作者 观测云 数据智能部 产品方案架构师 范莹莹
背景
观测云有两个错误巡检脚本,RUM 错误巡检和 APM 错误巡检,代码均开源。
错误巡检的主要目的是发现新出现的错误消息(error stack),原有的巡检在上报了相应的事件报告后,只是定位了问题,并没有给出合适的解决方案。OpenAI 的出现,给了解决个性化 error stack 的一些洞察和解决方案。
本次最佳实践通过二次开发原有巡检,针对智能巡检的告警报告,实现自动化故障反馈,为用户提出合适的改进意见,一并在事件报告中体现,作为更加完备的巡检解决方案。
实现流程
1.安装观测云集成(ChatGpt 监控)[ID: guance_chatgpt_monitor] 脚本。完整流程可参考最佳实践文档《一行代码实现 OpenAI 可观测》
2.安装观测云 APM 新增错误或 RUM 新增错误巡检脚本。
本最佳实践以RUM 新增错误巡检为例。
3.对新增错误获取到的 error-stack 进行提取,与大模型进行问答。
在构建事件报告的 RUMEventStruct 类下新增一个大模型故障反馈模块,示例代码如下:
# 大模型故障反馈
def build_chatgpt_solution(self, js_new_error_messages, start_time, end_time):
chatgpt_solution_section = event_detail.Section(name='大模型故障反馈', name_en='Solution Details', index=3)
OPENAI_API_KEY = DFF.ENV('OPENAI_API_KEY')
# 发送请求并获取回复
url = 'https://us1-private-func.guance.com/api/v1/al/auln-...../simplified'
headers = {
'Content-Type': 'application/json',
'Authorization': f'Bearer {OPENAI_API_KEY}'
}
for js_new_error in js_new_error_messages:
js_new_error_message = js_new_error[0]
error_stack = js_new_error_message['error_stack']
print(f'error_stack:n{error_stack}')
datas = {
"model": "gpt-3.5-turbo",
"messages": [{'role':'user', 'content':f'如果错误:{error_stack},请问原因是什么?怎么解决?'}],
"temperature": 0.5,
"presence_penalty": 0,
"stream": False,
}
response = requests.post(url=url, headers=headers, json=datas)
md = event_detail.Markdown("")
text_list = [
f'**解决方案**:`{response.text}`']
text_list_en = [
f'**Solution**:`{response.text}`',
]
md.set_text(*text_list)
md.set_text(*text_list_en, lang='en')
chatgpt_solution_section.add(md)
return chatgpt_solution_section
4.url 处填写第一步中授权链接的 POST 简化形式(JSON) 。
5.巡检一小时跑一次,如果所连接应用触发了巡检逻辑,即可在观测云控制台的 **监控 -> 智能巡检 模块看到生成的事件报告。**如下图所示:
总结
在原有的智能巡检事件报告中,给出的建议相对固定,不能全面地将所有可能涉及到的错误建议给出。结合利用大模型,可以针对性地对触发的告警错误给出建议,提高事件报告的可读性。