Excalidraw镜像提供用量统计报表，便于成本控制
在企业协作工具日益普及的今天，一个看似简单的绘图平台也可能成为资源消耗的“隐形黑洞”。比如，某团队内部部署的 Excalidraw 实例突然出现服务器负载飙升、AI 接口账单翻倍的情况——问题来了：是谁在频繁调用？哪些部门使用最多？是正常需求还是自动化脚本滥用？如果没有可观测性支撑，运维只能“盲人摸象”。
这正是现代 IT 治理面临的真实挑战：工具越灵活，越需要精细化运营。而解决之道，并非限制使用，而是让使用行为“可见”。本文聚焦于一种正在被越来越多企业采纳的实践方案——为 Excalidraw 容器镜像注入用量统计能力，实现从“黑盒运行”到“透明治理”的跃迁。
Excalidraw 本身是一款极具魅力的开源手绘风格白板工具，因其极简交互和强大扩展性，广泛应用于架构设计、原型讨论、教学演示等场景。随着 AI 功能的引入（如通过自然语言生成图表），其生产力价值进一步放大。但在企业级部署中，尤其是以 Docker 或 Kubernetes 镜像形式运行时，它的“轻量”表象下可能隐藏着不小的资源开销：WebSocket 并发连接、AI 模型调用、对象存储占用……这些都直接关联到云服务成本。
传统的做法往往是“统一部署、统一承担”，结果就是“谁用得多不重要，反正费用大家一起摊”。这种模式显然不可持续。更成熟的思路是：把协作平台当作可计量的服务来运营。就像云计算按 CPU/内存计费一样，我们也应该知道每个团队创建了多少张图、调用了多少次 AI、占用了多少存储。
要实现这一点，关键在于——将用量采集能力内建于镜像之中。
我们来看具体怎么做。标准的 Excalidraw 镜像通常基于官方excalidraw/excalidraw:latest构建，包含前端 React 应用和轻量 Node.js 后端服务，支持 WebSocket 协作与外部存储对接。它本身并不自带监控埋点，但我们可以对其进行增强：
FROM excalidraw/excalidraw:latest # 注入自定义中间件，用于捕获关键操作 COPY middleware/usage-tracker.js /app/ # 安装轻量监控代理，暴露 Prometheus 指标 COPY prometheus-agent /usr/local/bin/ RUN chmod +x /usr/local/bin/prometheus-agent EXPOSE 9090 CMD ["/bin/sh", "-c", "prometheus-agent & node /app/index.js"]这段 Dockerfile 看似简单，却完成了两个重要升级：一是加入了usage-tracker.js中间件，拦截/api/diagram和/generate-via-ai等关键路径；二是启动了一个独立进程上报系统指标。整个过程无需修改原应用逻辑，符合“低侵入、高可用”的工程原则。
再看这个中间件的核心逻辑：
function trackEvent(eventType, userId, metadata = {}) { const logEntry = { id: uuidv4(), timestamp: new Date().toISOString(), eventType, userId, ...metadata, }; const line = JSON.stringify(logEntry) + '\n'; fs.appendFileSync('/var/log/excalidraw-usage.log', line); } module.exports = function usageTrackingMiddleware(req, res, next) { if (req.path === '/api/diagram' && req.method === 'POST') { const userId = req.headers['x-user-id'] || 'anonymous'; trackEvent('diagram_create', userId, { referer: req.get('Referer'), userAgent: req.get('User-Agent') }); } if (req.path.includes('/generate-via-ai')) { const userId = req.headers['x-user-id']; trackEvent('ai_generation', userId, { prompt_length: req.body?.prompt?.length || 0 }); } next(); };它做的事情很明确：每当用户创建一张新图或触发 AI 生成功能时，就记录一条结构化日志。这些日志后续可通过 Fluent Bit 或 Logstash 收集，写入 Elasticsearch、Loki 或直接导入 InfluxDB 进行聚合分析。
当然，生产环境绝不能同步阻塞主流程。因此实际部署中建议采用异步队列机制，例如将事件推送到 Kafka 主题，由后台消费者批量处理。这样即使日志系统短暂不可用，也不会影响核心功能。
