Uber在云原生网络可观测平台接入AI根因分析

该文由Uber基础设施工程师撰写，对象是企业网络可观测平台，监控企业网络设备与IoT传感器而非生产遥测系统。背景：旧单体监控系统扩展慢、配置改动依赖手工。做法：以开源栈在Kubernetes上重建云原生微服务架构，跨USC、EMEA、APAC三区部署；采集用Telegraf，存储用Prometheus加Thanos。自研两个关键服务：Dynamic Config App持续跟踪以ServiceNow为源、存于Elasticsearch的设备库存，动态生成各Telegraf采集器的配置，设备增删或换区无需手工干预；Alert Ingestion App基于FastAPI、Celery与Redis，异步汇聚Prometheus及Meraki等第三方webhook告警，做分组去重、补充上下文与告警状态更新以减少噪音，并统一写入Elasticsearch形成可回溯的事件流。在此历史数据之上，文章称引入AI引擎分析告警以辅助定位根因、降低MTTR，并支持Slack机器人自然语言查询。自述收益包括诊断更快、模块可扩展、消除数十万美元量级的年度许可费；AI相关能力未附量化指标。