K8sGPT，基于 AI 的云原生終極工具
隨著人工智能和機器學習的興起，企業和組織越來越多地尋找創新方法來利用這些技術來獲得競爭優勢。 該領域最強大的工具之一便是 K8sGPT，即基于 Kubernetes 的 GPT，它將 Kubernetes 編排的優勢與 GPT 模型的高級自然語言處理能力結合在一起。
毫不夸張滴說，K8sGPT 是一種改變游戲規則的工具，有可能徹底改變許多行業，從醫療保健和金融到電子商務和教育。它分析和理解自然語言數據的能力是無與倫比的，這使其成為希望從大量文本數據中獲得洞察力的企業和組織的寶貴工具。
一、何為 K8sGPT ？
K8sGPT 是一個用于掃描 Kubernetes Cluster，以及用簡單的英語診斷和分類問題的工具。它將 SRE 經驗植入其分析儀，并幫助我們提取最有價值的相關信息，以及基于人工智能進行豐富、完善，以支撐問題的解決。
二、K8sGPT 到底是如何工作？
通常來講，K8sGPT 使用一組分析儀，旨在識別和簡化Kubernetes Cluster 中診斷和分類問題的過程。這些分析儀具有 SRE 經驗，有助于提供最準確和相關的信息。
關于 K8sGPT 所內置的分析儀，具體可參考如下所示：
1、PodAnalyzer
此分析儀主要檢查 Pod 所關聯的相關配置，并檢查任何可能導致 Pod 崩潰或資源過度使用等問題。
2、PVCAnalyzer
此分析儀主要檢查 PVC 的配置信息，并檢查任何可能導致數據丟失或其他存儲相關問題的問題。
3、ServiceAnalyzer
此分析儀主要檢查服務的參數配置情況，并檢查可能導致服務停機或性能下降的任何問題。
4、DeploymentAnalyzer
此分析儀主要檢查部署的相關配置情況，并檢查可能導致資源使用不足或過度使用的任何問題。
5、NodeAnalyzer：此分析儀檢查 Kubernetes Cluster 中的節點信息，并檢查與節點運行狀況、利用率和容量相關的任何問題。
當然，除了上述所列舉的核心分析儀外，在實際的業務場景中，仍然有一些有用的分析儀可供使用，例如：入口分析儀、定時任務分析儀、事件分析儀以及其他等等。
對于 AI 后端，K8sGPT 使用 OpenAI 作為默認后端平臺。我們可以切換到其他后端，例如 Azure OpenAI 提供商或 FakeAI 提供商等。
三、K8sGPT 能夠幫助我們解決哪些痛點？
基于這款劃時代的創新工具，K8sGPT 能夠幫我們做的事情還真不少，具體可參考如下所示：
1、診斷 Kubernetes Cluster 故障
K8sGPT 能夠幫助我分析來自 Kubernetes Cluster 的日志和其他關鍵數據，以識別當前系統環境所存在的潛在問題。從而可以幫助我們，特別是 SRE、平臺和 DevOps 工程師快速了解其集群中發生了什么，并找到問題的根本原因。
2、Kubernetes Cluster 分類問題
K8sGPT 能夠專注于分類和診斷集群中的問題，幫助我們消除了日志和多種工具的噪音，以便快速找到問題的根本原因。
3、提高 Kubernetes Cluster 的可靠性
通過使用 K8sGPT 定期分析 Kubernetes Cluster 的運行狀況，使得我們能夠在導致停機或其他問題之前主動識別和解決問題。
4、對特定資源進行故障排除
在實際的生產環境場景中，假設我們遇到特定資源的問題，例如，服務或部署，或者在特定命名空間中，K8sGPT 則能夠幫助我輕松地對特定資源或特定命名空間進行故障排除。
5、匿名化數據
在分析過程中，K8sGPT 檢索可能包含敏感信息的數據，如 Pod 名稱、命名空間、資源名稱等，這些敏感信息有時被歸類為對特定群體甚至更具限制性的個人嚴格機密（C3、C4數據分類）。K8sGPT 為我們提供了一種功能，通過在發送到 AI 后端時將其屏蔽，并將其替換為密鑰，該密鑰可用于在解決方案返回給用戶時對數據進行去匿名化，從而輕松匿名化這些數據。
四、如何使用 K8sGPT ？
通常而言，K8sGPT 可以作為 CLI（命令行界面）工具安裝，也可以作為 Kubernetes Cluster 中的 Operator 安裝。
1、基于 CLI 安裝：
[leonli@leonLab ~ ] % brew tap k8sgpt-ai/k8sgpt
Warning: No remote 'origin' in /opt/homebrew/Library/Taps/homebrew/homebrew-services, skipping update!
Running `brew update --auto-update`...
==> Auto-updated Homebrew!
Updated 1 tap (kubescape/tap).
You have 16 outdated formulae and 1 outdated cask installed.
==> Tapping k8sgpt-ai/k8sgpt
Cloning into '/opt/homebrew/Library/Taps/k8sgpt-ai/homebrew-k8sgpt'...
remote: Enumerating objects: 86, done.
remote: Counting objects: 100% (86/86), done.
remote: Compressing objects: 100% (85/85), done.
remote: Total 86 (delta 51), reused 2 (delta 0), pack-reused 0
Receiving objects: 100% (86/86), 18.77 KiB | 98.00 KiB/s, done.
