k8sgpt下载k8sgpt源代码下载

k8sgpt

其他源码

v0.3.46

下载

k8sgpt是用于扫描Kubernetes群集的工具，以简单的英语诊断和分类问题。

它已将SRE经验编纂为分析仪，并有助于提取最相关的信息以使用AI丰富。

与Openai，Azure，Cohere，Amazon Bedrock，Google Gemini和本地型号的开箱即用。

CLI安装

Linux/Mac通过Brew

$ brew install k8sgpt

或者

brew tap k8sgpt-ai/k8sgpt
brew install k8sgpt

基于RPM的安装（Redhat/CentOS/Fedora）

32位：

 sudo rpm -ivh https://github.com/k8sgpt-ai/k8sgpt/releases/download/v0.3.46/k8sgpt_386.rpm

64位：

 sudo rpm -ivh https://github.com/k8sgpt-ai/k8sgpt/releases/download/v0.3.46/k8sgpt_amd64.rpm

基于DEB的安装（Ubuntu/Debian）

32位：

 curl -LO https://github.com/k8sgpt-ai/k8sgpt/releases/download/v0.3.46/k8sgpt_386.deb
sudo dpkg -i k8sgpt_386.deb

64位：

 curl -LO https://github.com/k8sgpt-ai/k8sgpt/releases/download/v0.3.46/k8sgpt_amd64.deb
sudo dpkg -i k8sgpt_amd64.deb

基于APK的安装（Alpine）

32位：

 wget https://github.com/k8sgpt-ai/k8sgpt/releases/download/v0.3.46/k8sgpt_386.apk
apk add --allow-untrusted k8sgpt_386.apk

64位：

 wget https://github.com/k8sgpt-ai/k8sgpt/releases/download/v0.3.46/k8sgpt_amd64.apk
apk add --allow-untrusted k8sgpt_amd64.apk

在WSL或Linux上安装失败（缺少GCC）

在WSL或Linux上安装自制时，您可能会遇到以下错误：

 ==> Installing k8sgpt from k8sgpt-ai/k8sgpt Error: The following formula cannot be installed from a bottle and must be
built from the source. k8sgpt Install Clang or run brew install gcc.

如果您按建议安装GCC，则问题将持续存在。因此，您需要安装Build-Ender-Ender-nectentable。

   sudo apt-get update
   sudo apt-get install build-essential

视窗

根据您的系统体系结构从“发布”选项卡下载最新的K8SGPT Windows二进制文件。
将下载的软件包提取到您所需的位置。用二进制位置配置系统路径变量

操作员安装

要在k8sgpt-operator群集中安装

这种操作模式非常适合连续监视群集，并且可以与您现有的监视（例如Prometheus和AlertManager）集成。

快速开始

当前，默认AI提供商是OpenAI，您需要从OpenAI生成API键
- 您可以通过运行k8sgpt generate以打开浏览器链接来生成它来做到这一点
运行k8sgpt auth add以在K8SGPT中设置它。
- 您可以使用--password标志直接提供密码。
运行k8sgpt filters来管理分析仪使用的活动过滤器。默认情况下，所有过滤器均在分析过程中执行。
运行k8sgpt analyze以进行扫描。
并使用k8sgpt analyze --explain以对问题进行更详细的解释。
您还可以运行k8sgpt analyze --with-doc （有或没有解释标志）以获取Kubernetes的官方文档。

分析仪

K8SGPT使用分析仪来分类和诊断群集中的问题。它具有一组内置的分析仪，但是您将能够编写自己的分析仪。

内置分析仪

默认情况下启用

选修的

例子

使用默认分析仪进行扫描

 k8sgpt generate
k8sgpt auth add
k8sgpt analyze --explain
k8sgpt analyze --explain --with-doc

资源过滤

 k8sgpt analyze --explain --filter=Service

通过名称空间过滤

 k8sgpt analyze --explain --filter=Pod --namespace=default

输出到JSON

 k8sgpt analyze --explain --filter=Service --output=json

解释过程中匿名化

 k8sgpt analyze --explain --filter=Service --output=json --anonymize

使用过滤器

列表过滤器

 k8sgpt filters list

添加默认过滤器

 k8sgpt filters add [filter(s)]

示例：

简单过滤器： k8sgpt filters add Service
多个过滤器： k8sgpt filters add Ingress,Pod

删除默认过滤器

 k8sgpt filters remove [filter(s)]

示例：

简单过滤器： k8sgpt filters remove Service
多个过滤器： k8sgpt filters remove Ingress,Pod

附加命令

列表配置的后端

 k8sgpt auth list

更新已配置的后端

 k8sgpt auth update $MY_BACKEND1,$MY_BACKEND2..

