Realtime Compute for Apache Flink:Asisten Cerdas AI

Mengakses entri

1. Masuk ke konsol Realtime Compute for Apache Flink dan klik Konsol di kolom Tindakan untuk workspace target.

2. Buka halaman AI Intelligent O&M dengan salah satu metode berikut: - Klik banner AI Intelligent O&M di bagian atas halaman ringkasan konsol. - Klik tombol toggle AI Intelligent O&M di panel navigasi sebelah kiri.

3. Halaman sambutan ditampilkan saat Anda pertama kali masuk. Halaman sambutan menampilkan kartu kemampuan dan pertanyaan cepat. Klik kartu kemampuan untuk beralih ke pertanyaan cepat yang sesuai. Anda juga dapat memasukkan bahasa alami di kotak input di bagian bawah halaman untuk memulai percakapan. Kotak input mendukung referensi entitas menggunakan @ dan pemanggilan keterampilan menggunakan /.

Tanya Jawab Cerdas

Tanya Jawab Cerdas menjawab pertanyaan tentang penggunaan produk, sintaks SQL, dan parameter konektor berdasarkan basis pengetahuan Flink. Respons mendukung Markdown, blok kode, dan tabel.

Masukkan pertanyaan Anda langsung di kotak input. Menyediakan konteks bisnis yang spesifik membantu Anda mendapatkan jawaban yang lebih tepat sasaran.

Konsultasi perencanaan resource

Sebelum Anda melakukan scale out atau mengonfigurasi resource komputasi Flink (CU), Anda dapat memperkirakan kapasitas berdasarkan skala bisnis Anda. Kami menyarankan Anda menentukan informasi berikut dalam pertanyaan Anda:

• Throughput data: jumlah pesan per detik (TPS/QPS) atau volume data (MB/s).

• Kompleksitas logika komputasi: jenis operasi utama, seperti filtering sederhana, join multi-stream, atau agregasi window besar.

• Persyaratan latensi: latensi yang dapat ditoleransi, seperti latensi tingkat detik atau tingkat menit.

Contoh:

Saya perlu membaca data dari Kafka sekitar 50.000 pesan per detik, dengan setiap pesan sekitar 1 KB. Logikanya adalah penggantian nama field dan filtering sederhana, serta hasilnya ditulis ke Hologres. Rekomendasikan paralelisme dan jumlah CU yang sesuai.

Jawaban berisi kesimpulan dan alasan. Kesimpulan memberikan rekomendasi paralelisme dan jumlah CU. Alasan menganalisis kapasitas pemrosesan QPS, pengaturan paralelisme, bottleneck sistem eksternal, dan dampak fungsi window.

Kueri parameter

Tentukan tipe konektor dan fungsionalitas yang ingin Anda implementasikan. Asisten akan mencantumkan parameter terkait dan menjelaskan tujuannya, nilai valid, skenario penerapan, serta dokumentasi referensi.

Contoh:

Parameter apa saja yang didukung Hologres untuk menulis hanya beberapa kolom?

Diagnosis cerdas

Diagnosis cerdas menganalisis secara mendalam metrik runtime job, mengidentifikasi akar penyebab, dan menghasilkan laporan diagnosis terstruktur yang berisi analisis akar penyebab, saran perbaikan, dan tombol tindakan.

Anda dapat memicu diagnosis dengan cara berikut:

• Referensi job target menggunakan @ dalam percakapan dan jelaskan masalahnya dalam bahasa alami.

• Di O&M Center > Job O&M, job yang gagal menampilkan ikon AI Intelligent Diagnosis. Klik ikon tersebut untuk memulai diagnosis.

• Di sudut kanan atas halaman log job, klik AI Intelligent Diagnosis untuk menganalisis log error.

Setelah diagnosis selesai, Anda dapat klik Handle Now untuk saran perbaikan dalam laporan agar dialihkan ke halaman percakapan, tempat asisten membantu Anda menangani masalah tersebut.

Pengembangan job

Kemampuan pengembangan job disediakan oleh keterampilan /flink-sql-dev, yang mendukung pembuatan dan validasi SQL, pembuatan draf, serta deployment. Masukkan / di kotak input untuk memilih keterampilan, atau jelaskan kebutuhan pengembangan Anda langsung dalam bahasa alami.

Membuat SQL job

Jelaskan sumber data dan sink kepada asisten. Tentukan tipe konektor (seperti Kafka, JDBC, atau HBase), nama field, dan tipe data, serta jelaskan logika pemrosesan seperti filtering, agregasi, window, dan join. Asisten akan membuat SQL lengkap yang berisi pernyataan CREATE TABLE dan parameter WITH, yang dapat Anda salin langsung ke editor SQL.

Contoh:

Tulis job Flink SQL. Sumber datanya adalah topik user_behavior di Kafka, yang berisi user_id dan timestamp. Hitung jumlah pengunjung unik (UV) dalam window tumbling 5 menit dan tulis hasilnya ke tabel uv_stats di MySQL.

Analisis error

Ketika pernyataan tidak sesuai atau terjadi error runtime selama pengembangan job, klik Analisis di sudut kanan atas pesan error. Asisten mengidentifikasi penyebab dan memberikan saran perbaikan.

Membuat dan men-deploy draft

Setelah SQL dibuat, Anda dapat melanjutkan percakapan untuk membuat draft, memvalidasi SQL, dan men-deploy job. Hasil operasi ditampilkan sebagai kartu.

Mereferensikan entitas

Masukkan @ di kotak input untuk membuka panel pemilihan bertingkat dan mereferensikan entitas di workspace sebagai konteks percakapan. Tipe entitas yang didukung: metadata, draft, deployment, cluster sesi, file, konektor, dan anggota.

• Sisi kiri panel menampilkan kategori entitas, dan sisi kanan menampilkan daftar entitas. Filter pencarian didukung.

• Setelah Anda memilih entitas, entitas tersebut disisipkan ke kotak input sebagai referensi.

• Anda juga dapat memasukkan nama entitas secara langsung. Sistem secara otomatis mengidentifikasi dan mengaitkan entitas. Jika beberapa entitas memiliki nama yang sama, Anda akan diminta untuk konfirmasi secara interaktif.

Memanggil skill

Masukkan / di kotak input untuk membuka palet perintah, yang mencantumkan skill yang tersedia dan deskripsinya. Anda dapat menavigasi dengan tombol panah atas dan bawah lalu menekan Enter untuk memilih skill.

Ketika asisten menjalankan skill, langkah pemanggilan alat ditampilkan sebagai rantai pemikiran. Setiap langkah menunjukkan status eksekusinya. Langkah saat ini diperluas secara default dan langkah sebelumnya diciutkan. Klik langkah untuk melihat detail.