Die Herausforderung für Kubernetes (K8s) war seine Komplexität gepaart mit dem Mangel an internen Fähigkeiten zur Bereitstellung und Fehlerbehebung Kubernetes Cluster in der Cloud oder vor Ort. Während die Akzeptanz von K8 stetig zunimmt, sind viele Entwickler und Betriebsteams noch relativ neu in der Technologie und müssen sich mit neuen Begriffen, Arbeitsabläufen, Tools und vielem mehr vertraut machen.

Die einzelnen Teile von K8 erfordern ein breites Maß an Fachwissen, schon allein beim Einrichtungsprozess. Bedenken Sie, dass der Aufbau eines K8s-Clusters Kenntnisse über und die Konfiguration mehrerer Komponenten von Pods bis hin zu Diensten erfordert, ganz zu schweigen von Ressourcen wie etcd, API-Servern, Kubelet und Kube-Proxy.

Dann gibt es noch die Planung, Skalierung und Vernetzung, mit denen man sich befassen muss. Ein Fehltritt kann schnell zu unzähligen Problemen mit der Skalierbarkeit, Zuverlässigkeit und sogar Sicherheit führen.

Darüber hinaus wächst und entwickelt sich das Ökosystem selbst ständig schnell. Tools und Add-ons können für Anfänger eine Menge sein und es ist schwierig, mit ihnen Schritt zu halten. Eine formale Ausbildung und Schulung dazu gehört nicht unbedingt zum akademischen oder beruflichen Hintergrund eines jeden Entwicklers.

Und wir dürfen nicht vergessen, dass es bei der Technologie mit ihren vielen beweglichen Teilen und komplexen Wechselwirkungen schwierig und zeitaufwändig sein kann, Fehler zu beheben, wenn Fehler auftreten. Die Diagnose der Fehlerursachen erfordert umfassende technische Kenntnisse und Fachkenntnisse, die oft nur in den Köpfen einiger weniger erfahrener Ingenieure schlummern.

Lassen Sie uns tiefer eintauchen und neue und innovative Wege erkunden, die dabei helfen können, das eklatante Problem der Qualifikationslücke zu überwinden.

Bilden Sie Ihr Team mit chatgpt-Unterstützung weiter

Es ist schwierig, Kubernetes zu erlernen und effektiv zu nutzen, da es keinen einheitlichen Ansatz dafür gibt. K8s ist hochgradig anpassbar und kann je nach den spezifischen Anforderungen Ihrer Anwendung oder Infrastruktur auf viele verschiedene Arten konfiguriert werden. Es ist oft schwierig, das, was Sie aus Dokumentation (und davon gibt es reichlich) und Schulungen gelernt haben, auf eine bestehende Umgebung anzuwenden, weil es den Teams an Kontextverständnis und Sichtbarkeit ihrer Architektur mangelt.

Wie sieht die aktuelle Architektur aus? Welche Pods sind an einen bestimmten Namespace gebunden? Wie ist der Gesundheitszustand der Knoten? Um grundlegende Fragen zu unserer Umgebung zu stellen, ist ein Kontextwechsel zwischen der AWS-Konsole, der kubectl-Befehlszeile, Terraform-Konfigurationsdateien und Überwachungstools erforderlich.

Was wäre, wenn wir ChatGPT diese Fragen stellen könnten?

Schauen wir uns ein Anwendungsbeispiel an PromptOps Unterstützt durch ChatGPT, um alle Bereitstellungen innerhalb eines Clusters zu verstehen. PromptOps bietet a kostenloses Kubernetes-Beratungstool Damit können Benutzer Fragen stellen und sofortige Hilfe in Form von BASH-Skripten, Dokumentationsreferenzen und anderen hilfreichen Ressourcen erhalten.

Durch die Bereitstellung fragmentierter PromptOps-Daten unserer Infrastruktur aus verschiedenen Quellen wie Confluence, Notion, Terraform-Konfigurationsdateien und mehr erwarten wir, dass PromptOps in der Lage ist, alle Informationen schnell zu aggregieren und bei der Visualisierung der Architektur zu helfen. Anstatt kubectl-Befehle manuell auszuführen, um die Bereitstellungen zu überprüfen, haben wir PromptOps über einen Chat aufgefordert, zu beschreiben, welche Bereitstellungen in unserem Cluster vorhanden sind.

Hier ist die Antwort von PromptOps:

PromptOps > Ich schlage vor, dieses Skript auszuführen, um Ihre Frage zu beantworten.

PromptOps stellte ein auszuführendes Skript zusammen mit einem Verweis auf eine Notion-Seite bereit, die Informationen über den Cluster enthält.

Nach der Ausführung des Skripts stellte PromptOps die Ausgabe der Bereitstellungen innerhalb des Clusters bereit.

PromptOps stellte außerdem ein visuelles Diagramm aller Bereitstellungen im Cluster bereit, um das Lernen erheblich zu erleichtern.

Die Reaktion von PromptOps vereinfacht die Verwaltung der Kubernetes-Infrastruktur und ermöglicht es jedem im DevOps-Team, sich mit der aktuellen Architektur vertraut zu machen und mit Änderungen Schritt zu halten.

