基于多智能体任务图编排的风险受控运维处置方法及系统
本发明涉及智能运维与自动化运维,特别是涉及一种基于多智能体任务图编排的风险受控运维处置方法及系统。
背景技术:
1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
2、智能运维与自动化运维技术(aiops)是指通过可观测性数据采集、异常识别、根因分析、自动化编排和变更执行等手段,对信息系统运行状态进行监测、分析和处置的技术体系。随着企业生产系统向云化、微服务化与多集群化方向演进,服务间的依赖关系日趋复杂,一次故障或变更的影响面往往跨越多层调用链和多个技术栈,这使得运维操作的精确性和可控性要求显著提升。
3、现有aiops方案虽引入了异常检测和根因分析能力,但其关注点主要集中在问题发现阶段,对如何将诊断结论安全、可控地转化为可执行变更方案并保证业务连续性涉及有限。而传统soar或runbook方案依赖于预先编排的固定脚本和流程,面对复杂拓扑依赖和长尾故障场景时缺乏动态适应性,难以满足生产环境对自动化运维在安全与合规方面的综合要求。
技术实现思路
1、为了解决现有技术的不足,本发明提供了一种基于多智能体任务图编排的风险受控运维处置方法及系统,通过统一采集多源运维数据并构建标准化事件对象,通过规划智能体生成节点绑定幂等键与回滚策略的运维任务图,并由执行智能体按灰度比例分批执行、验证智能体进行基于服务等级指标的目标达成验证,通过时提交、失败时自动按回滚点回滚,解决了自动化运维过程中变更风险不可控、执行不可验证、缺乏回滚保障及审计证据不足的技术问题,实现了变更全过程的风险量化评估、效果可验证、失败可回滚和全流程可审计的自治运维闭环。
2、一方面,提供了一种基于多智能体任务图编排的风险受控运维处置方法,包括:
3、从可观测性平台与运维系统采集指标、日志、链路追踪、告警事件、工单信息和变更记录,经时间对齐与实体解析后,结合cmdb、依赖拓扑与配置基线构建事件对象;
4、诊断智能体基于所述事件对象输出根因候选及证据链;
5、规划智能体基于所述根因候选及所述事件对象中的目标状态与约束生成运维任务图;
6、仿真评估智能体对所述运维任务图进行预演,基于拓扑影响面与历史基线计算风险评分;
7、护栏智能体根据所述风险评分确定审批级别与灰度比例,执行合规校验与审批门禁控制;
8、执行智能体按所述灰度比例分批执行所述运维任务图,每批执行后调用验证智能体对当前批次的执行结果进行基于服务等级指标的目标达成验证,当验证通过时,执行智能体提交当前批次并进入下一批次;当验证失败时,执行智能体立即停止后续批次并触发执行自动回滚;验证智能体将全流程证据以哈希链形式写入审计账本。
9、进一步地,所述事件对象至少包括:事件标识、时间窗、受影响服务与实例、依赖拓扑切片、配置版本指纹、证据索引、目标状态、约束集合与回滚点;其中,所述证据索引采用引用方式指向原始遥测数据、查询语句、时间窗和外部系统查询结果;所述目标状态用于描述本次运维处置希望达到的可验证结果;所述约束集合包括变更窗口、权限范围、灰度比例上限和回滚要求;所述回滚点对应配置版本、镜像版本、状态文件版本或资源快照。
10、进一步地,诊断智能体基于所述事件对象输出根因候选及证据链,具体为:
11、诊断智能体基于依赖拓扑切片确定异常传播路径,将可疑范围收敛至异常传播路径上的候选节点;结合追踪关键路径分析确定主要延迟贡献环节;通过日志模板聚类识别异常日志模板的分布;将上述分析结果与最近变更记录进行相关性对齐,计算各候选根因的置信度评分,按置信度从高到低输出一个或多个根因候选;每个根因候选附加证据索引,所述证据索引用于指向原始遥测数据、查询语句、时间窗和外部系统查询结果。
12、进一步地,规划智能体基于所述根因候选及所述事件对象中的目标状态与约束生成运维任务图,具体为:
13、规划智能体将所述根因候选对应的恢复动作与所述目标状态进行匹配,根据所述约束集合对候选动作进行筛选,排除不满足变更窗口、灰度上限或可回滚要求的动作;将满足所述约束集合的动作按照依赖关系组织为运维任务图,所述运维任务图为有向无环图或带回滚边的状态机图,其节点表示运维动作或验证动作,边表示依赖关系与执行顺序,每个运维动作节点配置有幂等键、前置条件、执行接口、超时阈值、重试次数和回滚接口,并根据所述事件对象中的回滚点绑定对应回滚策略。
14、进一步地,仿真评估智能体对所述运维任务图进行预演,基于拓扑影响面与历史基线计算风险评分,具体为:
15、仿真评估智能体在数字孪生环境、影子环境或只读仿真环境中对所述运维任务图进行预演,基于所述依赖拓扑切片估计影响面,输出冲突检测结果、资源容量预测结果和建议回滚点;
16、所述风险评分至少基于以下因素计算:受影响服务的业务重要性权重、拓扑影响面大小、变更类型风险等级、历史相似变更成功率、当前负载与错误率基线偏离度;根据所述风险评分映射至审批级别与灰度比例,评分越高则审批级别越高、灰度比例越低。