删除配置的后端

 k8sgpt auth remove -b $MY_BACKEND1,$MY_BACKEND2..

列表集成

 k8sgpt integrations list

激活集成

 k8sgpt integrations activate [integration(s)]

使用集成

 k8sgpt analyze --filter=[integration(s)]

停用整合

 k8sgpt integrations deactivate [integration(s)]

服务模式

 k8sgpt serve

使用服务模式分析

 grpcurl -plaintext -d '{"namespace": "k8sgpt", "explain" : "true"}' localhost:8080 schema.v1.ServerAnalyzerService/Analyze
{
  "status": "OK"
}

用自定义标头分析

 k8sgpt analyze --explain --custom-headers CustomHeaderKey:CustomHeaderValue

打印分析统计

 k8sgpt analyze -s
The stats mode allows for debugging and understanding the time taken by an analysis by displaying the statistics of each analyzer.
- Analyzer Ingress took 47.125583ms 
- Analyzer PersistentVolumeClaim took 53.009167ms 
- Analyzer CronJob took 57.517792ms 
- Analyzer Deployment took 156.6205ms 
- Analyzer Node took 160.109833ms 
- Analyzer ReplicaSet took 245.938333ms 
- Analyzer StatefulSet took 448.0455ms 
- Analyzer Pod took 5.662594708s 
- Analyzer Service took 38.583359166s

诊断信息

要收集诊断信息，请使用以下命令在本地目录中创建一个dump_<timestamp>_json 。

 k8sgpt dump

LLM AI后端

当您想使用-Explain FLAG EG k8sgpt analyze --explain解释分析结果时，K8SGPT使用所选的LLM，生成的AI提供商。您可以使用--backend标志来指定配置的提供商（默认情况下是openai ）。

您可以使用k8sgpt auth list列出可用的提供商：

 Default:
> openai
Active:
Unused:
> openai
> localai
> ollama
> azureopenai
> cohere
> amazonbedrock
> amazonsagemaker
> google
> huggingface
> noopai
> googlevertexai
> ibmwatsonxai

有关如何配置和使用每个提供商的详细文档，请参见此处。

设置新的默认提供商

 k8sgpt auth default -p azureopenai
Default provider set to azureopenai

关键功能

使用此选项，将数据匿名化，然后将其发送到AI后端。在分析执行过程中， k8sgpt检索敏感数据（Kubernetes对象名称，标签等）。当发送到AI后端时，将这些数据掩盖，并替换为可以用来将解决方案返回给用户的密钥。

匿名化

分析期间报告的错误：

Error: HorizontalPodAutoscaler uses StatefulSet/fake-deployment as ScaleTargetRef which does not exist.

有效载荷发送到AI后端：

Error: HorizontalPodAutoscaler uses StatefulSet/tGLcCRcHa1Ce5Rs as ScaleTargetRef which does not exist.

AI返回的有效载荷：

The Kubernetes system is trying to scale a StatefulSet named tGLcCRcHa1Ce5Rs using the HorizontalPodAutoscaler, but it cannot find the StatefulSet. The solution is to verify that the StatefulSet name is spelled correctly and exists in the same namespace as the HorizontalPodAutoscaler.

有效载荷返回给用户：

The Kubernetes system is trying to scale a StatefulSet named fake-deployment using the HorizontalPodAutoscaler, but it cannot find the StatefulSet. The solution is to verify that the StatefulSet name is spelled correctly and exists in the same namespace as the HorizontalPodAutoscaler.

