网站开发的心得,上海网站建设开发哪家,泗洪网站建设,丽江网站建设背景
观测云有两个错误巡检脚本#xff0c;RUM 错误巡检和 APM 错误巡检#xff0c;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)#xff0c;原有的巡检在上报了相应的事件报告后#xff0c;只是定位了问题#xff0c;并没有给出合适的解决方案。…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_enSolution Details, index3)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-...../simplifiedheaders {Content-Type: application/json,Authorization: fBearer {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(ferror_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(urlurl, headersheaders, jsondatas)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, langen)chatgpt_solution_section.add(md)return chatgpt_solution_section4.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。
