AI图鉴

AI图鉴首页 › AI 资讯 › K圆圈如何用Amazon Bedrock加速DevOps事件分解到15分钟以下

K圆圈如何用Amazon Bedrock加速DevOps事件分解到15分钟以下

来源:AWS ML Blog · 发布时间:11-03 · 由 AI图鉴每小时自动聚合

Circle K的DevOps团队通过在Amazon Bedrock上建立一个代理分解系统,将事件分解从45-60分钟缩短到15岁以下。 这个帖子走过Ar

人工智能

K圆圈如何用Amazon Bedrock加速DevOps事件分解到15分钟以下

这篇文章是与Circle K的Cloud DevOps工程师Marek Klatowicz共同撰写的。

许多DevOps团队都了解事件分门别类的模式:警报火灾,在任何人都能解决问题之前,一名工程师花了45-60分钟去弄清楚发生了什么。 他们抽取日志,检查服务健康情况,以及一些工具的相关症状。 所有这一切发生在补救开始之前。

在Circle K,这个挑战随着业务的展开而扩大。 该公司在27个国家经营超过17,200家便利和燃料零售店。 在店面后面,一个云土基础设施支持售点系统,忠诚应用,以及运行在AWS上的电动车辆充电应用。 随着公司扩大数字业务,分级管理费用随其增长。 更多的服务意味着更多的警报,在开始补救之前,每个部门都需要同样的人工调查。

为了解决这个问题,Circle K使用Amazon Bedrock构建了自动分拣系统,这是一种完全管理的服务,通过单一API使基础模型(FM)可用。 对于AWS区域提供的模型可用性,参考AWS区域在Amazon Bedrock中支持的模型。 系统使用代理AI架构自主调查每起事件,并在警报射击后几分钟内向Slack发送结构化摘要。 而非原始警报,待命工程师现在得到可操作的背景,所以他们可以立即行动,而不是花一个小时去弄清楚发生了什么。

K圈将平均分解时间缩短至15分钟以下

在本文中,我们描述了最初的Amazon Bedrock Flows执行架构以及向Amazon Bedrock Agent Core的迁移,并分享从系统规模化中吸取的教训。

B. 支离破碎间接费用的挑战

Circle K的DevOps团队通过多个使用Grafana的AWS账户监控基础设施。 一个典型的一天带来提醒,用于容器重启,高误差率,延迟突起,以及失败的部署。 每个警报都是一种有用的信号,但随着系统的扩大,团队希望帮助待命工程师迅速看到哪些信号需要注意,有正确的背景。

当警报发出时,分解涉及一个熟悉的人工步骤序列:审查Amazon Cloud Watch中最近的日志,检查Amazon OpenSearch Service中的应用级别痕迹,检查Amazon弹性容器服务(Amazon ECS)任务状态,以及交叉引用GitHub中内部运行本的症状。 这为工程师提供了他们需要的信息,但也表明随着更多的服务投入使用,需要进行多少重复的背景收集。

该小组认识到,积极主动的投资可以帮助两个领域。 首先,每次事件都会重复同样的日志查询、健康检查和运行本检查。 第二,分门别类的深度和速度可能因待命工程师熟悉受影响的服务而不同。 随着警示量和服务所有权的增加,每次调查的多种工具之间的切换会减缓反应速度,使小组的最佳做法难以一致应用。

因此,Circle K的DevOps团队发起了一项研究与开发(R&D)倡议,探索AI如何支持监测和事件分类。 目标是使重复性的背景收集自动化,并提供结构化的、可采取行动的结论,同时在调查期间支持工程师的业务判断。

为什么K圈选择了Amazon Bedrock

小组在建设前评价了几种方法,包括开源 agent自理基础设施框架。 这种办法将意味着拥有模式托管、即时改版、工具协调以及安全控制。

与Amazon Bedrock一起,球队避免了这一高架。 他们可以通过单一的API和互换基础模型访问基础模型,而无需重写代码。 因为Circle K已经在AWS上运行,Amazon Bedrock符合现有的AWS身份和访问管理(IAM)政策,Amazon虚拟私人云(Amazon VPC)配置,以及伐木管道。

两种管理能力包括安排和检索。 兹Amazon 贝德罗克帮助agent管弦乐,给予agents本土工具用于调用AWS API,查询数据库,并检索文档而无需自定义管弦乐代码。 Amazon Bedrock Knowledge Bases,全资管理的检索增强生成(RAG)能力,处理内部产品卡的摄入和检索,因此团队不需要单独运行一个矢量数据库。 这让DevOps团队专注于即时设计和工具定义。

数据隐私完成图片。 Circle K的事件数据包括操作度量衡,基础设施细节,以及可以包含敏感信息的日志。 兹Amazon Bedrock不与模型提供者共享客户数据,也不使用它来培训基础模型。 对于一个将生产记录和内部服务细节输入系统的小组,这种数据处理方法符合Circle K的安全要求。

解决方案概述

本节介绍团队在Amazon Bedrock Flows上建立的初始架构。 后面一节涉及向Core探员的迁移。

该溶液使用Amazon Bedrock Flows作为管弦电路层,协调一组专门的agents,各自处理分析的不同部分。 管道在Grafana警报发布Amazon简单通知服务(Amazon SNS)的通知后开始,该通知将其转发至Amazon简单排队服务(Amazon SQS)队列。 AWS Lambda对队列进行投票,提取警戒有效载荷,并引用Flow.

