OpenEuler/AOPS-Zeus智能定位框架入门：故障诊断与问题定位的高效解决方案
【免费下载链接】aops-zeusA host and user manager service which is the foundation of aops.项目地址: https://gitcode.com/openeuler/aops-zeus
前往项目官网免费下载：https://ar.openeuler.org/ar/
OpenEuler/AOPS-Zeus智能定位框架是AOPS项目的核心组件，提供了智能故障诊断与问题定位的完整解决方案。该框架通过工作流管理、多维度指标检测和自动化告警机制，帮助运维人员快速识别系统异常并定位根本原因，显著提升故障处理效率。
一、智能定位框架核心功能概述 🚀
AOPS智能定位框架主要包含两大模块：智能定位与配置溯源。前者通过构建诊断工作流实现系统异常检测，后者则专注于配置文件变动的追踪与校验，两者结合形成了完整的故障诊断闭环。
AOPS智能定位框架部署模型展示了K8s集群环境下的服务架构与组件分布
1.1 智能定位模块
该模块采用"应用-工作流"二级管理模式：
- 应用：预定义的诊断流程模板，包含单指标检测、多指标检测和集群故障诊断三个标准步骤
- 工作流：基于应用模板创建的个性化诊断任务，可针对特定主机组配置检测模型与执行周期
1.2 配置溯源模块
提供配置文件全生命周期管理：
- 业务域与节点纳管
- 配置文件版本追踪
- 预期配置与实际配置比对
- 配置变更审计与同步
二、快速上手：智能定位工作流实战 🔧
2.1 创建诊断工作流
工作流是执行故障诊断的基本单元，创建流程如下：
- 进入智能定位 > 工作流 > 应用页面，选择内置应用模板（如default_network）
- 点击"创建工作流"，设置名称、描述及目标主机组
- 从主机组中选择需要监测的主机
- 确认配置并提交
创建工作流界面支持可视化选择主机组与监测目标
2.2 工作流配置与管理
工作流创建后，可在详情页面进行精细化配置：
- 查看工作流基础信息（主机组、主机数量、执行状态）
- 配置各检测步骤的算法模型（如NSigma、MAE等）
- 执行、暂停或删除工作流任务
工作流详情页面展示了各检测步骤的算法模型配置
修改检测模型时，可通过模型名或标签搜索系统内置模型库，选择后点击"应用"即可完成更新：
操作路径：智能定位 > 工作流 > 工作流详情 > 单指标检测 > 修改三、故障诊断与告警处理 🚨
3.1 实时告警监控
工作流启动后会按周期执行诊断，异常结果将实时生成告警：
- 告警总数与主机组分布统计
- 按时间排序的告警记录列表
- 支持告警确认与详情查看
告警详情页面展示了异常指标、根因节点及时间序列数据
3.2 异常根因分析
点击告警记录的"异常详情"，可查看：
- 异常主机基本信息
- 异常指标的具体数值
- 根因节点与异常类型判断
- 相关指标的历史趋势
四、配置溯源：故障预防的关键环节 🔍
配置溯源模块通过监控系统配置变化，帮助提前发现潜在问题：
- 业务域管理：创建逻辑分组管理主机节点
- 配置项纳管：指定需要监控的配置文件路径与校验规则
- 配置比对：定期检查实际配置与预期配置的一致性
- 变更审计：记录配置修改历史，支持版本回溯
核心配置文件路径：
- 业务域配置：async-task/async_task/tasks/synchronize_conf/rdb_conf/domain.yml
- 主机配置：async-task/async_task/tasks/synchronize_conf/rdb_conf/host.yml
五、开始使用AOPS智能定位框架
5.1 环境准备
- 部署AOPS前后端服务，参考部署指南
- 纳管目标主机，参考资产管理手册
- 确保主机已安装gala-gopher数据采集组件
5.2 入门建议
- 从内置应用模板开始，熟悉标准诊断流程
- 针对关键业务系统创建专属工作流
- 定期审查配置溯源报告，建立配置基线
- 结合告警频率优化检测模型参数
AOPS智能定位框架通过自动化和智能化手段，大幅降低了系统故障诊断的复杂度。无论是日常运维还是应急故障处理，都能为管理员提供精准高效的决策支持，是OpenEuler生态中不可或缺的运维管理工具。
官方完整文档：docs/zh/24.03_lts_sp2/aops_intelligent_positioning_framework_user_manual.md
【免费下载链接】aops-zeusA host and user manager service which is the foundation of aops.项目地址: https://gitcode.com/openeuler/aops-zeus
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
 agent和组件)