微軟、加州大學(xué)伯克利分校、伊利諾伊大學(xué)等研究人員聯(lián)合開源了，一個(gè)專用于云自動化運(yùn)維的AI Agents——AIOpsLab。

AIOpsLab能模擬真實(shí)云服務(wù)環(huán)境中的復(fù)雜操作任務(wù)，實(shí)現(xiàn)故障的自動化檢測、定位和解決問題。還具備高度的可觀測性，能夠收集和分析關(guān)鍵的遙測數(shù)據(jù)，確保對系統(tǒng)狀態(tài)和應(yīng)用環(huán)境的深入洞察。

同時(shí)支持人類、數(shù)字和AI Agents的不同類型的協(xié)作模式，并通過模塊化設(shè)計(jì)易于擴(kuò)展新應(yīng)用程序、工作負(fù)載和故障場景。

開源地址：https://github.com/microsoft/AIOpsLab/?tab=readme-ov-file

AIOpsLab的架構(gòu)一共包含五個(gè)關(guān)鍵部分，協(xié)調(diào)器、服務(wù)、工作負(fù)載生成器、故障生成器以及可觀測性。

協(xié)調(diào)器的主要任務(wù)是與智能體建立會話，共享有關(guān)基準(zhǔn)測試問題的信息，包括問題描述、響應(yīng)格式指南以及智能體可以調(diào)用的API。這些API是一組文檔化的工具，例如獲取日志、獲取指標(biāo)和執(zhí)行shell命令，它們被設(shè)計(jì)來幫助智能體解決任務(wù)。

協(xié)調(diào)器對智能體的實(shí)現(xiàn)沒有任何限制，提出問題并輪詢智能體以獲取基于先前結(jié)果要執(zhí)行的下一個(gè)動作。每個(gè)動作都必須是有效的API調(diào)用，協(xié)調(diào)器會驗(yàn)證并執(zhí)行這些調(diào)用。

此外，協(xié)調(diào)器擁有對部署的特權(quán)訪問權(quán)，可以代表智能體采取任意行動，例如擴(kuò)展、重新部署等，以解決智能體面臨的問題。最后，協(xié)調(diào)器還負(fù)責(zé)調(diào)用工作負(fù)載和故障生成器，以創(chuàng)建服務(wù)中斷，這些中斷作為實(shí)時(shí)基準(zhǔn)測試問題，為智能體提供了實(shí)際操作的環(huán)境。

服務(wù)模塊可以幫助AIOpsLab適應(yīng)不同的真實(shí)云服務(wù)環(huán)境，包括微服務(wù)、無服務(wù)器和單體服務(wù)等。AIOpsLab還利用開源應(yīng)用套件DeathStarBench提供了源代碼、提交歷史和運(yùn)行時(shí)遙測，使得研究人員能夠在一個(gè)受控的環(huán)境中復(fù)現(xiàn)和研究生產(chǎn)事件。通過添加Blueprint這樣的工具，AIOpsLab可以擴(kuò)展到其他學(xué)術(shù)和生產(chǎn)服務(wù)，并無縫部署這些服務(wù)的新變體。

工作負(fù)載生成器在AIOpsLab中扮演著重要角色，主要負(fù)責(zé)創(chuàng)建正常和故障場景的模擬，以測試代理在不同條件下的性能。工作負(fù)載生成器根據(jù)協(xié)調(diào)器的規(guī)范接收任務(wù)，例如任務(wù)、期望效果、規(guī)模和持續(xù)時(shí)間，并利用基于真實(shí)生產(chǎn)痕跡訓(xùn)練的模型生成符合這些規(guī)范的工作負(fù)載。

在故障場景中，工作負(fù)載生成器可以模擬資源耗盡、利用邊緣情況或觸發(fā)級聯(lián)故障等條件，這些都是受到真實(shí)事件啟發(fā)的。正常場景則模仿典型的生產(chǎn)模式，例如，日?；顒又芷诤投嘤脩艚换ァ?/span>

當(dāng)不同的特征例如，服務(wù)調(diào)用、用戶分布、到達(dá)時(shí)間可能導(dǎo)致期望效果時(shí)，多個(gè)工作負(fù)載可以存儲在問題緩存中供協(xié)調(diào)器使用。

故障生成器是AIOpsLab的一個(gè)創(chuàng)新功能，主要用于跨各種通用云場景。包括細(xì)粒度的故障注入，能夠模擬由生產(chǎn)事件啟發(fā)的復(fù)雜故障全流程展示。故障注入器還可以在不同系統(tǒng)級別注入故障，暴露根本原因，同時(shí)保持語義完整性，并考慮云微服務(wù)之間的相互依賴性，使用戶能夠?qū)IOps能力進(jìn)行全面的測試和評估。

可觀測性則可以提升AIOpsLab的全面監(jiān)控能力，包括Jaeger的追蹤、Filebeat和Logstash格式化記錄的應(yīng)用日志，以及Prometheus監(jiān)控的系統(tǒng)指標(biāo)。AIOpsLab還捕獲了較低級別的系統(tǒng)信息，如系統(tǒng)調(diào)用日志和集群信息。為了處理潛在的數(shù)據(jù)過載問題，AIOpsLab通過API允許用戶選擇他們需要的特定信息，確保量身定制和全面的可觀測性。