于 0.7 就老实承认，别硬编。低置信度会走人工确认。`;

return [{ json: { ...ticket, prompt } }];

#!/bin/bash
# n8n 的 Execute Command 节点里调用的恢复测试脚本
# 随机抽取最近的备份文件做恢复演练

BACKUP_DIR=/backups/postgres
TEST_DB=restore_test_$(date +%s)

# 随机抽 3 个最近 7 天的备份
picks=$(find $BACKUP_DIR -name "*.sql.gz" -mtime -7 | shuf -n 3)

fail_count=0
for backup in $picks; do
    echo "开始恢复测试: $backup"
    
    # 解压 + 恢复到测试库
    if gunzip -c "$backup" | psql -h localhost -U postgres -c "CREATE DATABASE $TEST_DB" \
       && gunzip -c "$backup" | psql -h localhost -U postgres -d $TEST_DB; then
        
        # 校验关键表行数 > 0
        row_count=$(psql -h localhost -U postgres -d $TEST_DB -tAc \
            "SELECT count(*) FROM users LIMIT 1")
        
        if [ "$row_count" -gt 0 ]; then
            echo "✅ $backup 恢复测试通过 (${row_count} rows)"
        else
            echo "❌ $backup 恢复后数据为空！"
            fail_count=$((fail_count+1))
        fi
    else
        echo "❌ $backup 恢复失败！"
        fail_count=$((fail_count+1))
    fi
    
    # 清理测试库
    psql -h localhost -U postgres -c "DROP DATABASE IF EXISTS $TEST_DB"
done

# 输出结果给 n8n，失败数 > 0 时 n8n 会走电话告警分支
echo "{\"fail_count\": $fail_count, \"total\": $(echo "$picks" | wc -l)}"
exit 0