AIOPSLAB 项目学习

AIOpsLab 项目在根因分析（RCA）的设计和真实数据处理上有一套非常清晰的模式，非常适合你借鉴。

针对你的两个核心问题（根因分析怎么做、如何处理真实服务器数据），我为你总结了以下关键点：

1. 根因分析 (RCA) 是如何实现的？

AIOpsLab 将根因分析拆解为标准的 Task（任务） 和 Action（动作） 模式。

• 任务定义 (AnalysisTask):

  • 目标: Agent 需要分析出两个核心要素：system_level（故障层级，如应用层、虚拟化层、硬件层）和 fault_type（故障类型，如配置错误、代码缺陷、网络问题）。
  • 流程:
    1. Prompt: 给 Agent 一个初始提示，包含服务架构摘要 (app_summary) 和任务目标。
    2. 交互: Agent 可以自由调用工具（查日志、查指标、查链路）来收集信息。
    3. 提交: Agent 最终调用 submit() 函数提交分析结果。
  • 代码参考: analysis.py

• 定位任务 (LocalizationTask):

  • 这是一个更简单的子任务，目标是找出哪个服务出问题了。
  • Agent 提交的是一个服务名称列表（例如 ['user-service']）。
  • 代码参考: localization.py

• 借鉴建议:

  • 结构化输出: 不要让 Agent 随便回答一段话。强制要求 Agent 输出结构化的 JSON 或调用特定的 submit 函数（如 submit(system_level="Application", fault_type="Misconfig")）。这样你才能用你的静态数据集标签进行自动化评估。
  • 分步引导: AIOpsLab 将任务细分为检测、定位、分析、缓解。你可以先让 Agent 做“定位”（哪个服务器/服务坏了），再做“分析”（为什么坏了），降低单次推理的复杂度。

2. 如何处理真实服务器数据？

AIOpsLab 并没有让 Agent 直接去写 PromQL 或 SQL 查库，而是封装了一层 中间件 (Observer)，将复杂的监控数据转化为 Agent 易读的格式（主要是 CSV 和 文本）。

• 架构模式:

  • 底层: 使用标准的云原生监控栈（Prometheus 存指标，Jaeger 存链路，ELK/Filebeat 存日志）。
  • 中间层 (API): 编写 Python 类 (PrometheusAPI, TraceAPI) 负责与底层工具通信。
  • 上层 (Agent): Agent 只能看到封装好的工具，如 get_metrics(), get_logs()。

• 具体实现细节:

  • 指标 (Metrics):
    • PrometheusAPI 通过 kubectl port-forward 连接到 Prometheus。
    • 它查询指定时间窗口的数据，然后转换成 CSV 文件保存到本地。
    • Agent 读取这个 CSV 文件进行分析。
    • 代码参考: metric_api.py
  • 链路 (Traces):
    • TraceAPI 连接 Jaeger，拉取 Trace JSON 数据。
    • 它将复杂的 JSON 树打平成 DataFrame（包含 trace_id, span_id, service_name, duration, error 等字段），并保存为 CSV。
    • 代码参考: trace_api.py
  • 日志 (Logs):
    • 直接调用 kubectl logs 获取原始文本。
    • 关键点: 做了一个 greedy_compress_lines (贪婪压缩) 处理。如果日志大量重复（例如报错刷屏），它会压缩重复行，防止 Token 爆炸。
    • 代码参考: base.py

• 对你的借鉴 (静态数据集场景):

  • 模拟真实接口: 既然你用的是静态数据集，你可以写一个 Mock API。
    • 定义一个 get_metrics(service_name, time_window) 函数。
    • 在这个函数内部，不是去查 Prometheus，而是去你的静态 CSV/Parquet 文件里切片数据。
    • 好处: 你的 Agent 代码逻辑可以和处理真实服务器完全一样。未来如果你要接真实环境，只需要把底层的 Mock API 换成真的 Prometheus API，Agent 逻辑不需要改。
  • 文件交换模式: 学习 AIOpsLab 的做法，对于大量数据（指标/链路），不要直接把数据塞进 Prompt。而是让工具返回一个文件路径，然后让 Agent 写代码（Python Pandas）去分析这个文件，或者只读取文件的头部/统计信息。

总结

微软 AIOpsLab 的核心思路是 “工具化” 和 “中间层封装”。它把运维操作变成了 Agent 可以调用的 Python 函数，把复杂的监控数据变成了标准化的 CSV 文件。这对于多智能体协作非常友好，因为不同的 Agent 可以基于统一的数据格式进行交流。