當 Grafana 遇見 LLM：AI 時代的可觀測性

當 Grafana 遇見 LLM：AI 時代的可觀測性
Lab：https://github.com/blueswen/observability-with-llm

Transcript

1. 劉義瑋 Blueswen 當 Grafana 遇 見 LLM：AI 時代的可觀測性
2. 自 介  • 劉義瑋 Blueswen • blueswen @ GitHub • Grafana Champion • 領域 • DevOps • Observability • Developer Experience
3. Outline  • 可觀測性基礎概念介紹 • 可觀測性資訊 • 可觀測性如何幫助 LLM • LLM 如何幫助可觀測性 圖 片 來源：Grafana
4. Status Page  OpenAI Status Page Claude Status Page
6. 當你的服務倒了，你能找到是哪塊積 木 出問題了嗎？
7. 可觀測性讓你清楚知道系統哪裡發 生 問題
8. 可觀測性基礎概念介紹
9. Observability Intro  圖 片 來源：Multi-Cloud Monitoring: A Cloud Security Essential Observability 系統可被觀測或測量的 一 種特性
10. Observability Intro  有 足 夠的資訊嗎？ 透過各種資訊，清楚了解系統狀態 Log 工 具 指標儀表板 APM 工 具 是否散落各處，形成資料孤島？
11. Observability Intro - Signals  有 足 夠的資訊嗎？ 透過各種資訊，清楚了解系統狀態 Log 工 具 指標儀表板 APM 工 具 是否散落各處，形成資料孤島？
12. Observability Signals - 可觀測性資訊  指標 不同時間採樣的系統量化指標 如：CPU 使 用 率、API 回應時間 日 誌 紀錄系統中發 生 的事情 如：Debug 訊息、Exception 分散式追蹤 紀錄 行 為在不同服務中的歷程 如：SSO 行 為橫跨多個服務 系統主動揭露讓我們能夠更理解它的資訊
13. Observability Signals - 可觀測性資訊  徵狀：有問題發 生 脈絡：怎麼發 生 的 發 生 什麼事 哪裡發 生 的 狀況如何 系統主動揭露讓我們能夠更理解它的資訊
14. Observability Signals - 應 用 於問題排除  圖 片 來源：Loki: Prometheus-inspired, open source logging for cloud natives 徵狀 脈絡
15. Observability Intro - Platform  有 足 夠的資訊嗎？ 是否散落各處，形成資料孤島？ 透過各種資訊，清楚了解系統狀態 Log 工 具 指標儀表板 APM 工 具
16. Observability Platform - Grafana  Metrics 儀表板範例 OpenTelemetry Application Performance Management Grafana Labs 開源的資料視覺化與儀表板 工 具，並提供告警功能
17. Observability Platform - Grafana  Grafana 檢視 Log
18. Observability Platform - Grafana  Grafana 檢視 Trace
19. Observability Platform - Grafana  圖 片 來源：Grafana 支 援各種不同的資料來源（Data Source） Prometheus、ElasticSearch、PostgreSQL、Jaeger、Google Sheet
20. Observability Intro  Observability Signals Grafana 連接資料孤島 透過各種資訊，清楚了解系統狀態  Log 工 具 指標儀表板 APM 工 具
21. 可觀測性資訊
22. Observability Signals - Data Flow 
23. Observability Signals - Data Flow  生 成 收集 儲存 使 用 資訊處理四步驟
24. Observability Signals - Data Flow  生 成 收集 儲存 使 用 了解 工 具在 Data Flow 中的定位
25. Metrics - Prometheus  • Prometheus • 監控（Monitoring）與告警（Alerting） 工 具 • 2012 年由 SoundCloud 開發並開源 • 2024 年 11 月 進 入 3.0 版本 • 收集不同時間點的量化指標，儲存後能以 PromQL 語法查詢 Prometheus Metrics 爬取 使 用 PromQL查詢 生 成 收集 儲存 使 用
26. Observability Signals Data Flow - Metrics  Prometheus Metrics Exporter Prometheus Client Library 生 成 收集 儲存 使 用
27. Observability Signals Data Flow - Logs  Logging Library 生 成 收集 儲存 使 用
