苍穹V9.0抢先看丨GPaaS故障排查有新招

在微服务架构普及的今天，一个业务请求可能穿过 Nginx 网关、经过多个微服务、访问缓存和数据库、调用消息队列——链路长达十几跳。任意一个环节出问题，都可能导致全局性的故障。而传统的排查手段——离散的监控面板、割裂的日志系统、静态的网络配置表——就像是给工程师一副"散装地图"，看得见碎片，看不清全貌。

金蝶AI苍穹 GPaaS（云基础平台）全新推出两大故障排查利器——全链路追踪拓扑可视化和智能运维助手，从根本上改变了故障排查的游戏规则。前者让你"一图看全链"，后者让你"一句问出根因"。

一、全链路追踪拓扑可视化：让故障无处遁形

业务背景：系统是个"黑盒"

在苍穹私有云环境中，Nginx 做入口网关，多个微服务容器通过 K8s 编排，底层连接着 PostgreSQL、Redis、Kafka、RabbitMQ 等中间件，再加上主机、网络设备，构成了一个复杂的"蜘蛛网"。当故障发生时，工程师面对的是一个"黑盒"：知道系统慢了，但不知道是哪个节点慢了；知道有错误，但不知道错误从哪里开始蔓延。

解决方案：eBPF 驱动的全链路透视

GPaaS 基于开源技术 eBPF（Extended Berkeley Packet Filter）能力，在操作系统内核层面实现了对网络流量的零侵入采集。从 Nginx 入口到容器应用、再到中间件，整条调用链路上的每一次通信——流量大小、响应耗时、TCP 重传率、连接建立失败次数、连接建立延迟——都被实时捕获并以拓扑图的形式可视化呈现。

打开 GPaaS 监控服务的拓扑图页面，你会看到一张由节点和连线组成的"数字地图"：

▸ 节点清晰标注——Nginx、微服务容器（mservice）、数据库（PostgreSQL、Redis）、消息队列（Kafka）、搜索引擎（Elasticsearch）等，按应用层、中间件层、基础设施层自动归类。

▸ 连线承载指标——每条连线实时显示请求速率（rps）、响应延迟（ms）、吞吐量（B/s）。绿色表示健康，红色表示异常，连线粗细反映流量大小。

工程师不再需要逐个节点排查，鼠标一点，整个链路的健康状况尽收眼底。哪个环节慢了？哪条连线断了？拓扑图上一目了然。

▲ GPaaS 全链路追踪拓扑可视化

二、智能运维助手：自然语言驱动的智能诊断

业务背景：运维知识门槛高、工具碎片化

即便有了拓扑图，故障排查还有一个隐性门槛——知识。定位到"mservice 访问异常"，然后呢？是应用代码的 bug？还是数据库连接池耗尽？或者是中间件配置出了问题？这些判断依赖于工程师对系统架构、网络协议、日志格式的深度理解，新人往往在第一步就卡住了。

解决方案：对话即诊断

GPaaS 智能运维助手通过侧边栏对话面板嵌入产品界面，以自然语言对话的方式，让工程师像和专家同事交流一样完成故障排查。它背后连接着大语言模型（LLM），并通过智能体（Agent）、MCP 服务（Model Context Protocol）和 Skills 机制，自动接入容器的运行状态、应用日志、监控指标、网络拓扑数据，实现一站式智能诊断。

使用时只需打开 Chat 面板，像日常聊天一样提问：

💬 "集群有哪些异常Pod？"

→ AI 自动扫描全集群，识别容器异常状态，列出问题 Pod 清单，附带 Events 摘要和日志片段，给出结构化回答：

▲ GPaaS 智能运维助手对话式诊断

三、双剑合璧：拓扑看"形"，Chat 问"因"

全链路追踪拓扑可视化和智能运维助手不是两座孤岛，而是一对协同工作的"黄金搭档"。

拓扑图回答"哪里出了问题"——它用一张图把复杂微服务架构的调用关系、流量分布、异常节点直观呈现。工程师扫一眼就能判断故障的"爆炸半径"：影响了哪些服务？波及了哪些数据库？下游依赖是否也出现连锁反应？

智能运维助手回答"为什么出问题、怎么解决"——当你从拓扑图上定位到异常链路后，直接在 Chat 面板输入"mservice 访问存在异常，帮我排查"，AI 就会自动调取容器日志、网络拓扑、监控指标，从容器层、应用层、网络层逐层诊断，综合给出根因判断和修复建议。

这种"视觉发现 + 智能分析"的闭环，让故障排查从过去的"猜测—验证—再猜测"循环，变成了"观察—诊断—修复"的直线路径。

▲ 拓扑看"形" + Chat 问"因"协同闭环（示意图）

四、结语：GPaaS 运维进入 AI 时代

企业上云之后，运维的复杂度不会降低——微服务更多、链路更长、故障模式更隐蔽。真正能拉开差距的，不是"会不会排查"，而是"排查有多快"。

GPaaS 全链路追踪拓扑可视化和智能运维助手，前者用可视化打破系统"黑盒"，后者用自然语言对话打破知识"壁垒"。两者结合，让每一位运维工程师都拥有了"全局视野 + 专家大脑"——这不再是愿景，而是 GPaaS 当前版本已经落地的能力。

故障排查不再是一场煎熬，而是——打开拓扑图，看见问题；问一句 Chat，拿到答案。