Resolving deltas: 100% (51/51), done.
Tapped 1 formula (14 files, 37.7KB).[leonli@leonLab ~ ] % brew install k8sgpt
Warning: No remote 'origin' in /opt/homebrew/Library/Taps/homebrew/homebrew-services, skipping update!
Running `brew update --auto-update`...
==> Fetching k8sgpt-ai/k8sgpt/k8sgpt
==> Downloading https://github.com/k8sgpt-ai/k8sgpt/releases/download/v0.3.0/k8sgpt_Darwin_arm64.tar.gz
==> Downloading from https://objects.githubusercontent.com/github-production-release-asset-2e65be/617152691/d9f59995-7f66-468b-9a21-2dd6a2f3c7ea?X-Amz-Algorithm=AWS4-HMAC-SHA256&X-Amz-Credential=AKI
######################################################################## 100.0%
==> Installing k8sgpt from k8sgpt-ai/k8sgpt
?? /opt/homebrew/Cellar/k8sgpt/0.3.0: 6 files, 55.5MB, built in 3 seconds
==> Running `brew cleanup k8sgpt`...
Disable this behaviour by setting HOMEBREW_NO_INSTALL_CLEANUP.
Hide these hints with HOMEBREW_NO_ENV_HINTS (see `man brew`).[leonli@leonLab ~ ] % /opt/homebrew/Cellar/k8sgpt/0.3.0/bin/k8sgpt version
k8sgpt version 0.3.0OK，Over 了。
2、基于 Operator 安裝：
通常情況下，若基于 Kubernetes Cluster 中安裝 K8sGPT，那么使用 k8sgpt-operator 進行。
基于操作員模式，旨在在 Kubernetes Cluster 中啟用 K8sGPT。它將允許我們創建一個自定義資源，定義托管 K8sGPT 工作負載的行為和范圍。分析和輸出也可以配置，以便集成到現有工作流程中。
這種操作模式非常適合持續監控我們所構建的集群環境，并且可以與我們現有的監控（如Prometheus和Alertmanager）進行友好集成。
[leonli@leonLab ~ ] % helm repo add k8sgpt https://charts.k8sgpt.ai/
[leonli@leonLab ~ ] % helm install release k8sgpt/k8sgpt-operator -n k8sgpt-operator-system --create-namespace接下來，我們再簡要介紹一下運行示例，具體如下所示：
（1）創建密鑰
[leonli@leonLab ~ ] % kubectl create secret generic k8sgpt-sample-secret --from-literal=openai-api-key=$OPENAI_TOKEN -n k8sgpt-
operator-system（2）應用K8sGPT配置對象
[leonli@leonLab ~ ] % kubectl apply -f - << EOF
apiVersion: core.k8sgpt.ai/v1alpha1
kind: K8sGPT
metadata:
name: k8sgpt-sample
namespace: k8sgpt-operator-system
spec:
model: gpt-3.5-turbo
backend: openai
noCache: false
version: v0.3.0
enableAI: true
secret:
name: k8sgpt-sample-secret
key: openai-api-key
EOF（3）查看部署結果
一旦應用了自定義資源，將開始安裝 K8sGPT 組件，此時，我們將能夠在幾分鐘后看到分析的結果對象，具體如下所示：
[leonli@leonLab ~ ] % kubectl get results -o json | jq .
{
"apiVersion": "v1",
"items": [
{
"apiVersion": "core.k8sgpt.ai/v1alpha1",
"kind": "Result",
"metadata": {
"creationTimestamp": "2023-04-26T09:45:02Z",
"generation": 1,
"name": "placementoperatorsystemplacementoperatorcontrollermanagermetricsservice",
"namespace": "default",
"resourceVersion": "108371",
"uid": "f0edd4de-92b6-4de2-ac86-5bb2b2da9736"
},
"spec": {
"details": "The error message means that the service in Kubernetes doesn't have any associated endpoints, which should have been labeled with \"control-plane=controller-manager\". \n\nTo solve this issue, you need to add the \"control-plane=controller-manager\" label to the endpoint that matches the service. Once the endpoint is labeled correctly, Kubernetes can associate it with the service, and the error should be resolved.",五、常用 K8sGPT 操作示例？
安裝完成后，我們可以查看當前 K8sGPT 組件的版本，具體如下所示：
[leonli@leonLab ~ ] % /opt/homebrew/Cellar/k8sgpt/0.3.0/bin/k8sgpt version
k8sgpt version 0.3.0我們發現，當前當前 K8sGPT 為最新版，此時，我們可以使用 “--help ” 命令進行索引指示操作。
例如，基于 k8sgpt filters list 命令進行操作，具體如下所示：
以及運行以下命令來分析 Kubernetes Cluster 中的問題，具體可參考：
當然，除了上述的命令行外，如下相關的命令行在日常的場景中應用也較為廣泛，比如如下等等。
[leonli@leonLab ~ ] % k8sgpt generate && k8sgpt auth &&隨著企業和組織不斷尋找利用人工智能和機器學習的創新方法，K8sGPT 正在成為一種強大的工具，可以幫助他們實現目標。 憑借其先進的自然語言處理能力和 Kubernetes 編排的優勢，K8sGPT 有可能改變我們分析和理解文本數據的方式，并推動許多行業的創新。