在流体内部,两个agents被平行引用。 与AWS组织管理的多个工作量账户的AWS资源探索者代理查询基础设施。 它检查 Amazon ECS 任务状态,应用负载平衡器目标健康,以及云表度量和日志。 同时,OpenSearchExplorerAgent查询Amazon OpenSearch Service的应用级别日志和分布痕迹。 此 agent 单独运行,因为 OpenSearch 返回了大量的日志数据。 隔离它可以控制agent的上下文窗口。 它还可以独家进入知识库,其中包含描述每项服务及其依赖性的产品卡。

在agents两人归还其发现后,GitHubexulderAgent运行。 它从受影响的服务GitHub寄存器的前两个agents和发现得到输出。 然后,它搜索它们的应用代码,基础设施定义,以及最近承诺确定问题的根源并提出具体的解决方案。 在平行的agents之后运行它意味着它确切知道要搜索什么,而不是进行广泛的查询。

所有三个输出都输入一个AnalysisPrompt节点,这是一个单一的模型调用,没有附加工具。 它收到AWS资源数据,OpenSearch日志和GitHub上下文,然后产生结构化摘要:可能的根本原因,佐证证据,受影响的服务和所有者,以及建议补救步骤。 即时输出使用一致格式,待命小组可在2分钟内扫描。

Flow)将这个摘要返回到引用Lambda函数,该函数将其发布到Slack频道。 从警报到Slack消息的整个过程需要5–15分钟,这取决于事件的复杂性。

下面的图显示这个架构结束到结束,从最初的Grafana警报到最后的Slack摘要。

示例分类

A Grafana 提醒:服务上HTTP 5xx的误差率连续3分钟超过5%.

AWSResourceExplorerAgent检查目标账户中的ECS任务健康,发现数据库连接池耗尽,ECS服务试图重启。 OpenSearchExplorerAgent 返回显示服务“拒绝连接”错误的应用程序日志到其支持的 PostgreSQL 数据库。 它还从知识库取回受影响服务的产品卡,该知识库记录其对数据库的依赖情况。 GitHubExplorerAgent搜索服务库和基础设施文件以及发现 Amazon关系数据库服务(Amazon RDS)定义。 它看到这项服务打开了每个请求的新数据库连接,而不是重新使用现有的连接。

分析Prompt得到所有三种结果。 它与在警报前10分钟开始的预定营销运动有关。 它与GitHubExplorerAgent关于推荐一个混凝土编码级固定而不是临时补丁的发现相结合。

最后的Slack消息写道:

缩放到 Amazon 贝德洛克代理 Core

Amazon Bedrock Flows 架构几个月来运作良好,简单事件在不到10分钟的时间里被三进制。 随着时间的推移,每次调查的数据量和背景都有所增加,尽管成套服务保持不变。 有些事件需要较长时间的分析,而单个流程节点则无法完成。

团队首先通过更积极的过滤日志,缩短上下文windows,将某些服务分割为单独的流程,在现有设计范围内进行了优化。 这些步骤有所帮助,但记录量和知识库继续增加。

Amazon Bedrock Agent Core满足了这一需要。 AgentCore是一个以任何框架或模型在规模上构建,连接,优化AI agents的平台。 对于这一工作量,关键能力是Core代理运行时间:全面调查在一个环节中进行,所以每个步骤都可能需要它的数据所需要的时间。 Agent Core Runtime支持长达8小时的会话,远远超出了目前调查的需要。 团队将他们的agent逻辑装箱,部署在Agent Core Runtime上。

下图显示移动到Amazon Bedrock Agent Core后的生产架构。

分析逻辑保持不变,但运行方式发生了变化。 Flows版本的3个专业agents现在被整合为在Agent Core Runtime会话中运行的单agent. Lambda函数开始会话,agent执行与前作相同的步骤。 它通过账户查询AWS资源,从Amazon OpenSearch Service提取日志,搜索GitHub,并从知识库检索产品卡。 agent在15分钟内将其发现返回兰布达函数,这在兰布达最大超时范围内。 Lambda 函数然后将结构化摘要发布到 Slack.

Amazon Bedrock Agent Core Gateway,是Amazon Bedrock Agent Core的一种能力,经纪人agent访问其数据源,包括Amazon OpenSearch Service,Amazon Bedrock知识库,以及GitHub. "Gateway"将每个源都暴露为agent引用的工具,它集中了访问控制,使得团队更容易添加或更改数据源。

Agent Core runtime 如何支持球队不断增长的规模

Amazon Bedrock Agent Core Runtime除了更长的运行时间之外,还增加了支持团队不断增长规模的三种能力:会话持久性,基于OpenTeleometry的可观察性和框架灵活性。

会话持久性:agent在整个调查期间保持中间状态。 如果第一个通过日志会露出一些东西,agent可以运行第二个,更具针对性的通道,而不会失去它已经建立的上下文。 这符合对复杂、多服务事件进行调查的迭接方式。

可观察性:Agent Core通过Cloud Watch利用OpenTeleometry标准和表面来捕捉每个会话的痕迹。 团队可以看到每个步骤需要多长时间,哪些知识库询问agent的,以及瓶颈在哪里出现。 这些洞察力直接反馈到迅速的调试中。

框架灵活性:通过Agent Core Runtime,团队可以部署使用多种框架构建的集装箱agents.

本文由 AI图鉴自动抓取并翻译,版权归原作者所有;如需查看原文请点下方链接。

相关 AI 工具

相关免费羊毛

同源资讯

阅读原文(aws.amazon.com)

标题、摘要与正文均来自该信源的公开页面,版权归原作者所有;本站自动聚合与翻译,仅作出处跳转。

← 返回 AI 资讯列表AI工具图鉴首页

返回 AI图鉴首页 · 提交工具 · 商务合作 · 关于本站 · 607 款 AI 工具分类导航 · 每日 AI 热门项目与动态