SuperAPI AI 工具集

gcx-observability

部署与运维

查看项目

更新于 10-16 05:49

技能介绍

用途:该技能帮助用户为应用实施完整的 Grafana Cloud 可观测性,核心是测试驱动理念——先定义“健康”标准(SLO 可用性/延迟契约、k6 压测通过阈值、合成检查的在线期望),再部署采集与告警去满足这些测试。

主要能力与流程:分为 12 个阶段。阶段 0 引导(验证 gcx 配置与栈认证)、阶段 1 发现与上下文(收集集群、命名空间、用户旅程)、阶段 2 测试定义(先定 SLO、k6 阈值、合成检查)、阶段 3 采集(Alloy 收集器、Faro 前端)、阶段 4 基于 SLO 的告警(告警规则、联系人、策略)、阶段 5 合成监控、阶段 6 k6 负载测试及调度、阶段 7 IRM(值班集成、升级链、排班)、阶段 8 自定义仪表盘、阶段 9 成本优化(自适应指标/日志/链路控制基数)、阶段 10 GitOps 导出为声明式 YAML、阶段 11 可观测性评审(校验信号、找缺口、给建议)。

依赖关系:阶段 0 先于一切;阶段 1 先于 2-11;阶段 2 先于 3-6;阶段 3 先于阶段 4;阶段 4 先于阶段 7;5、6、8、9 相互独立,阶段 3 后可并行;10、11 最后。推荐在阶段 0-3 后按波次并行:Wave A 为 4、5、6、8、9,Wave B 为 7,Wave C 为 10、11。

使用方式:命令须先发现再执行,用 gcx <group> --help 查确切命令与参数,用 gcx commands --flat -o json 查看全部命令组;Kubernetes 操作用 kubectl --help。有示例时用 gcx resources list-examples <type> 生成 YAML,否则回退到 gcx resources list-types <type> 与最小清单;创建前须确认。遵循幂等原则(先查已存在资源,不重建健康资源)与验证原则(每次创建后用 list/get 验证健康后才算完成)。用 TaskCreate 注册工作单元,用 Agent 并发执行相互独立的操作,慢操作用后台代理。

限制:标注为实验性;资料未提供具体收费、价格或效果数据;不保证所有资源类型都有示例 YAML。