Aiops探索：用n8n+jumpserver+k8s+prometheus+Loki落地aiops的方案

我的环境大体上有这些东西：n8n+jumpserver+k8s+prometheus+Loki，而我的设想是：1）识别人类意图并自动下发和执行指令；2）监控故障并自我修复；3）问题发现并给出修复方案。暂时先这3条需求。

一、 核心架构设计

首先来说，这个AiOps 智能体不是一个单一程序，而是一个由多个组件协同工作的系统。我们可以将其分为四个层次：

二、 各组件在架构中的角色

三、 功能实现路径（分阶段落地）

建议从简单到复杂，分阶段实现，逐步构建你的 AIOps 智能体。

阶段一：基础自动化与告警闭环

这是最核心、最能立即产生价值的一步。

目标： 实现 Prometheus 告警 -> n8n 自动处理 -> 执行修复 -> 结果反馈的完整闭环。

实现步骤：

1. 配置 Prometheus 告警：

• 在 Prometheus 中定义关键的告警规则，例如 K8sPodCrashLooping、HighCPUUsage、ServiceDown。
• 配置 Alertmanager，将告警路由发送到 n8n 的 Webhook URL。

2. 在 n8n 中创建告警处理工作流：

• 触发节点：使用 Webhook 节点接收来自 Alertmanager 的告警 JSON 数据。
• 决策节点：使用 IF 或 Switch 节点，根据告警的标签（如 alertname）来判断是什么类型的问题。
• 执行节点：
• 对于 K8s 问题 ：使用 HTTP Request 节点调用 K8s API。例如，收到 PodCrashLooping 告警，可以调用 API 删除 Pod，让 K8s 自动重建。
• 对于节点问题 ：使用 HTTP Request 节点调用 Jumpserver 的 API，创建一个自动化任务，在指定节点上执行命令（如 systemctl restart docker）

• 通知节点：使用 Slack、Email 或 DingTalk 节点，将处理结果（成功/失败）发送给运维团队。

示例工作流：（处理 Pod 崩溃）

Webhook (接收告警) -> IF (判断 alertname == K8sPodCrashLooping) -> Code (解析 JSON, 提取 namespace, pod_name) -> HTTP Request (调用 K8s API 删除 Pod) -> Slack (发送 "Pod {pod_name} 已重启" 消息)

阶段二：问题诊断与日志关联

目标： 当告警发生时，智能体能自动查询相关日志，提供更丰富的上下文，甚至给出初步的修复建议。

实现步骤：

1. 扩展 n8n 工作流：

• 在阶段一的工作流中，决策节点之后、执行节点之前，增加日志查询步骤。
• 日志查询节点：使用 HTTP Request 节点，根据告警信息（如 pod_name, namespace）构建 Loki 的查询语句（LogQL），查询该 Pod 最近一段时间的错误日志。
• 日志分析节点：
• 简单规则 ：使用 Code 节点（如 JavaScript）检查日志中是否包含特定关键词（如 OutOfMemoryError, Connection refused）。
• 智能分析 (进阶)：将查询到的日志作为上下文，调用 LLM API，让 LLM 总结日志内容并给出可能的原因。

2. 增强决策逻辑：

• 根据日志分析的结果，动态选择不同的修复策略。
• 例如：如果日志发现是 OutOfMemoryError，则执行 K8s patch 操作，增加 Pod 的 memory limits；如果是 Connection refused，则检查相关的 Service 和 Endpoints。

阶段三：意图识别与指令下发

目标： 让运维人员可以通过自然语言与智能体交互，实现“说人话”就能运维。

实现步骤：

1. 搭建交互入口：

• 可以是一个聊天机器人（如 Slack Bot, Teams Bot），或者一个简单的 Web 界面。
• 用户的指令通过 Webhook 发送到 n8n。
  

• 触发节点：Webhook 节点接收用户的自然语言指令（如“把生产环境的 user-service 扩容到 5 个副本”）。

• 意图识别节点：
• 调用 LLM API。设计一个高质量的 Prompt，要求 LLM 将自然语言转换为结构化的 JSON。
• Prompt 示例：

你是一个运维指令解析器。请将用户的指令解析为 JSON 格式，包含 action, target, namespace, replicas 等字段。如果无法解析，返回 {"error": "invalid command"}。用户指令: "把生产环境的 user-service 扩容到 5 个副本"输出 JSON:

• LLM 会返回类似：


{"action": "scale", "target": "deployment/user-service", "namespace": "production", "replicas": 5}

• 指令执行与反馈：
• 代码节点：解析 LLM 返回的 JSON。
• 执行节点：根据 action 字段，调用不同的执行模块（如 K8s API, Jumpserver API）。
• 反馈节点：将执行结果（如“已成功将 user-service 扩容至 5 个副本”）通过聊天机器人返回给用户。