注意：匿名化当前不适用于事件。

小心

K8GPT团队建议在关键生产环境中使用完全不同的后端（本地模型） 。通过使用本地型号，您可以放心，一切都停留在DMZ中，没有泄漏。
如果对将数据发送到公共LLM（打开AI，Azure AI）的可能性有任何不确定性，并且它对关键业务运营构成风险，那么，在这种情况下，应避免使用公共LLM评估和涉及风险管辖权。

配置管理

k8sgpt将配置数据存储在$XDG_CONFIG_HOME/k8sgpt/k8sgpt.yaml文件中。数据以纯文本存储，包括您的OpenAI键。

配置文件位置：

操作系统	小路
macos	〜/Library/应用程序支持/K8SGPT/K8SGPT.YAML
Linux	〜/.config/k8sgpt/k8sgpt.yaml
视窗	％localappdata％/k8sgpt/k8sgpt.yaml

在某些情况下，可以远程缓存。在这些情况下，K8SGPT支持AWS S3或Azure Blob存储集成。

远程缓存

注意：您一次只能配置和使用一个远程缓存

添加远程缓存

AWS S3
- 作为先决条件AWS_ACCESS_KEY_ID和AWS_SECRET_ACCESS_KEY需要作为环境变量。
- 配置， k8sgpt cache add s3 --region <aws region> --bucket <name>
- 使用HTTP端点k8sgpt cache add s3 --bucket <name> --endpoint <http://localhost:9000>
- 使用https端点的Minio配置，跳过TLS验证k8sgpt cache add s3 --bucket <name> --endpoint <https://localhost:9000> --insecure
  - 如果不存在K8SGPT
Azure存储
- 我们支持许多针对Azure进行身份验证的技术
- 配置， k8sgpt cache add azure --storageacc <storage account name> --container <container name>
  - K8SGPT假设存储帐户已经存在，并且如果不存在，它将创建容器
  - 用户责任必须授予其身份的特定权限，以便能够上传BLOB文件并创建SA容器（例如存储BLOB数据贡献者）
Google云存储
- 作为先决条件GOOGLE_APPLICATION_CREDENTIALS是环境变量。
- 配置， k8sgpt cache add gcs --region <gcp region> --bucket <name> --projectid <project id>
  - 如果不存在K8SGPT

列表缓存项目

 k8sgpt cache list

从缓存注意清除对象：使用此命令清除对象将删除上游文件，因此需要适当的权限。

 k8sgpt cache purge $OBJECT_NAME

删除远程缓存注意：这不会删除上游S3存储桶或Azure存储容器

 k8sgpt cache remove

自定义分析仪

您可能希望在某些情况下用自己选择的语言编写自己的分析器。 K8SGPT现在通过遵守模式并为分析仪提供消费来支持这样做的能力。为此，请在K8SGPT配置中定义分析仪，并将其添加到扫描过程中。除此之外，您还需要在分析上启用以下标志：

 k8sgpt analyze --custom-analysis

这是Rust的示例本地主机分析仪在localhost:8080 K8SGPT Config可以通过以下添加来将其接收：

 custom_analyzers:
  - name: host-analyzer
    connection:
      url: localhost
      port: 8080

现在，这使得通过Hostos信息（从此分析仪示例）到K8SGPT，并用作正常分析的上下文。

查看有关如何编写自定义分析仪的文档

列表配置的自定义分析仪

 k8sgpt custom-analyzer list

添加无需安装的自定义分析仪

 k8sgpt custom-analyzer add --name my-custom-analyzer --port 8085

删除自定义分析仪

 k8sgpt custom-analyzer remove --names "my-custom-analyzer,my-custom-analyzer-2"

文档

在此处找到我们的官方文档

贡献

请阅读我们的贡献指南。

社区

在懈怠中找到我们

执照

展开

附加信息

版本 v0.3.46
类型其他源码
更新时间 2025-02-25
大小 3.67MB
来自于 Github

k8sgpt

CLI安装

Linux/Mac通过Brew

视窗

操作员安装

快速开始

分析仪

内置分析仪

默认情况下启用

选修的

例子

示例：

示例：

LLM AI后端

关键功能

更多细节

小心

文档

贡献

社区

执照

Google Dorks

shepherd

hidusbf

mongo express

Free Algorithms Books

markdownpedia

chat.petals.dev

GPT Prompt Templates

GPTyped

Google Dorks

shepherd

hidusbf

Google Dorks

shepherd

hidusbf