Implémentez les diagnostics et le dépannage de Kubernetes basés sur l'IA grâce à l'intégration de K8sGPT et Amazon Bedrock

Définissez Amazon Bedrock comme fournisseur de backend AI pour K8sGPT.

Pour définir Amazon Bedrock comme fournisseur de backend AI r pour K8sGPT, utilisez la commande suivante : AWS CLI

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

L'exemple de commande utilise us-west-2 pour Région AWS. Toutefois, vous pouvez sélectionner une autre région, à condition que le cluster Amazon EKS et le modèle Amazon Bedrock correspondant soient disponibles et activés dans cette région sélectionnée.

Pour vérifier qu'il amazonbedrock est ajouté à la liste des fournisseurs de backend AI et qu'il est en bon Active état, exécutez la commande suivante :

k8sgpt auth list

Voici un exemple du résultat attendu de cette commande :

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

Consultez la liste des filtres disponibles.

Pour voir la liste de tous les filtres disponibles, utilisez la AWS CLI commande suivante :

k8sgpt filters list

Voici un exemple du résultat attendu de cette commande :

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

Scannez un pod dans un espace de noms spécifique à l'aide d'un filtre.

Cette commande est utile pour le débogage ciblé de problèmes de pod spécifiques au sein d'un cluster Kubernetes, en utilisant les fonctionnalités d'Amazon Bedrock AI pour analyser et expliquer les problèmes détectés.

Pour scanner un pod dans un espace de noms spécifique à l'aide d'un filtre, utilisez la AWS CLI commande suivante :

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

Voici un exemple du résultat attendu de cette commande :

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.

Analysez un déploiement dans un espace de noms spécifique à l'aide d'un filtre.

Cette commande est utile pour identifier et résoudre les problèmes spécifiques au déploiement, en particulier lorsque l'état réel ne correspond pas à l'état souhaité.

Pour analyser un déploiement dans un espace de noms spécifique à l'aide d'un filtre, utilisez la AWS CLI commande suivante :

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

Voici un exemple du résultat attendu de cette commande :

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.

Scannez un nœud dans un espace de noms spécifique à l'aide d'un filtre.

Pour scanner un nœud dans un espace de noms spécifique à l'aide d'un filtre, utilisez la AWS CLI commande suivante :

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

Voici un exemple du résultat attendu de cette commande :

AI Provider: amazonbedrock

No problems detected

Obtenez des résultats détaillés.

Pour obtenir des résultats détaillés, utilisez la AWS CLI commande suivante :

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

Voici un exemple du résultat attendu de cette commande :

{
  "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": ""
    }
  ]
}

Vérifiez les pods problématiques.

Pour vérifier la présence de pods problématiques spécifiques, utilisez la AWS CLI commande suivante :

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

Voici un exemple du résultat attendu de cette commande :

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

Obtenez des informations spécifiques aux applications.

Cette commande est particulièrement utile lorsque :

Pour obtenir des informations spécifiques à l'application, utilisez la commande suivante :

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

Voici un exemple du résultat attendu de cette commande :

AI Provider: amazonbedrock

No problems detected