Red Hat AI

How Red Hat OpenShift 5 simplifies incident diagnosis with supervised AI

8.5内容质量

TL;DR · AI 摘要

Red Hat OpenShift 5通过监督AI和Lightspeed工具提升故障诊断效率,减少人工分析时间。

核心要点

  • OpenShift Lightspeed将故障诊断时间从20分钟缩短至几分钟
  • AI生成的诊断包含Source/Signal/Finding三要素结构
  • Perses仪表板支持自然语言生成监控看板(无需PromQL)

结构提纲

按章节快速跳转。

  1. 现代企业环境中监控数据过载导致人工诊断效率低下

  2. ·Lightspeed增强的故障排除

    OpenShift Lightspeed通过AI合成监控数据生成诊断草案

  3. Source定位数据来源,Signal识别异常,Finding生成自然语言推断

  4. 支持自然语言生成监控看板,减少PromQL编辑需求

思维导图

用一张图看清主题之间的关系。

查看大纲文本(无障碍 / 无 JS 友好)
  • OpenShift 5 AI诊断体系
    • Lightspeed核心功能
      • Source定位
      • Signal识别
      • Finding生成
    • AI增强组件
      • Perses仪表板
      • MCP协议集成

金句 / Highlights

值得收藏与分享的关键句。

#OpenShift#AI#故障排除#Red Hat
打开原文

Red Hat OpenShift 5 如何通过监督式人工智能简化事件诊断

Component | Article_teaser

2026年11月11日

4

分钟阅读

应用开发与交付

,

人工智能

Vanessa Martini

可观测性高级产品经理

Subpattern | social_share_set

Component | social_share

分享

Subpattern | subscribe

Component | social_icon

订阅 RSS

Component | Icon

© Red Hat, Inc. CC-BY-4.0 授权

Subpattern | results_nav

组布局

Component | Nav_links

  • 返回所有文章

Component | Generic

在现代企业环境中,Prometheus 指标、追踪和日志很少会缺失。大多数平台团队已经拥有大量可用的遥测数据。真正的瓶颈在于,在事件发生时,人类需要解析大量数据才能采取有意义的行动。

在繁忙的集群中,这会形成一种熟悉且令人疲惫的模式:警报触发后,工程师打开三个不同的控制台,调出 Prometheus 查询语言(PromQL)草稿本,执行日志查询,并花费 20 分钟争论这个信号是否代表真正的紧急情况还是背景噪声。这种诊断过程直接导致警报疲劳和缓慢的事件响应。Red Hat OpenShift 5 内置的 OpenShift 可观测性和 OpenShift Lightspeed 帮助团队收集证据、调查可能原因、可视化相关指标,并在采取行动前审查建议的修复方案。

增强型故障排除

当复杂的工作负载跨多个微服务退化时,停机期间最昂贵的阶段是将分散的集群状态综合成一个连贯的故事。从警报或异常开始,OpenShift Lightspeed 可以检查当前集群状态和配置的遥测源(包括 Prometheus 指标、容器日志和 OpenTelemetry 分布式追踪),以生成待审查的初步诊断。OpenShift Lightspeed 连接到可观测性模型上下文协议(MCP)服务器,简化通知分类并自动深入检查遥测数据。

OpenShift Lightspeed 将这些数据整合为三个核心要素:

  • 来源:标识证据的来源,例如 Prometheus、容器日志或追踪(如果已安装)。
  • 信号:突出显示检测到的具体异常,例如 5xx 错误激增、丢弃的网络数据包或服务超时。
  • 发现:基于证据生成自然语言推断,例如“共享服务中的缓慢数据库调用导致 payments-api 的连接超时”。

这种综合发现作为调查草稿。由于嘈杂的镜像拉取错误可能与真实的下游数据库问题并存,OpenShift Lightspeed 会收集并整理证据,而人类工程师保留最终判断该情况是否成立。这种对话式调查功能(“OpenShift Lightspeed 的故障排除模式”)可通过 OpenShift 4.22 及更高版本使用 OpenShift Lightspeed 操作符 1.1.5 或更高版本实现。

AI 驱动的 Perses 仪表板

在发生事件时构建有用的仪表板不应需要与空白的 PromQL 编辑器苦苦搏斗。通过结合使用 OpenShift Lightspeed、集群可观测性操作符和 Red Hat 版 Perses,平台工程师可以直接在控制台中通过自然语言提问,生成实时指标面板。

工程师可以输入自然语言查询来定位操作问题:

  • “过去5分钟内哪些Pod处于崩溃循环状态?使用Prometheus进行可视化。”
  • “哪些Pod消耗了最多的CPU?展示排名前5的。”
  • “展示payment-service命名空间内的内存使用情况。”
  • “哪些Pod的网络入流量最高?”

