介绍

最近，AI 引起了广泛关注，而 Kubernetes 驱动的 DevOps 也不例外。软件工程师是自动化的忠实拥护者，因此针对 Kubernetes 操作员的 AI 驱动工具自然也开始涌现。

这些工具大多专为终端 (CLI) 使用而设计。Kubernetes 是容器编排的平台，而在 AI 驱动工具的帮助下可以从自动化任务、提高可靠性和提供洞察力等方面来帮助您更好掌握它。

OpenAI 是 Kubernetes AIOps 最有前途的 AI 平台之一。它提供了一套开源工具，可用于为 Kubernetes 构建 AI 驱动的解决方案。我们将分成两个 parts 来探讨 OpenAI 的一些开源工具如何帮助您实现 Kubernetes AIOps。

概述

Kubernetes 用户不可避免地会遇到一些需要调试和修复的集群问题，以保证其 pod 和服务顺利运行。尤其是云端原生的DevOps 可能在管理容器、微服务和自动扩展功能方面涉及很多复杂问题。GenAI 可以 帮助排除故障，并执行一些与 Kubernetes 等平台相关的操作任务。这可能涉及使用自然语言提示来启动、回滚或获取集群的可见性。

例如，在 KubeCon + CloudNativeCon 2023 大会上，Kubiya 第一次展示了一个生成式 AI 工作流引擎，它能够在 Slack 中解释此类命令。扩展自然语言处理功能可以帮助平台团队创建新的工作流程，从而抽象出云端原生平台工作的复杂性。

K8sGPT

K8sGPT 是一个相对较新的开源项目， 它使用 AI 模型来解释 Kubernetes 的错误信息并提供集群见解。它已被两个组织用于生产，并已申请成为 CNCF 沙盒项目。

其主要功能有：

• 提供 Kubernetes 错误信息的详细情境解释
• 提供集群洞察
• 支持多种安装选项
• 支持不同的 AI 后端

K8sGPT 的项目由是同类 CLI 工具中最知名、使用最广泛的一个，其主要命令是  k8sgpt analyze， 旨在揭示 Kubernetes 集群中的问题。它通过使用 analyzers 来做到这一点。这种 analyzers 定义了每个 Kubernetes 对象的逻辑以及可能遇到的问题。例如，Kubernetes Services 的 analyzers 会检查特定 Services 是否存在、是否有端点，以及端点是否准备就绪。

更厉害的在于当您要求 K8sgpt 解释能做些什么——为此，需要运行  k8sgpt analyze --explain 命令。这将要求 AI 为您的具体情况提供说明，并显示出来。这些说明包括 排除故障的操作以及具体的 kubectl 命令，您只需复制和粘贴这些命令即可执行。而之所以能做到这一点，是因为 Kubernetes 资源的名称已经就位了。

安装

根据您的偏好和操作系统，有多种安装选项可供选择。您可以在文档的安装部分找到不同的选项。安装 K8sGPT 的前提条件是在 Mac 上安装 Homebrew 或在 Windows 机器上安装 WSL。

接下来，您可以运行以下命令：

brew tap k8sgpt-ai/k8sgpt 
brew install k8sgpt

如要查看 K8sGPT 提供的所有命令，请使用   - help标志：

k8sgpt --help

前提条件

后续步骤的前提条件是拥有一个 OpneAI 账户和一个正在运行的 Kubernetes 集群；任何集群，比如 microk8s 或 minikube 都足够了。

有了 OpneAI 账户后，您需要去其网站生成一个新的 API 密钥

或者，你也可以运行以下命令，K8sGPT 会在你的默认浏览器中打开相同的网站：

k8sgpt generate

K8sGPT 与 OpenAI 交互时需要此密钥。使用新创建的 API 密钥/令牌授权 K8sGPT：

k8sgpt auth add openai 
Enter openai Key: openai added to the AI backend provider list

您可以使用以下命令列出您的后端：

k8sgpt auth list

Default: 
> openai Active: 
> openai Unused: 
> localai > azureopenai > noopai

其次，我们将在 Kubernetes 集群中安装恶意部署。该 pod 将进入 CrashLoopBackOff。下面是 YAML：

apiVersion: apps/v1
kind: Deployment
metadata:
  name: nginx-deployment
  labels:
    app: nginx
spec:
  replicas: 3
  selector:
    matchLabels:
      app: nginx
  template:
    metadata:
      labels:
        app: nginx
    spec:
      containers:
      - name: nginx
        image: nginx:1.14.2
        ports:
        - containerPort: 80
        securityContext:          readOnlyRootFilesystem: true

