E-MapReduce:Panggil API EMR AI Assistant

Wilayah yang didukung

Kode klien lengkap

import json
import os
import sys

from alibabacloud_tea_openapi.client import Client
from alibabacloud_tea_openapi import models as open_api_models
from alibabacloud_tea_util import models as util_models

# ENDPOINT: Titik akhir (endpoint) untuk wilayah instans Anda.
# Untuk daftar lengkapnya, lihat tabel di atas.
ENDPOINT = "emrassistant.cn-hangzhou.aliyuncs.com"


def create_client() -> Client:
    return Client(open_api_models.Config(
        access_key_id=os.environ["ALIBABA_CLOUD_ACCESS_KEY_ID"],
        access_key_secret=os.environ["ALIBABA_CLOUD_ACCESS_KEY_SECRET"],
        endpoint=ENDPOINT,
    ))


_PARAMS = open_api_models.Params(
    action="ChatCompletion", version="2025-07-23", protocol="HTTPS",
    method="POST", pathname="/v1/chat/completions",
    auth_type="AK", style="ROA", req_body_type="json", body_type="json",
)


def chat(client: Client, question: str, session_id: str = None) -> str:
    """Mengirim pertanyaan ke asisten dan mengalirkan respons secara real-time. Mengembalikan ID sesi untuk pertanyaan lanjutan."""
    body = {"stream": True, "messages": [{"role": "user", "content": question}]}
    if session_id:
        body["sessionId"] = session_id

    request = open_api_models.OpenApiRequest(body=body)
    runtime = util_models.RuntimeOptions(connect_timeout=10_000, read_timeout=300_000)

    try:
        for resp in client.call_sseapi(_PARAMS, request, runtime):
            data = resp.event.data if resp.event else None
            if not data or data == "[DONE]":      # [DONE]: Menandai akhir aliran respons.
                continue
            msg = json.loads(data)
            if msg.get("type") == "run_started":
                session_id = msg.get("sessionId")        # Tangkap ID sesi.
            elif msg.get("type") == "text":
                sys.stdout.write(msg.get("text", ""))    # Tampilkan output secara real-time.
                sys.stdout.flush()
    except Exception as e:
        print(f"\n[Pemanggilan API gagal] {e}", file=sys.stderr)
        print("Periksa apakah AccessKey Anda benar, layanan EMR AI Assistant telah diaktifkan, "
              "dan endpoint sesuai dengan wilayah instans Anda.", file=sys.stderr)
        return session_id
    print()
    return session_id

Diagnosis SQL lambat

client = create_client()
chat(client,
     "Instans Serverless StarRocks saya c-xxxxxxxx (cn-hangzhou) belakangan ini lambat. "
     "Bantu saya mendiagnosis kueri SQL lambat teratas, identifikasi hambatan, dan berikan saran optimasi.")

Asisten secara otomatis mengidentifikasi kueri dengan waktu eksekusi terlama, menemukan pola SQL yang mengonsumsi sumber daya tinggi, menganalisis tren, dan memberikan saran optimasi untuk kueri lambat tertentu.

Pemeriksaan kesehatan

client = create_client()
chat(client,
     "Lakukan pemeriksaan kesehatan pada instans Serverless StarRocks c-xxxxxxxx (cn-hangzhou) dan hasilkan laporan.")

Asisten melakukan pemeriksaan komprehensif pada instans dan menghasilkan skor kesehatan, daftar anomali, serta saran perbaikan.

Output diagnosis SQL lambat

Asisten secara otomatis menemukan instans, mengambil kueri yang baru-baru ini paling banyak mengonsumsi sumber daya, dan memberikan diagnosis tingkat profil:

Instans: c-xxxxxxxx (StarRocks 3.2.4, Berjalan)
Kueri paling intensif CPU dalam satu jam terakhir: Kueri metadata information_schema
Diagnosis: Total waktu 102 ms / CPU 43,5 ms / Memori puncak 3,21 MB / Rasio tunggu 80,88%
Operator penyebab hambatan: SCHEMA_SCAN(node 7) 9,26 ms, SCHEMA_SCAN(node 0) 8,16 ms, HASH_JOIN(node 5) 1,28 MB
Kesimpulan: Kueri ini memiliki beban kerja rendah dan tidak perlu dioptimalkan. Jika sering terjadi, kami sarankan Anda menyimpan cache metadata di sisi klien atau menggunakan kolam koneksi.

Output pemeriksaan kesehatan

Instans: c-xxxxxxxx (StarRocks 3.2.4, onBareMetal / lakehouse, Berjalan)
Skor kesehatan: 100/100
Metrik utama: 24 jam terakhir: Kritis 0 / Peringatan 0 / Info 0. Stabilitas keseluruhan sangat baik.
Anomali: Tidak ada
Saran perbaikan: Evaluasi peningkatan versi, aktifkan peningkatan versi minor otomatis, atur pemeriksaan kesehatan dan peringatan berkala, serta evaluasi spesifikasi sumber daya berdasarkan pertumbuhan bisnis.

Tentukan tugas dan target

Asisten menentukan apakah akan memanggil API diagnosis berdasarkan prompt Anda. Sertakan tindakan dan target:

• Tindakan: Gunakan kata kerja yang jelas, seperti periksa, diagnosa, identifikasi, atau optimalkan.

• Target: ID instans (yang dimulai dengan c-) dan wilayahnya.

Jika Anda menyediakan keduanya, asisten akan memicu diagnosis. Jika salah satu tidak tersedia, permintaan akan dialihkan ke mode tanya jawab berbasis pengetahuan, dan data instans tidak akan diambil.

Pahami respons

Data yang dikumpulkan dan hasil yang dikembalikan bervariasi tergantung permintaan Anda:

Interpretasikan hasil kosong dengan benar

Jika suatu instans memiliki volume kueri rendah, diagnosis SQL lambat mungkin mengembalikan "tidak ditemukan kueri lambat signifikan", dan pemeriksaan kesehatan mungkin melaporkan "beban kerja rendah dan sumber daya mencukupi". Hal ini berarti instans dalam kondisi sehat dan bukan menunjukkan kegagalan pemanggilan API.