exception-analysis

# 异常分析技能 ## 功能描述 提供完整的异常分析能力，基于 Plan-Execute-React 模式，整合多源数据进行智能根因分析，生成结构化分析报告和修复建议。 ## 何时使用 在以下情况调用此技能： - 分析线上故障和错误 - 排查系统异常原因 - 生成根因分析报告 - 基于用户反馈优化分析结果 ## 核心功能 - **问题分析**：输入问题描述和错误信息，生成完整分析报告 - **多轮验证**：基于用户反馈重新分析 - **结构化输出**：包含可能的根本原因和修复建议 - **多源数据收集**：整合发布记录、监控数据、代码信息、拓扑依赖 - **干扰项过滤**：识别并标记与告警无关的干扰证据 ## 输入参数 | 参数 | 类型 | 必填 | 说明 | |------|------|------|------| | appId | String | 是 | 应用ID | | alarmDescription | String | 是 | 告警描述 | | alarmUrl | String | 否 | 告警链接 | | alarmTime | DateTime | 否 | 告警时间 | | scene | String | 否 | 场景参数（default/mq_backlog/high_error/cpu_overload/memory_low） | ## 输出格式 ```json { "analysisId": "ANALYSIS-1234567890", "appId": "app-001", "alarmDescription": "用户登录失败率突然升高", "analysisTime": "2024-01-15T10:35:00", "rootCause": { "type": "高错误率", "description": "当前错误率超过阈值", "confidence": "85%" }, "evidences": [ { "source": "发布记录", "content": "最近发布版本: 1.2.3", "relevance": "高" } ], "suggestions": ["检查服务日志", "查看失败请求"] } ``` ## 分析流程 ``` 输入请求 → 模块识别 → 数据收集(MCP) → 证据整合 → 根因分析 → 生成报告 ``` ### 详细步骤 1. **模块识别**：从告警描述中提取涉及的业务模块（下单、改单、支付、取消、出票、退票、扣位） 2. **数据收集**：调用各 MCP 服务收集上下文数据 - 发布记录 MCP - 请求量监控 MCP - 应用监控 MCP（CPU、内存、GC、线程等） - 代码仓库 MCP - 拓扑依赖 MCP（MQ、JOB等） 3. **证据整合**：整合所有收集的数据，标记干扰项 4. **根因分析**：基于多源数据判断根因类型 5. **建议生成**：根据根因类型生成修复建议 ## 根因分析规则 | 根因类型 | 判断条件 | 置信度 | |----------|----------|--------| | MQ积压 | MQ积压且与告警模块相关 | 90% | | 高错误率 | 错误率 > 10% | 85% | | CPU过载 | CPU使用率 > 80% | 80% | | 内存不足 | 内存使用率 > 85% | 75% | | 模块异常 | 告警描述涉及特定模块 | 75% | | 发布问题 | 存在最近发布记录 | 70% | | 认证问题 | 涉及登录/认证/token | 65% | ## API 调用示例 ```bash # 分析问题 curl -X POST http://localhost:8080/api/analysis/analyze \ -H "Content-Type: application/json" \ -d '{ "appId": "app-001", "alarmDescription": "下单接口错误率异常升高", "alarmUrl": "https://monitor.example.com/alarm/123", "alarmTime": "2024-01-15T10:30:00" }' # Mock分析（支持场景参数） curl "http://localhost:8080/api/analysis/analyze/mock?scene=mq_backlog" # 健康检查 curl http://localhost:8080/api/analysis/health ``` ## 相关文件 | 文件路径 | 描述 | |----------|------| | `service/impl/AnalysisServiceImpl.java` | 核心分析逻辑实现 | | `controller/AnalysisController.java` | REST API 控制层 | | `mcp/DeploymentMcpService.java` | 发布记录 MCP | | `mcp/MetricsMcpService.java` | 监控指标 MCP | | `mcp/CodeMcpService.java` | 代码仓库 MCP | | `mcp/TopologyMcpService.java` | 拓扑依赖 MCP | | `context/` | 上下文数据模型 | | `dto/` | 请求响应 DTO | ## 配置要求 ### 环境变量 | 变量名 | 说明 | 默认值 | |--------|------|--------| | `DEEPSEEK_API_KEY` | DeepSeek API Key | - | | `OPENAI_API_KEY` | OpenAI API Key | - | | `SERVER_PORT` | 服务端口 | 8080 | ### 配置文件 ```yaml # application.yml server: port: ${SERVER_PORT:8080} ``` ## 扩展指南 ### 添加新的根因类型 1. 在 `AnalysisServiceImpl.analyzeRootCause()` 方法中添加新假设判断 2. 在 `generateSuggestions()` 方法中添加对应修复建议 3. 更新本文档中的根因类型表 ### 添加新的业务模块 1. 在 `ALL_MODULES` 列表中添加模块名称 2. 在 `generateDisturbanceError()` 方法中添加干扰项错误消息 3. 在 `TopologyMcpService` 中添加模块依赖配置 ### 添加新的 MCP 服务 1. 创建新的 MCP 服务类，实现数据提供逻辑 2. 在 `AnalysisServiceImpl` 中注入并调用 3. 更新 `collectEvidences()` 方法收集新证据 ## 日志记录 分析过程中记录以下关键日志： - **分析开始**: 记录输入参数 - **数据收集**: 记录请求量、应用监控、发布记录、代码信息 - **模块识别**: 记录识别到的模块 - **拓扑分析**: 记录应用拓扑结构 - **MQ/JOB指标**: 记录积压和失败情况 - **证据收集**: 记录证据数量和相关性统计 - **根因分析**: 记录各假设验证过程和结果 - **分析完成**: 记录最终结论