本文介紹Flink智能巡檢功能的使用方法。
功能簡介
智能巡檢是定時與手動結合的作業健康診斷服務,提供健康度全景視圖、異常根因定位和成本效能最佳化能力,主動發現潛在風險。巡檢報告包含健康分、風險卡片、根因分析和修複建議,並支援一鍵跳轉智能助手協助修複。
智能巡檢基於AI從以下維度分析作業:
作業健康:作業是否存在頻繁重啟、TaskManager異常等問題。
Checkpoint穩定性:Checkpoint成功率、耗時是否在健康閾值內。
反壓與延遲:運算元是否存在反壓,資料延遲是否超出預期。
前提條件
進入Flink AI Native Ops即獲一次性免費體驗額度,由當前工作空間下所有專案空間共用。額度用盡後需在對應地區開通AI 服務繼續使用,按 Token 計費,詳情請參見AI服務計費(隨用隨付)。
配置 IM 推送渠道前需開通 AI 服務。
使用限制
巡檢覆蓋運行中(RUNNING)和失敗(FAILED)的流作業與批作業,已停止的作業不在巡檢範圍內。
當前每個工作空間僅支援建立1個定時巡檢計劃。
進入智能巡檢頁面
單擊目標工作空間操作列下的控制台。
單擊左側導覽列的切換至 AI Native Ops,進入Flink AI Native Ops(智能營運平台)頁面。
單擊AI Native Ops,進入Flink AI Native Ops(智能營運平台)頁面。
在左側導覽列,單擊智能巡檢。
開啟與關閉定時巡檢
進入智能巡檢頁面。
根據定時巡檢狀態卡片完成開啟:單擊卡片右側的啟用,開啟定時巡檢。開啟後,系統按配置自動執行巡檢。需要停止定時巡檢時,單擊關閉。
狀態卡片展示當前配置,包括巡檢時間、巡檢範圍和下次巡檢時間。
配置定時巡檢
定時巡檢的配置支援AI產生和表單精確配置兩種方式。
在智能巡檢頁面,單擊定時巡檢配置。
在配置彈窗中,使用以下任一方式配置:
AI產生:使用自然語言描述巡檢需求,例如巡檢時間和周期、巡檢範圍(全量作業,指定作業,指定標籤)。AI根據描述產生巡檢配置,以確認卡片形式展示,確認後儲存。如需微調,可以切換到表單模式逐項修改。
表單配置:設定巡檢頻率、巡檢範圍與通知渠道。巡檢頻率支援每天、每周與自訂 Cron。通知渠道最多可選 10 個,不選擇則巡檢報告不推送。
儲存配置後,狀態卡片展示下次巡檢時間。
推送巡檢報告至 IM 群
巡檢報告、調優結果、警示診斷與配額提醒可自動推送至DingTalk或飛書群。渠道配置與訊息推送不消耗額度。
在 Flink AI Native Ops 頁面左側導覽列單擊IM 渠道,單擊新增 IM 渠道,選擇DingTalk或飛書,粘貼群自訂機器人的 Webhook 地址,可選配置簽名密鑰。建立後可測試發送,並可開啟預設渠道。
在定時巡檢配置的通知渠道中選擇目標渠道。
巡檢完成後,報告推送至所選渠道。開啟預設渠道後,該渠道同時作為巡檢計劃與用量提醒的預設推送渠道。
配置 IM 推送渠道前需開通 AI 服務。
手動巡檢
除定時巡檢外,可以手動觸發一次即時巡檢:
在智能巡檢頁面的手動巡檢地區,單擊立即巡檢。
選擇巡檢範圍後確認執行。
執行過程中頁面展示執行狀態和預計耗時,巡檢完成後可在巡檢報告列表查看結果。
查看巡檢報告
報告列表
在智能巡檢頁面的巡檢報告地區,通過右上方下拉框選擇時間範圍(最近7天、最近30天或最近90天)。
報告列表展示以下資訊:
列
說明
觸發時間
巡檢任務的觸發時間。
類型
定時或手動。
範圍
巡檢範圍,例如全量作業。
完成時間
巡檢完成時間。
狀態
巡檢執行狀態,例如已完成。
風險數
按嚴重程度統計的風險數量,分為嚴重和警告兩級。
操作
單擊查看進入報告詳情頁。
配置了通知渠道的巡檢計劃,報告同步推送至對應 IM 群。
報告詳情
單擊報告列表操作列的查看,進入報告詳情頁。報告詳情支援查看與匯出,包括:
風險統計:按嚴重程度三色統計風險數量。
維度雷達圖:展示各巡檢維度健康情況。
風險作業卡片列表:按嚴重程度排列存在風險的作業,展示風險問題、根因分析和修複建議。
一鍵修複
在風險作業卡片中,針對具體修複建議單擊立即處理,頁面跳轉至智能助手對話頁,並自動預填上下文(例如"診斷並修複作業xxx的風險問題"),由智能助手返回診斷結果並協助修複。