这个品类的数据长什么样
模型分配的数据主要来源于平台工作流的调用请求、应用的模型调度配置、模型服务的返回日志。数据更新节奏分为实时生成与定时同步两类：实时生成对应单次模型调用的全链路记录，定时同步用于批量更新调度策略的生效状态。单条数据文档结构包含调度唯一标识、关联应用ID、目标模型ID、分配触发条件、调用耗时、执行状态等字段。其中request_timestamp单位为毫秒，response_latency单位为秒，status为枚举类型字段，取值包含pending、running、success、failed。
这些特征在「数据库与运维」这一环带来什么约束
实时生成的调用记录会带来高并发写入压力，要求数据库支持水平分片与批量写入优化，避免单节点写入瓶颈。定时同步的调度策略更新数据，需要支持原子性更新，确保配置生效状态的一致性。关联应用ID与模型ID的字段，需要建立联合索引，加速按应用或模型维度的查询统计。枚举类型的状态字段，需提前定义合法取值范围，避免脏数据写入。数据量随平台调用量持续增长，需配置自动归档规则，将超过保留期限的历史记录迁移至冷存储，降低在线存储压力。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
MONGO_SHARD_COUNT | 3–5 | 模型分配的调用记录数据量随应用数量增长，3-5个分片可平衡写入与查询负载，适配v4.15版本的分片部署规范 |
DB_RETENTION_DAYS | 30–90 天 | 模型分配的历史记录仅需用于运维排查与策略优化，该范围可兼顾存储成本与数据可用性 |
ALLOCATION_LOG_INDEXES | ["app_id", "model_id", "request_timestamp"] | 按应用、模型、时间维度的查询是运维与统计的高频场景，联合索引可有效加速此类查询 |
PARALLEL_WRITE_WORKERS | 8–16 | 实时调用记录的写入并发较高，该参数控制批量写入的线程数，平衡服务器资源占用与写入效率 |
DB_CONNECTION_POOL_SIZE | 20–50 | 模型分配调度的数据库连接需求随应用调用量波动，该范围可覆盖峰值连接需求且避免连接泄漏 |
本页给出的参数取值均为常规建议，用于确定配置的起点。实际取值受材料形态、数据量与业务规则影响，具体问题需具体分析，建议在自有样本上实测后再定。
容易做错的三处
- 现象为部署Docker容器后无法连接MongoDB数据库，报错显示
connection refused。原因是未正确修改容器内的数据库连接配置项，未将本地MongoDB地址映射至容器网络。 - 现象为通过MongoDB Compass连接本地MongoDB失败，返回
authentication failed。原因是未在FastGPT配置中正确设置MongoDB的用户名与密码，或未开放数据库的远程访问权限。 - 现象为模型分配的调用记录缺失
response_latency字段。原因是写入数据时未校验必填字段，导致部分异常调用的记录未完整填充字段。
怎么确认配好了
- 执行数据库连接测试脚本，输入配置的MongoDB地址与凭证，验证是否能成功建立连接。
- 发起一次模型分配调用，查看数据库中是否生成包含
app_id、model_id、request_timestamp的完整记录。 - 执行联合索引查询，按指定应用ID与时间范围筛选调用记录，确认查询返回结果符合预期。
- 查看数据库的存储监控面板，确认写入并发与连接数未超过配置的阈值范围。
问题素材取自公开社区提问（2026-09-11 去重 4,834 条）。文中的配置项名称与取值区间需以所用版本的实际界面与文档为准；本页核验日 2026-09-14，当时的最新发布版本为 FastGPT v4.17.0。