AI 和可观测性到底如何整合？
这一波 AI 浪潮跟以往都不同，各个行业都看到了新的可能性，都想把 AI 引入自己的场景，看看能迸发什么样的助力。笔者所在的监控、可观测性领域，也有各种尝试，比如：
通过 AI 翻译人类语言生成 SQL 或 Promql
把告警事件扔给 AI，让 AI 生成泛泛的建议
把一批日志或 Trace Span 扔给 AI，让 AI 做 Summary 或异常甄别
上面的思路确实可以放到开源夜莺项目（Nightingale）里，作为一款开源软件，在一些功能上做增强，确实会变得更性感。但这些增强都是面向“点”的，有没有面向“面”的更让人眼前一亮的思路呢？
在我们的夜莺商业版（即 Flashcat）里，近期做了一个尝试，这里把思路分享给大家，欢迎跟我们一起交流：https://flashcat.cloud/contact
核心思路
监控、可观测性确实在很多方面都能起到作用，但是可观测性的最重要应用场景还是“故障定位”，这也是大部分 SRE、DEV 最为关注的场景。
那我们就让 AI 帮我们做故障定位吧！
最好的方式，是把最近几个小时的可观测性数据全部扔给 AI，让 AI 自动分析，告诉我有哪些故障、影响面几何、根因在哪里，但是这个数据量巨大无比，算力需求也很大，时间也很长，真要等做到，估计黄花菜都凉了。
那退一步，有哪些问题、故障，这个信息我不用 AI 了，因为已经有各种成熟的告警引擎了，比如普通的阈值告警、同环比告警、数据缺失告警、Hot-Winters 等统计算法告警等。我直接把已经生成的告警交给 AI 来分析。
但是，这个分析仍然需要巨量的数据，怎么简化？如果能大概挑出跟这个故障相关的数据也行，把 AI 要分析的数据减少，只给它相对少量的、关联性强的数据，这就有了生产环境落地的可能性。
于是，可以总结，核心需要的是：
跟故障有关联性且较为完备的数据！
具体应该怎么落地？我以 Flashcat 举例，把整个流程给你串一遍，希望对你的思路有所帮助。
1. 集成大模型
为了做这么一个智能可观测性平台，首先毫无疑问的是你得把大模型集成进来，让平台知道如何调用大模型的 API：
2. 集成数据
监控、可观测性类的数据，可能来自很多数据源，很多公司都有很多套相关的系统。比如：
指标数据可能来自 Zabbix、Prometheus、云监控
日志数据可能来自 Elastic、ClickHouse、Splunk
链路数据可能来自 Arms、Jaeger、Skywalking
AI + 可观测性，要想效果好，各类数据源集成少不了。给大家瞅一眼我们目前集成的数据源，有个体感：
如果你的数据不完备，作为乙方我们很乐意帮你一起建设😆，数据建设是典型的脏活累活，需要采集各类指标、日志、链路、事件，还要做标签增强、数据 ETL 等。不过建成之后，价值是很大滴。
3. 构建数据关联、做数据筛选
上面提到，因为数据量太大，我们只能挑选少量和故障关联性强的数据给到 AI。虽说在采集和 Pipeline 过程中可以打上一些关联标签，但未必足够。
巧了，我们之前做的“灭火图”产品，恰好可以在这里起到作用。灭火图就是对数据做了各类关联，而且灭火图里的数据都是重要数据，故障之后，根据灭火图可以很容易知道故障相关的重要数据是哪些。
大家可以参考 这篇文章 或 Google 关键字“快猫星云 灭火图”了解相关设计思路，这里不再重复赘述。
4. AI 介入分析
有了上面的工作铺垫，AI 可以上场了。比如某个核心接口故障，让 AI 帮我们一键分析一下。AI 会利用数据关联性，找到相关的指标、日志、Span、事件等，挨个分析并最终输出结论。
近期文章
SRETALK 主要交流 SRE、监控、可观测性、开源等话题，欢迎小伙伴们投稿哈，直接在公众号后台留言即可。
聊聊运维、监控、云原生 2017-09-11 加入
Open-Falcon、Nightingale、Categraf 主程，快猫星云联合创始人
评论