# Мониторинг сбоев и анализ первопричин

Группировка связанных ошибок, обнаружение аномального роста отказов и расследование с опорой на конкретные строки журналов.

Отрасль: SaaS / облачная инфраструктура. Статус: Технический проект.

## Задача

Истёкший токен облачного API может одновременно остановить создание машин, баз и сетей. Обычный мониторинг выдаёт десятки предупреждений. Инженеру нужно понять, где одна общая причина, а где независимые сбои.

## Решение

Технический проект объединяет журналы операций, восстановление контекста запусков, нормализацию сообщений, классификацию и обнаружение аномалий. Расследование связывает предположения с доказательствами; неоднозначные причины не объявляются установленным фактом.

## Что реализовано

- Извлечение ключевых сообщений и Terraform-блоков
- Группировка схожих ошибок и известных причин
- Рост отказов относительно исторической нормы
- Поиск общей причины в нескольких типах операций
- Хронология инцидента и подтверждающие строки
- Гипотеза для инженерной проверки

## Архитектура

1. Loki / журналы
2. Контекст / очистка
3. Классификация
4. Аномалии / связи
5. Инцидент / проверка

## Технологии

- Python
- Grafana Loki
- LangGraph
- LLM
- Embeddings
- SQLite
- FastAPI

## Параметры демонстрации, не результаты заказчика

- операций в суточной демо-модели: 20 000
- типов операций: 40
- исходная успешность модели: 99,2%
- отказов → связанный инцидент в сценарии: 186 → 1

## Оговорки и достоверность показателей

Числа — параметры воспроизводимой симуляции, не статистика клиента. Песочница генерирует события и использует явные правила корреляции. Внешняя LLM и Loki здесь не подключены; выводы — проверяемые гипотезы. Детектор задержек не заявляется реализованным.

## Доказательство рядом с выводом

Объяснение связано с временем, компонентом, кодом ответа и строками журналов. Пользователь может проверить, на каких событиях основана предполагаемая причина.

## Не всё требует LLM

Повторяющиеся известные ошибки можно сопоставить правилами. В архитектуре проекта LLM предназначена для неоднозначных случаев; демонстрация не выдаёт правила за вызов модели.

## Из предупреждений в расследование

Общие ошибки разных операций группируются по компоненту и сигнатуре. Статус инцидента, ответственный и история проверки сохраняют контекст работы инженера.

## Публичная песочница

Откройте HTML-страницу кейса и раздел «Решение в ваших руках». Интерактивная демонстрация работает на тестовых данных и не раскрывает информацию заказчиков. Демонстрация не создаёт реальные бронирования, платежи или маршруты для выпуска машин.

---

Источник: [Мониторинг сбоев и анализ первопричин | Кейс Auxesia](https://auxesia.cc/cases/incident-monitoring).

Дата формирования Markdown: 2026-10-15.

[Навигация для ИИ](https://auxesia.cc/llms.txt) · [Обсудить проект](https://auxesia.cc/contact)