作为响应,OpenShift Lightspeed会动态生成带有PatternFly主题的面板,并直接嵌入到OpenShift控制台中。关键的是,该系统采用内置的信任机制,而非要求工程师依赖黑盒输出。通过集群可观测性操作符1.6版本,每个AI辅助生成的面板都会带有显著的AI辅助标识。用户可以点击检查底层PromQL语句、验证时间范围并确认源指标后,再将面板固定到生产环境的Perses仪表板上。通过这个交互式演示,探索增强OpenShift Lightspeed的交互式运维工作流和AI辅助的Perses仪表板:

ARCADE 嵌入结束

代理式故障排除

OpenShift 5引入了作为技术预览的可选代理式故障排除工作流。要启用此功能,集群需要OpenShift 5和OpenShift Lightspeed操作符2,以及配置的工具调用大语言模型(LLM),因为不提供默认模型。该功能旨在优化值班操作,而不会取代现有的告警结构,其通过适配器监控Alertmanager并遵循您现有的接收器(如Critical或Default)。

当允许的告警触发时,代理会启动自动化诊断流程:

  • 它执行标准的oc和kubectl诊断命令以检查集群状态
  • 它起草根本原因诊断报告
  • 它直接将拟议的修复方案提交到决策队列

当工程师打开OpenShift网页控制台时,已准备好的方案正在等待审核。

安全性直接嵌入到代理的逻辑中。如果已批准的修复方案未能清除触发条件,代理不会循环尝试或猜测替代修复方案;它会立即停止执行并将事件升级给人类操作员。

ARCADE 嵌入开始

安全防护是核心产品

在没有严格边界的情况下进行自主执行会给企业基础设施带来不可接受的风险。在OpenShift 5中,安全治理和防护机制构成了故障排除系统的架构基础,有助于防止AI助手单方面进行操作更改。

该框架强制执行三个不可协商的防护机制:

  • 强制人工审批:模型从不独立更改集群状态。每次对集群状态的更改都需要管理员的明确批准。
  • 严格的基于角色的访问控制(RBAC)沙箱环境:修复任务在临时的安全执行环境中运行。
  • 完全可审计性:系统记录诊断运行的每个阶段——观察到的内容、建议的修复操作和执行结果,以实现完整的审计历史。在OpenShift 5中,用户可以使用Tempo跟踪和审计其代理运行。这些审计追踪记录了工作流中人类与AI代理之间的关键交互,支持组织的AI合规需求。为简化导航,OpenShift网页控制台中的“代理运行”用户界面(UI)直接链接到这些审计追踪。

使用自有模型

OpenShift Lightspeed 不附带预包装的默认大型语言模型(LLM)。相反,它提供了一个开放的提供商架构,使组织能够引入最符合其内部合规性、运营和数据隐私政策的模型端点。

支持的模型端点包括:

  • 托管商业应用程序编程接口(API)
  • IBM watsonx
  • Red Hat OpenShift AI
  • Red Hat Enterprise Linux AI
  • 其他兼容的 LLM 端点

通过将助手直接嵌入 OpenShift 而非依赖外部软件即服务(SaaS)平台,组织可以选择模型请求的处理位置,并控制对话遥测数据的收集。诊断流程可以在完全断开连接(空气隔离)的环境中使用本地托管模型运行,支持集群内模型或自带模型(BYO)。集群数据的处理位置取决于配置的模型端点。可以禁用对话遥测数据收集,且管理身份与控制台 RBAC 保持一致。

从数据过载到有目的的行动

平台工程的未来在于将原始遥测数据转化为可操作的、经过人工验证的决策。通过结合结构化事件合成、自然语言仪表板创建以及严格限制的智能代理修复,OpenShift 5 将传入的警报转化为用户可逐步明确选择的选项。

了解更多

  • [OpenShift Lightspeed](#):查阅 OpenShift Lightspeed 文档,了解如何安装操作员并连接您选择的 LLM 提供商。
  • [可观测性设置](#):安装集群可观测性操作员并启用 Perses 仪表板,以在控制台中启用 AI 辅助图表。
  • [OpenShift 5 指南](#):对于 OpenShift 5 技术预览路径,请在升级后参考官方 OpenShift 5 文档中的智能代理故障排除部分。
  • [开发者洞察](#):在 Red Hat 开发者中心探索更多可观测性背景和技术深度解析。

在测试这些功能时,可通过 OpenShift Web 控制台的反馈选项直接分享您的发现,或联系您的 Red Hat 账户团队。

Block | Dynamic pattern deluxe promo

Component | Band_header

产品试用

Red Hat OpenShift 容器平台 | 产品试用

构建和扩展容器化应用的一致性混合云基础。

Component | spacer

Component | Cta_multi_basic

Subpattern | simple_cta

Component | CTA

立即体验

Deluxe mbox

Component | Card_header

关于作者

Subpattern | speaker

卡片布局

Component | Image_embed

Component | Person

Vanessa Martini

Vanessa 是 Red Hat 可观测性团队的高级产品经理,专注于 OpenShift Analytics 和可观测性 UI。她特别热衷于将可观测性信号转化为答案。她热爱结合自己的热情:数据和语言。

查看该作者的更多文章

类似内容

Dynamic pattern

博客文章

介绍 Red Hat 云扩展:在您自己的基础设施上运行主权 AI 云

Red Hat OpenShift Lightspeed 2 新功能

原始播客

我们能否信任企业中的 AI 代理?

智能 AI 能否修补互联网?

Subpattern | card_flex

Subpattern | text_basic

继续探索

继续探索 mbox

Subpattern | simple_text

按频道浏览

探索所有频道

Pattern | raw_html

自动化

IT自动化在技术、团队和环境中的最新动态

人工智能

关于使客户能够随时随地运行AI工作负载的平台的最新进展

开放混合云

探索我们如何通过混合云构建更加灵活的未来

安全

关于如何在不同环境和技术中降低风险的最新信息

边缘计算

关于简化边缘运算平台操作的最新进展

基础设施

关于全球领先的企业的Linux平台的最新动态

应用程序

深入了解我们解决最复杂应用程序挑战的方案

虚拟化

您在本地或跨云工作负载的企业虚拟化的未来方向