17、进一步地,护栏智能体根据所述风险评分确定审批级别与灰度比例,执行合规校验与审批门禁控制,具体为:
18、护栏智能体以策略即代码方式加载预置的策略规则库,所述策略规则库至少包含最小权限约束、白名单与黑名单约束、变更窗口约束、合规规则约束与业务连续性约束;护栏智能体对所述运维任务图进行策略校验和权限校验,当所有约束满足时,输出合规通过结论,当任一约束不满足时,输出阻断结论并将所述运维任务图转换为只读建议;在策略校验和权限校验通过后,护栏智能体根据所述风险评分确定审批级别,触发与所述审批级别对应的审批流程,审批通过后方可放行所述运维任务图至执行智能体。
19、进一步地,执行智能体按所述灰度比例分批执行所述运维任务图,每批执行后调用验证智能体对当前批次的执行结果进行基于服务等级指标的目标达成验证,具体为:
20、执行智能体将所述运维任务图编译为状态机,节点状态至少包括待执行、执行中、执行成功、执行失败、回滚中与回滚完成;按所述灰度比例确定每批执行的实例范围,逐批执行运维动作;每批执行完成后调用验证智能体对当前批次的执行结果进行验证;验证智能体在观察窗口内采集服务等级指标,并判断其是否达到对应服务等级目标,同时结合合成探测事务、关键业务回归用例和相对于基线窗口的变化率趋势,输出通过或失败的验证结论;验证通过时,执行智能体提交当前批次并进入下一批次;验证失败时,执行智能体立即停止后续批次,按所述运维任务图中绑定的回滚点执行自动回滚,所述自动回滚包括基于配置快照恢复、镜像版本回退、执行回滚脚本或基础设施即代码状态回退。
21、另一方面,还提供了一种基于多智能体任务图编排的风险受控运维处置系统,包括:
22、统一遥测接入与事件对象化模块,被配置为:从可观测性平台与运维系统采集指标、日志、链路追踪、告警事件、工单信息和变更记录,经时间对齐与实体解析后,结合cmdb、依赖拓扑与配置基线构建事件对象;
23、诊断智能体模块,被配置为:基于所述事件对象输出根因候选及证据链;
24、规划智能体模块,被配置为:基于所述根因候选及所述事件对象中的目标状态与约束生成运维任务图;
25、仿真评估智能体模块,被配置为:对所述运维任务图进行预演,基于拓扑影响面与历史基线计算风险评分;
26、护栏智能体模块,被配置为:根据所述风险评分确定审批级别与灰度比例,执行合规校验与审批门禁控制;
27、执行智能体模块,被配置为:按所述灰度比例分批执行所述运维任务图,每批执行后调用验证智能体对当前批次的执行结果进行基于服务等级指标的目标达成验证,当验证通过时提交当前批次并进入下一批次,当验证失败时立即停止后续批次并触发执行自动回滚;
28、验证智能体模块,被配置为:对当前批次的执行结果进行基于服务等级指标的目标达成验证,并将全流程证据以哈希链形式写入审计账本。
29、再一方面,还提供了一种计算机设备,包括计算机可读存储介质、处理器及存储在计算机可读存储介质上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,执行第一方面所述方法。
30、再一方面,还提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时,执行第一方面所述方法。
31、上述技术方案具有如下优点或有益效果:
32、通过仿真评估智能体基于拓扑影响面与历史基线计算风险评分、护栏智能体执行合规校验与审批门禁控制的特征组合,本发明在变更执行前即完成了多维度的风险量化评估与合规前置校验,有效防止了不合规或高风险操作进入执行环节,显著降低了因配置变更或故障修复操作引发的生产事故概率,相较于现有技术中缺少风险评估与审批门禁的自动化运维方案,实现了变更风险的事前可控。
33、通过规划智能体生成节点绑定回滚策略的运维任务图、执行智能体按灰度比例分批执行以及验证智能体进行基于服务等级指标的目标达成验证的特征组合,验证通过时提交、验证失败时按回滚点自动执行回滚,由此实现事中灰度可验和失败可回滚。相较于传统方案依赖人工判断执行效果并手工回退的操作方式,本发明的分钟级闭环自愈能力能够大幅缩短故障恢复时间,同时通过灰度分批执行将变更的潜在影响面控制在最小范围内,有效保障了变更过程的业务连续性。
34、诊断智能体输出附带证据索引的根因候选,验证智能体将计划摘要、执行参数、验证结论等全流程证据以哈希链形式写入审计账本。相较于现有技术中执行过程记录分散且缺乏防篡改机制,本发明实现了从故障诊断到变更执行再到效果验证的全链路可追溯、不可篡改,显著提升了运维操作的合规审计能力实现了运维过程的事后可审计。
35、将成功处置的运维任务图、风险评分及验证结果沉淀为可复用的策略模板和案例库,随着运维次数的增加,后续相似场景下的计划生成效率和准确性持续提升,自动化运维的智能化程度不断提高,运维成本逐步降低。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com