接下来，我们将为示例应用程序创建一个专用命名空间，并安装 Deployment：

kubectl create ns demo 
namespace/demo created

kubectl apply -f ./deployment.yaml -n demo
deployment.apps/nginx-deployment created

现在，您将看到演示命名空间中的 pod 标明错误：

如果我们想查看其中一个 pod 的事件，就会显示：

Warning  BackOff        3s (x8 over 87s)  kubelet                Back-off restarting failed container

因此，我们可以运行 K8sGPT 命令来获取更多有关这些 pod 出错原因的详细信息：

k8sgpt analyse

这将显示 K8sGPT 在集群中发现的问题：

AI Provider: openai

若想要获得更多信息以及如何解决问题的建议，我们则可以使用  --explain 标志：

k8sgpt analyse --explain

0 demo/nginx-deployment-5f4c7db77b-hq74n(Deployment/nginx-deployment)
- Error: back-off 1m20s restarting failed container=nginx pod=nginx-deployment-5f4c7db77b-hq74n_demo(7854b793-21b7-4f81-86e5-dbb4113f64f4)1 demo/nginx-deployment-5f4c7db77b-phbq8(Deployment/nginx-deployment)
- Error: back-off 1m20s restarting failed container=nginx pod=nginx-deployment-5f4c7db77b-phbq8_demo(74038531-e362-45a6-a436-cf1a6ea46d8a)2 demo/nginx-deployment-5f4c7db77b-shkw6(Deployment/nginx-deployment)
- Error: back-off 1m20s restarting failed container=nginx pod=nginx-deployment-5f4c7db77b-shkw6_demo(2603f332-3e1c-45da-8080-e34dd6d956ad)

kubectl-ai

该项目是一个  kubectl 插件，基于 GTP 生成和应用 Kubernetes Manifests 去 生成和应用 Kubernetes 清单。为让其更有趣并以可视化的方式理解，我们将利用 Kubectl + OpenAI。

安装

Homebrew：添加到  brew tap 并安装

brew tap sozercan/kubectl-ai https://github.com/sozercan/kubectl-aibrew install kubectl-ai

Krew：添加到  krew index再使用

kubectl krew index add kubectl-ai https://github.com/sozercan/kubectl-aikubectl krew install kubectl-ai/kubectl-ai

前提条件

kubectl-ai 需要有效的 Kubernetes 配置和以下条件之一：

• OpenAI API 密钥
• Azure OpenAI 服务 API 密钥和端点
• LocalAI

对于这些工具，可以使用以下环境变量：

export OPENAI_API_KEY=<your OpenAI key>export OPENAI_DEPLOYMENT_NAME=<your OpenAI deployment/model name. defaults to "gpt-3.5-turbo-0301">export OPENAI_ENDPOINT=<your OpenAI endpoint, like "https://my-aoi-endpoint.openai.azure.com" or "http://localhost:8080/v1">

如果设置了  OPENAI_ENDPOINT 变量，则将使用端点。否则，将使用 OpenAI API。

Azure OpenAI 服务不允许在部署名称中使用某些字符，如 .。因此，对于 Azure，kubectl-ai 会自动将  gpt-3.5-turbo 替换为  gpt-35-turbo。但是，如果使用的 Azure OpenAI 部署名称与模型名称完全不同，可以设置  AZURE_OPENAI_MAP 环境变量，将模型名称映射到 Azure OpenAI 部署名称。例如：

export AZURE_OPENAI_MAP="gpt-3.5-turbo=my-deployment"

演示

Nginx Pod 的命令：

kubectl ai "create an nginx pod"

kubectl ai "create an nginx pod"✨ Attempting to apply the following manifest:
apiVersion: v1
kind: Pod
metadata:
  name: nginx-pod
spec:
  containers:
  - name: nginx
    image: nginx
    ports:
    - containerPort: 80Use the arrow keys to navigate: ↓ ↑ → ← 
? Would you like to apply this? [Reprompt/Apply/Don't Apply]: 
+   Reprompt
  ▸ Apply
    Don't Apply

