Implementación de diagnósticos y solución de problemas de Kubernetes con tecnología de IA con la integración de K8sGPT y Amazon Bedrock

Configurar Amazon Bedrock como proveedor de backend de IA para K8sGPT.

Para configurar Amazon Bedrock como el proveedor de backend de la IA r para K8sgpt, utilice el siguiente comando: AWS CLI

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

En el comando de ejemplo se utiliza us-west-2 para la Región de AWS. Sin embargo, puede seleccionar otra región, siempre que tanto el clúster de Amazon EKS como el modelo de Amazon Bedrock correspondiente estén disponibles y habilitados en la región seleccionada.

Para comprobar si amazonbedrock se ha agregado a la lista de proveedores de backend de IA y si se encuentra en estado Active, ejecute el siguiente comando:

k8sgpt auth list

A continuación, se muestra un ejemplo de la salida esperada de este comando:

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

Ver una lista de filtros disponibles.

Para ver la lista de todos los filtros disponibles, utilice el siguiente AWS CLI comando:

k8sgpt filters list

A continuación, se muestra un ejemplo de la salida esperada de este comando:

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

Analizar un pod en un espacio de nombres específico mediante un filtro.

Este comando es útil para la depuración selectiva de problemas específicos de los pods dentro de un clúster de Kubernetes, utilizando las funcionalidades de IA de Amazon Bedrock para analizar y explicar los problemas que encuentra.

Para escanear un pod en un espacio de nombres específico mediante un filtro, utilice el siguiente comando: AWS CLI

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

A continuación, se muestra un ejemplo de la salida esperada de este comando:

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.

Analizar una implementación en un espacio de nombres específico mediante un filtro.

Este comando es útil para identificar y solucionar problemas específicos de la implementación, especialmente cuando el estado real no coincide con el estado deseado.

Para escanear una implementación en un espacio de nombres específico mediante un filtro, utilice el siguiente comando: AWS CLI

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

A continuación, se muestra un ejemplo de la salida esperada de este comando:

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.

Analizar un nodo en un espacio de nombres específico mediante un filtro.

Para escanear un nodo de un espacio de nombres específico mediante un filtro, utilice el siguiente comando: AWS CLI

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

A continuación, se muestra un ejemplo de la salida esperada de este comando:

AI Provider: amazonbedrock

No problems detected

Obtener salidas detalladas.

Para obtener resultados detallados, utilice el siguiente AWS CLI comando:

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

A continuación, se muestra un ejemplo de la salida esperada de este comando:

{
  "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": ""
    }
  ]
}

Comprobar los pods problemáticos.

Para comprobar si hay pods problemáticos específicos, usa el siguiente AWS CLI comando:

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

A continuación, se muestra un ejemplo de la salida esperada de este comando:

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

Obtener información específica de la aplicación.

Este comando resulta especialmente útil cuando:

Para obtener información específica de la aplicación, use el siguiente comando:

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

A continuación, se muestra un ejemplo de la salida esperada de este comando:

AI Provider: amazonbedrock

No problems detected