Implementieren Sie KI-gestützte Kubernetes-Diagnose und -Fehlerbehebung mit der Integration von K8SGPT und Amazon Bedrock

Stellen Sie Amazon Bedrock als KI-Backend-Anbieter für K8SGPT ein.

Verwenden Sie den folgenden Befehl, um Amazon Bedrock als KI-Backend-Anbieter r für k8SGPT festzulegen: AWS CLI

k8sgpt auth add -b amazonbedrock \
 -r us-west-2 \
 -m anthropic.claude-v2 \
 -n endpoint-name 

Der Beispielbefehl verwendet für den. us-west-2 AWS-Region Sie können jedoch eine andere Region auswählen, vorausgesetzt, dass sowohl der Amazon EKS-Cluster als auch das entsprechende Amazon Bedrock-Modell in dieser ausgewählten Region verfügbar und aktiviert sind.

Führen Sie den folgenden amazonbedrock Befehl aus, um zu überprüfen, ob dieser zur Liste der AI-Backend-Anbieter hinzugefügt wurde und sich im Active Status befindet:

k8sgpt auth list

Im Folgenden finden Sie ein Beispiel für die erwartete Ausgabe dieses Befehls:

Default: 
> openai
Active: 
> amazonbedrock
Unused: 
> openai
> localai
> ollama
> azureopenai
> cohere
> amazonsagemaker
> google
> noopai
> huggingface
> googlevertexai
> oci
> customrest
> ibmwatsonxai

Sehen Sie sich eine Liste der verfügbaren Filter an.

Verwenden Sie den folgenden AWS CLI Befehl, um die Liste aller verfügbaren Filter anzuzeigen:

k8sgpt filters list

Im Folgenden finden Sie ein Beispiel für die erwartete Ausgabe dieses Befehls:

Active: 
> Deployment
> ReplicaSet
> PersistentVolumeClaim
> Service
> CronJob
> Node
> MutatingWebhookConfiguration
> Pod
> Ingress
> StatefulSet
> ValidatingWebhookConfiguration

Scannen Sie einen Pod in einem bestimmten Namespace mithilfe eines Filters.

Dieser Befehl ist nützlich für das gezielte Debuggen bestimmter Pod-Probleme innerhalb eines Kubernetes-Clusters. Dabei werden die KI-Funktionen von Amazon Bedrock verwendet, um die gefundenen Probleme zu analysieren und zu erklären.

Verwenden Sie den folgenden Befehl, um einen Pod in einem bestimmten Namespace mithilfe eines Filters zu scannen: AWS CLI

k8sgpt analyze --backend amazonbedrock --explain --filter Pod -n default

Im Folgenden finden Sie ein Beispiel für die erwartete Ausgabe dieses Befehls:

100% |████████████████████████████████████████████████████████| (1/1, 645 it/s)        
AI Provider: amazonbedrock

0: Pod default/crashme()
- Error: the last termination reason is Error container=crashme pod=crashme
Error: The pod named crashme terminated because the container named crashme crashed.
Solution: Check logs for crashme pod to identify reason for crash. Restart pod or redeploy application to resolve crash.

Scannen Sie eine Bereitstellung in einem bestimmten Namespace mithilfe eines Filters.

Dieser Befehl ist nützlich, um bereitstellungsspezifische Probleme zu identifizieren und zu beheben, insbesondere wenn der tatsächliche Status nicht dem gewünschten Status entspricht.

Verwenden Sie den folgenden Befehl, um eine Bereitstellung in einem bestimmten Namespace mithilfe eines Filters zu scannen: AWS CLI

k8sgpt analyze --backend amazonbedrock --explain --filter Deployment -n default

Im Folgenden finden Sie ein Beispiel für die erwartete Ausgabe dieses Befehls:

100% |██████████████████████████████████████████████████████████| (1/1, 10 it/min)        
AI Provider: amazonbedrock

0: Deployment default/nginx()
- Error: Deployment default/nginx has 1 replicas but 2 are available
 Error: The Deployment named nginx in the default namespace has 1 replica specified but 2 pod replicas are running.
Solution: Check if any other controllers like ReplicaSet or StatefulSet have created extra pods. Delete extra pods or adjust replica count to match available pods.

Scannen Sie einen Knoten in einem bestimmten Namespace mithilfe eines Filters.

Verwenden Sie den folgenden AWS CLI Befehl, um einen Knoten in einem bestimmten Namespace mithilfe eines Filters zu scannen:

k8sgpt analyze --backend amazonbedrock --explain --filter Node -n default 

Im Folgenden finden Sie ein Beispiel für die erwartete Ausgabe dieses Befehls:

AI Provider: amazonbedrock

No problems detected

Erhalten Sie detaillierte Ergebnisse.

Verwenden Sie den folgenden AWS CLI Befehl, um detaillierte Ausgaben zu erhalten:

k8sgpt analyze --backend amazonbedrock --explain --ouput json

Im Folgenden finden Sie ein Beispiel für die erwartete Ausgabe dieses Befehls:

{
  "provider": "amazonbedrock",
  "errors": null,
  "status": "ProblemDetected",
  "problems": 1,
  "results": [
    {
      "kind": "Pod",
      "name": "default/crashme",
      "error": [
        {
          "Text": "the last termination reason is Error container=crashme pod=crashme",
          "KubernetesDoc": "",
          "Sensitive": []
        }
      ],
      "details": " Error: The pod named crashme terminated because the container named crashme crashed.\nSolution: Check logs for crashme pod to identify reason for crash. Restart pod or redeploy application to resolve crash.",
      "parentObject": ""
    }
  ]
}

Überprüfen Sie problematische Pods.

Verwenden Sie den folgenden AWS CLI Befehl, um nach bestimmten problematischen Pods zu suchen:

kubectl get pods --all-namespaces | grep -v Running

Im Folgenden finden Sie ein Beispiel für die erwartete Ausgabe dieses Befehls:

NAMESPACE    NAME      READY    STATUS          RESTARTS      AGE                                       
default     crashme     0/1   CrashLoopBackOff   260(91s ago)   21h

Erhalten Sie anwendungsspezifische Einblicke.

Dieser Befehl ist besonders nützlich, wenn:

Verwenden Sie den folgenden Befehl, um anwendungsspezifische Einblicke zu erhalten:

k8sgpt analyze --backend amazonbedrock --explain -L app=nginx -n default

Im Folgenden finden Sie ein Beispiel für die erwartete Ausgabe dieses Befehls:

AI Provider: amazonbedrock

No problems detected