28. Traces(Distributed Tracing)  • 監控跨服務請求，利 用 統 一 的 Trace ID 關聯 一 個 行 為在不同服務之間的歷程 與資訊，例如：執 行 時間、請求來源 IP、SQL 語法、錯誤訊息等
29. Traces - OpenTelemetry  • OpenTelemetry • CNCF Project， 目 前主流的 Trace 規範，已經有超過 90 個組織 支 援 • 2019 年由 OpenTracing 與 OpenCensus 合併 而 成 • 處理 Telemetry Data（Metrics、Logs、Traces）的 API、SDK、Tool 組合包 API SDK Tool 資料格式(OTLP) 傳輸 方 式(HTTP、gRPC) 開發 工 具 Instrumentation Telemetry Data Collector
30. Observability Signals Data Flow - Traces  生 成 收集 儲存 使 用
31. Observability Signals Data Flow - Basic  基礎的 Observability Signals Data Flow
32. Observability Signals - 資訊交互應 用  圖 片 來源：CNCF Observability Whitepaper Observability Signals 彼此具有關聯，例如時間區段、Trace ID 透過交互應 用 產 生 綜效
33. Observability Signals - 資訊交互應 用  Exemplar 時間區段同步 Trace ID 連結
34. 資訊交互應 用 - Metrics vs Logs  利 用 同步時間功能同時查詢 Metrics 與 Logs
35. 資訊交互應 用 - Traces vs Logs  利 用 Trace ID 查詢對應 Log
36. Observability Signals - 資訊交互應 用  PyCon Taiwan 2 0 2 4 - 全 方 位強化 Python 服務可觀測性：以 FastAPI 和 Grafana Stack 為例 範例 Demo 影 片
37. 可觀測性如何幫助 LLM Application
38. LLM Observability Tools  • 基於 OpenTelemetry 的各種 Observability 工 具 • 提供 Tracing、Metrics、成本與評估功能等 • Langfuse：SDK、客製化平台 • OpenLLMetry：SDK、客製化平台 • OpenLIT：SDK、客製化平台 • OpenTelemetry OpenAI Instrumentation：SDK
39. • OpenLIT • 採集 Input、Output、Token 用 量等資訊 • 根據價格表 自 動計算費 用 • 客製化 Dashboards LLM Observability - OpenLIT  OpenLIT 資料流 圖 片 來源：OpenLIT Doc OpenLIT Dashboard 圖 片 來源：OpenLIT Doc
40. LLM Observability - OpenLIT SDK  • OpenLIT SDK 產 生 資訊可以轉存 至 其他相容服務，如 Promtheus、Tempo OpenLIT Grafana Dashboard 圖 片 來源：OpenLIT Doc OpenLIT 資料流調整為 Grafana Stack
41. LLM Observability - OpenTelemetry OpenAI Instrumentation  • OpenTelemetry OpenAI Instrumentation • 採集 Input、Output、Token 用 量等資訊 Trace 內容
42. 應 用 案例 - AutoGen Multi-Agent Observability  • 範例：Autogen Observability Multi-Agent Trace Data
43. 應 用 案例 - AutoGen Multi-Agent Observability  OpenLIT Grafana Dashboard OpenLIT Trace Data
44. LLM 如何幫助可觀測性
45. LLM 如何幫助可觀測性 - 常 見 問題排除流程  圖 片 來源：Loki: Prometheus-inspired, open source logging for cloud natives 分析 處理 分析結果 資訊 知識
46. 常 見 問題排除流程 - LLM 可以協助的地 方  • 善於閱讀 大 量資料 • Metrics、Logs、Traces、程式碼、 文 件 • 提供意 見 ＆ 執 行 修正 • 2 4 / 7 Agentic • 即時分析與處理 分析 處理 分析結果 資訊 知識 {
47. 常 見 問題排除流程 - LLM 怎麼取得資料 • 資訊 • Grafana MCP Server • 查詢 Prometheus Metrics、Loki Logs、Alerts • Tempo MCP Server • Tempo v 2 . 9 . 0 內建 MCP Server，查詢 Traces 資料 • 知識 • 系統架構、資料查詢技巧、Postmortem • 透過 Prompt、Skills(Claude)、RAG 強化 分析 處理 分析結果 資訊 知識