Deployment：选择 "Reprompt" 并输入 "make this into deployment"

Reprompt: make this into deployment
✨ Attempting to apply the following manifest:
apiVersion: apps/v1
kind: Deployment
metadata:
  name: nginx-deployment
spec:
  replicas: 1
  selector:
    matchLabels:
      app: nginx
  template:
    metadata:
      labels:
        app: nginx
    spec:
      containers:
      - name: nginx
        image: nginx:1.7.9
        ports:
        - containerPort: 80

ReplicaSet：

Reprompt: Scale to 3 replicas

Reprompt: Scale to 3 replicas
✨ Attempting to apply the following manifest:
apiVersion: apps/v1
kind: Deploymentmetadata:
  name: nginx-deploymentspec:
  replicas: 3
  selector:
    matchLabels:
      app: nginx
  template:
    metadata:
      labels:
        app: nginx
    spec:
      containers:
      - name: nginx
        image: nginx
        ports:
        - containerPort: 80

KoPylot

KoPylot 是一款由 AI 驱动的开源 Kubernetes 助手。其目标是 帮助开发人员和 DevOps 工程师轻松管理和监控 Kubernetes 集群。

功能

在当前版本中，KoPylot 有四个主要功能。这些功能可以转化为  kopylot CLI 的子命令。这些子命令是  Audit, Chat, Diagnose 和 Ctl 。现在让我们深入了解一下这些命令。

Audit：Audit 资源，例如 pod、部署和服务。KoPylot 会根据单个资源的清单文件查找漏洞。

Chat：用简单的英语询问 KoPylot 以生成 kubectl 命令。在运行命令之前，您可以查看命令。

Diagnose：您可以使用诊断工具来帮助您调试应用程序的不同组件。诊断命令会为您列出损坏资源的可能修复方法。

Ctl：kubectl 的包装器。传递给 ctl 子命令的所有参数都由 kubectl 解释。

运行原理

目前，KoPylot 的工作方式是从 Kubernetes 资源描述（kubectl describe ...）或清单中提取信息，并将其与提示一起输入 OpenAI 的 Davinci 模型。提示告诉模型如何处理 Kubernetes 资源。

提示还负责指导模型如何构建输出。例如，用于 Audit 命令的提示符要求模型将结果输出为包含漏洞及其严重程度的双列 JSON。

路线图的目标之一是用内部托管模型取代 OpenAI 模型。这将解决向 OpenAI 服务器发送潜在敏感数据的问题。

您可以按以下步骤使用 KoPylot：

• 向 OpenAI 申请一个 API 密钥。
• 使用以下命令导出密钥

export KOPYLOT_AUTH_TOKEN=

• 使用 pip 安装 Kopylot：

pip install kopylot

• 运行 Kopylot

kopylot --help

总的来说，KoPylot 是诊断 Kubernetes 工作负载并排除故障的有用工具。 它基于网络的聊天界面和 CLI 使其易于使用，适合所有级别的用户。

Kopilot

Kopilot 是这些项目中仅有一个用 Go 编写的项目。它包括两个功能：故障排除和审计。

安装

macOS：

brew install knight42/tap/kopilot

Krew：

kubectl krew install kopilot

目前，您需要设置两个 ENV 才能运行 Kopilot：

• 设置  KOPILOT_TOKEN 以指定令牌。
• 设置  KOPILOT_LANG 以指定语言，默认为  English。有效选项包括  Chinese、  French、  Spain 等。

优势

• 诊断集群中任何不健康的工作负载，并告诉您原因

• Audit Kubernetes 资源并查找安全错误配置

想象一下，当您的 Pod 被卡或在  Pending 或  CrashLoopBackOff 的状态时， kopilot diagnose 的命令就会派上用场了。它或将向 AI 寻求帮助，并将结论展示出来，其中还包括可能的原因解释。

并且， kopilot audit命令采用了类似的方法，能根据众所周知的优秀实践和可能的安全错误配置进行检查。该工具将使用您的 OpenAI API 令牌和您选择的语言来回答问题。

本篇 Part 1 主要介绍了 K8sGPT、kubectl-ai、KoPylot 和 Kopilot 四款 AI 工具，后续的 Part 2 会延续并介绍更多的工具内容，帮助您简化 K8s 的使用过程，敬请期待！