Sparen Sie Zeit mit der automatisierten Untersuchung von Vorfällen

Schauen wir uns die Fehlerbehebung bei Produktionsproblemen an und sehen wir, wie PromptOps dabei helfen kann, die Grundursache für Fehler in Kubernetes zu ermitteln. Kubernetes-Metriken und -Protokolle bieten wichtige Einblicke auf allen Ebenen vom Cluster bis zum Container. Sie liefern Informationen zur Ressourcennutzung, zum Pod- und Knotenstatus, zu Cluster-Autoscaler-Metriken, Netzwerkfehlern, Containerlaufzeiten und mehr.

Das Problem bei all diesen Kennzahlen ist jedoch, dass sie nicht sofort nützlich sind. Ein Protokollstream oder Metrikdiagramm bietet nicht den erforderlichen Kontext oder die erforderliche Richtung. Es gibt Tools, die helfen, aber sie machen die Sache oft komplizierter, da sie einen Kontext über den gesamten Tech-Stack erfordern, nur um zu sehen, was wirklich passiert ist oder wer was getan hat, wenn Probleme auftraten.

Bei StrgStackhaben wir PromptOps integriert, um Kausaldiagramme, Kubernetes-Ereignisse, Metriken und Protokolle zu analysieren und so die Herausforderungen der manuellen Fehlerbehebung zu reduzieren. Das Ziel besteht darin, DevOps-Teams dabei zu helfen, die Kubernetes-Probleme schnell zu verstehen, indem PromptOps verwendet wird, um Zusammenfassungen zur Ursachenanalyse zu erstellen, die die Ursache erläutern. In diesem Beispiel wird ein Kausaldiagramm des Dashboards zur Ursachenanalyse in CtrlStack zur Fehlerbehebung und Lösung wie unten beschrieben in PromptOps eingegeben.

Hier ist ein Beispiel für ein einfaches Diagramm des Dashboards zur Ursachenanalyse.

Damit haben wir PromptOps aufgefordert, das Diagramm zu erklären. Nachfolgend finden Sie die Antwort von PromptOps:

PromptOps > Hier ist die Erklärung der Grafik:

1. Das Diagramm ist eine Visualisierung der Grundursache eines Fehlers in einem Kubernetes-Pod. Der Fehler wird durch Änderungen im Image des Pods verursacht, die Änderungen in Kubernetes ähneln pod_error metrisch. Der Fehler ähnelt auch den Wendepunkten in der kubernetes_uptime Und kubernetes_pod_mem_usage Metriken und auf die Topologieänderungen in Knoten1.

1. Die Grafik zeigt die Grundursache eines kubernetes_pod_error ändern. Es gibt drei Erkenntnisse. Das erste ist, dass sich das Bild verändert hat. Der zweite Grund ist, dass es Wendepunkte in den Metriken gibt kubernetes_uptime Und kubernetes_pod_mem_usage. Drittens gibt es eine Topologieänderung für Knoten1.

Die Antwort von PromptOps lieferte eine hilfreiche Korrelation von Informationen über Betriebszeit- und Speichernutzungsmetriken sowie damit verbundene Topologieänderungen. Zu diesen Erkenntnissen gehörte die Überprüfung der Kubernetes-Änderungsereignisse, Metriken, Ressourcennutzung und Topologieänderungen. Basierend auf dieser automatisierten Vorfalluntersuchung sollten Entwickler und Betreiber über ausreichend Kontext verfügen, um schnell die nächsten Schritte zur Behebung des Problems festzulegen.

Kombination von ChatGPT mit Change Intelligence zur Schließung der Qualifikationslücke

Anhand der bereitgestellten Beispiele wird deutlich, dass ChatGPT wertvolle Hilfestellung leisten kann, um die Kompetenzlücke bei Kubernetes zu schließen. ChatGPT bietet DevOps-Teams schnelle Einblicke und klare Erklärungen zur Fehlerbehebung und Behebung von Produktionsproblemen. Dies ermöglicht sowohl jungen Betreibern als auch Entwicklern, die neu bei Kubernetes sind, die Technologie zu erlernen und häufig auftretende Probleme selbstständig zu lösen.

Die Antworten von ChatGPT können zwar ein schnelles Verständnis des Problems ermöglichen, erfordern jedoch kontextbezogene Informationen, die sich auf verschiedene Probleme von Kubernetes-Bereitstellungen beziehen. Hier kommt Change Intelligence ins Spiel. Change Intelligence-Plattformen stellen kausale Diagramme bereit, die Ressourcenkapazität, Infrastrukturänderungen, Konfigurationsänderungen, Metrikverlaufsdiagramme und eine Ereigniszeitleiste verbinden, um den Weg zur Ursachenanalyse zu optimieren.

Ein ChatGPT-basierter Ansatz zum Erlernen von Kubernetes hat das Potenzial, die DevOps-Produktivität erheblich zu verbessern und gleichzeitig kognitive Überlastung zu beseitigen. Durch die Kombination von ChatGPT mit Change Intelligence können Teams ihre Kubernetes-Fähigkeiten verbessern und eine bessere Beobachtbarkeit erzielen.

Dev ist der Gründer und CEO von CtrlStack. Vor der Gründung von CtrlStack war er Gründer/CTO des Observability-Unternehmens Wavefront, das von VMware übernommen wurde. Davor war er Softwareentwickler bei google, PayPal und eBay. Er hält auch…