在我们的首次研究中，我们将 Jev 作为 LLM 智能体的决策辅助工具进行了实验。该智能体负责诊断和修复事件；Jev 帮助对智能体提出的测试进行排序，并在提交前审查证据。那篇博文最后提出了一个更具雄心的想法：为 Jev 提供集群的全局视图，并利用其快速、低成本的判断来引导调查。在本文中，我们展示了一个完全不依赖 LLM 智能体的 Jev 驱动诊断管道。该管道以程序化方式收集和整理集群证据，然后将其输入 Jev。Jev 选择可能的根本原因及支持性观察结果，管道则利用这些信息组装诊断报告。在 21 个 SREGym-Lite 故障中，Jev 驱动的管道在 105 次诊断中通过了 80 次（76.2%），中位诊断时间为 14.6 秒。
Jev 通过从提供的选项集中进行选择来回答问题。为了将其用于诊断，我们需要同时提供证据和可能的答案。我们添加了一个程序化收集器，将集群状态转换为这些输入。首先，收集器读取 Kubernetes 对象、事件、最近的 Pod 日志和资源使用情况。它按组件（例如 Deployment）对观察结果进行分组，并总结故障迹象。Jev 接收这些摘要并选择一个可能的来源进行检查。
随后，管道收集了关于 nginx-thrift 的更多细节，并为 Jev 提供了 26 条证据项，包括以下两条：E6：nginx-thrift Pod 被 OOMKilled。E10：该 Pod 的内存限制为 16Mi，尽管其模板中写的是 256Mi。gatekeeper-mutating-webhook-configuration 与该 Pod 匹配。在后续问题中，Jev 回答如下：问题：nginx-thrift 是起源、受害者还是无关？Jev：起源。问题：哪个类别命名了原因？Jev：admission_or_namespace_policy。问题：哪条证据项最能展示机制？Jev：E10。
FAQ：Jev 驱动的诊断管道的准确性和速度如何？
Jev 驱动的管道在 21 个 SREGym-Lite 故障中实现了 76.2% 的准确率（105 次诊断中通过 80 次），中位诊断时间为 14.6 秒。
FAQ Q：Jev 驱动的诊断管道的准确性和速度如何？
FAQ A：Jev 驱动的管道在 21 个 SREGym-Lite 故障中实现了 76.2% 的准确率（105 次诊断中通过 80 次），中位诊断时间为 14.6 秒。
来源: Hacker News · 由HeadlinesBriefing整理摘要