48. 常 見 問題排除流程 - LLM 怎麼取得資料 • 資訊 • Grafana MCP Server • 查詢 Prometheus Metrics、Loki Logs、Alerts • Tempo MCP Server • Tempo v 2 . 9 . 0 內建 MCP Server，查詢 Traces 資料 • 知識 • 系統架構、資料查詢技巧、Postmortem • 透過 Prompt、Skills(Claude)、RAG 強化 分析 處理 分析結果 資訊 知識
49. LLM 如何幫助可觀測性案例 - Pro fi les 解析  • Pro fi les 用 於分析程式 片 段的 CPU 與 記憶體使 用 狀況 • Grafana 旗下的 Pyroscope 用 於收集 Pro fi les 資料，搭配 LLM Plugin 後可 以解釋 火 焰圖結果，並提供優化意 見 • 範例：Plugin - Drilldown 使 用 Pro fi les Drilldown 查看結果
50. LLM 如何幫助可觀測性案例 - 告警解析與根因分析  • 使 用 Grafana MCP 跟 GitHub MCP 排查問題 • 範例：Grafana Zero to Hero Use Case: Grafana with LLM 從 Alerting 發現有 Request High Latency 的問題
51. LLM 如何幫助可觀測性案例 - 告警解析與根因分析 cont.  讓 Claude 總結 Alert 內容
52. LLM 如何幫助可觀測性案例 - 告警解析與根因分析 cont.  提供 Claude Code Base 與要解決的問題等資訊，搭配 Grafana MCP 與 GitHub MCP 查找根因
53. LLM 如何幫助可觀測性案例 - Dashboard 生 成  • 透過 Grafana MCP 查詢現有指標，並建 立 Dashboard 根據 PostgreSQL Server Exporter 建 立 的 Dashboard
54. 常 見 問題排除流程 - LLM 怎麼取得資料 • 資訊 • Grafana MCP Server • 查詢 Prometheus Metrics、Loki Logs、Alerts • Tempo MCP Server • Tempo v 2 . 9 . 0 內建 MCP Server，查詢 Traces 資料 • 知識 • 系統架構、資料查詢技巧、Postmortem • 透過 Prompt、Skills(Claude)、RAG 強化 分析 處理 分析結果 資訊 知識
55. LLM 如何幫助可觀測性案例 - 強化背景知識  • 主動提供知識可以提 高 效率，避免 LLM 瞎猜 • Observability • Prometheus Metrics PromQL 技巧 • Tempo TraceQL、Loki LogQL 技巧 • Observability Signals 關聯建 立方 式 • 系統架構 • 架構圖、業務邏輯 • 可 用 的 Metrics 種類與意義 • Observability Signals Label/Attribute 與服務間的對應 盲 人 摸象，圖 片 來源：Sketchplanations
56. LLM 如何幫助可觀測性案例 - 強化背景知識 cont.  • OpenTelemetry Demo：擬真電商系統，微服務架構 • 範例：OpenTelemetry Demo App with LLM 電商平台 OpenTelemetry Demo 架構圖
57. LLM 如何幫助可觀測性案例 - 強化背景知識 cont.  問題初步診斷
58. LLM 如何幫助可觀測性案例 - 強化背景知識 cont.  詳細資訊追問
59. LLM 如何幫助可觀測性 - AI 錯誤的代價  • 提供意 見 ＆ 執 行 修正 • 提供意 見 ：浪費時間 • 執 行 修正：嚴重後果 e.g. Drop Prod DB • 人 好像 比 較少犯錯？ • 信 心 程度不夠時， 人 會規避 風 險 • 緩解 方 式 • 防 止人 類錯誤的機制也適 用 於 AI • 人工 核可、藍綠佈署、 金 絲雀佈署 etc. 圖 片 來源：Tenor
60. Recap  • 透過各種資訊，清楚了解系統狀態 • 資訊的 生 成、收集、儲存、使 用 • 連接資料孤島，建 立 關聯，產 生 綜效 • 利 用 SDK 收集 LLM 運 行 資訊 • MCP 提供 LLM 資訊 • Prompt、Skill、RAG 強化 LLM 知識 可觀測性 可觀測性與 LLM
61. 延伸閱讀  • Demo Project • FastAPI Observability • Spring Boot Observability • FastAPI Tracing with Jaeger through OpenTelemetry • OpenTelemetry Application Performance Management • 時光之鏡：透視過去、現在與未來的 Observability：概念、 工 具與應 用 • Grafana Zero to Hero：Grafana 基礎操作與進階應 用 • Observability 1 0 1 ：從零開始了解可觀測性：可觀測性基礎介紹 • 全 方 位強化 Python 服務可觀測性：以 FastAPI 和 Grafana Stack 為例
62. 工 商時間  可觀測性概念、 工 具介紹 天瓏網路書店 Grafana 入門 手 冊、應 用 案例 天瓏網路書店