除了业务事件，系统层面的指标同样重要。通过集成轻量级 Prometheus Agent，我们可以暴露以下关键指标：
| 指标名 | 说明 |
|---|---|
http_requests_total{path="/api/diagram",method="POST"} | 图表创建次数 |
ai_generation_requests_total | AI 调用总量 |
websocket_connections_active | 当前活跃协作会话数 |
storage_usage_bytes | 存储空间占用（需定期从 S3/Swift 获取） |
配合 Grafana 仪表盘，这些数据可以转化为直观的可视化报表：
- 每日新增图表趋势图
- 各团队 AI 使用占比饼图
- Top 10 高频用户排行榜
- 存储增长预测曲线
更重要的是，这些报表不只是“看看而已”。它们可以直接服务于具体的管理决策。例如：
- 当某个团队的 AI 调用量一周内增长 300%，自动触发告警邮件，提醒负责人核查是否存在误配置或爬虫滥用；
- 财务部门依据月度用量报表，向各业务线分摊基础设施成本；
- 运维团队根据历史峰值并发数，制定弹性伸缩策略，在保障体验的同时避免资源浪费。
这样的系统架构通常如下所示：
+------------------+ +---------------------+ | Excalidraw |<----->| Reverse Proxy | | Container | | (Nginx / Traefik) | | (with tracking) | +----------+----------+ +--------+---------+ | | v | +--------+--------+ | | Load Balancer | v +--------+--------+ +--------+---------+ | | Prometheus Agent | v | (expose metrics) | +--------+--------+ +--------+---------+ | | | | Kubernetes | v | Cluster | +--------+---------+ +--------+--------+ | Central Logging | | | System |<---------------+ | (ELK / Loki) | +--------+---------+ | v +--------+---------+ +------------------+ | Time Series DB |<----->| Grafana Dashboard| | (InfluxDB/Prom) | | (Usage Reports) | +------------------+ +------------------+所有实例统一启用埋点，日志与指标集中采集，最终在 Grafana 中形成多维度的使用视图。管理员不仅能回答“用了多少”，还能深入分析“谁在用、怎么用、为什么用”。
不过，在推进这类方案时也必须注意几个关键设计考量：
首先是性能影响。任何埋点都不能拖慢主流程。我们曾见过有团队在每次保存操作时都做一次远程 HTTP 上报，结果导致协作卡顿。正确做法是本地缓冲 + 批量异步上报，甚至可以在容器退出前 flush 日志。
其次是隐私合规。虽然企业内网部署有一定自由度，但仍需尊重用户隐私。对于匿名访问者，不应记录 IP 或设备指纹；涉及 AI 输入内容的日志，必须脱敏处理敏感信息。可以通过环境变量控制是否开启追踪，例如设置ENABLE_USAGE_TRACKING=true来区分测试与生产环境。
最后是系统的独立性。监控链路应与主服务解耦。即使 Grafana 崩溃或 Kafka 队列积压，Excalidraw 仍应正常可用。这就要求我们在架构上做到“故障隔离”——宁可丢失部分统计数据，也不能牺牲核心功能。
回到最初的问题：如何控制 Excalidraw 的使用成本？答案已经清晰：不是靠禁止，而是靠看见。当每一个操作都有迹可循，每一次调用都被准确归因，管理者才能做出理性判断。是扩容支持高产团队，还是限制异常行为？是优化存储策略，还是调整 AI 配额？这些都不再是拍脑袋决定，而是基于数据的精准调控。
事实上，这种“可计量即可控”的理念，正在重塑企业对协作工具的认知。Excalidraw 不再只是一个画图工具，它正在演变为一个承载组织知识流动的数字资产平台。而具备用量统计能力的镜像版本，则是迈向这一目标的关键一步。
未来，随着 FinOps（云财务运营）理念的普及，这类内建可观测性的软件交付方式将成为标配。无论是代码编辑器、文档系统还是白板工具，都将逐步实现“使用即计量、资源即服务”。而今天的 Excalidraw 用量报表实践，或许正是这场变革的一个微小但重要的起点。
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
