open-rca-diagnosis

name	open_rca_diagnosis
description	AI驱动的微服务故障根因分析技能，提供分析指导和场景化工具脚本
type	analysis
author	derisk
version	2.0
category	observability
tags	["rca","fault-diagnosis","observability","sre","microservices"]
scripts	{"common":["scripts/common/explore_data.py","scripts/common/time_utils.py"],"market":["scripts/market/analyze_metric.py","scripts/market/analyze_container.py","scripts/market/analyze_trace.py","scripts/market/analyze_log.py"],"bank":[],"telecom":[]}

故障根因分析技能 (Open RCA Diagnosis)

技能概述

本技能提供故障根因诊断的完整框架，包含两种分析方式：

方式一：使用场景化脚本（推荐）

每个场景提供专用的分析脚本，针对特定数据结构优化。

方式二：动态代码分析

使用通用工具探索数据结构，根据实际情况编写分析代码。

脚本目录结构

scripts/
├── common/                    # 通用工具
│   ├── explore_data.py        # 数据探索
│   └── time_utils.py          # 时间转换
├── market/                    # Market场景专用
│   ├── analyze_metric.py      # 服务指标分析
│   ├── analyze_container.py   # 容器资源分析
│   ├── analyze_trace.py       # 链路追踪分析
│   └── analyze_log.py         # 日志分析
├── bank/                      # Bank场景专用（待补充）
└── telecom/                   # Telecom场景专用（待补充）

---

方式一：场景化脚本使用

每个场景提供专用的分析脚本，具体使用方法见各场景规格文档：

场景	规格文档	可用脚本
Market	specs/market_spec.md	analyze_metric, analyze_container, analyze_trace, analyze_log
Bank	specs/bank_spec.md	待补充
Telecom	specs/telecom_spec.md	待补充

通用工具

数据探索：

python scripts/common/explore_data.py --dir /path/to/telemetry
python scripts/common/explore_data.py --file metric_service.csv

时间转换：

python scripts/common/time_utils.py --range "2022-03-20 09:00:00" "2022-03-20 09:30:00"

---

方式二：动态代码分析

当场景脚本不适用时，Agent可以：

1. 探索数据结构

python scripts/common/explore_data.py --file <数据文件>

输出内容：

• 行数、列数、文件大小
• 每列的数据类型、空值比例、唯一值数量
• 数据样本
• 数值列统计
• 分类列分布

2. 根据数据结构编写分析代码

使用IPython或Python脚本，参考以下模板：

import pandas as pd
import numpy as np

# 1. 加载数据
df = pd.read_csv('<数据文件>')

# 2. 计算全局阈值（使用完整数据！）
threshold_p95 = df['<指标列>'].quantile(0.95)

# 3. 过滤时间窗口
start_ts = <开始时间戳>
end_ts = <结束时间戳>
filtered = df[(df['timestamp'] >= start_ts) & (df['timestamp'] <= end_ts)]

# 4. 检测异常
anomalies = filtered[filtered['<指标列>'] > threshold_p95]

# 5. 聚合分析
print(anomalies.groupby('<组件列>').agg({
    '<指标列>': ['mean', 'max', 'count']
}))

3. 关键分析原则

原则	说明
全局阈值	用完整数据计算阈值，不要用过滤后的数据
时区统一	使用UTC+8时区
层次化分析	服务层 → 容器层 → 节点层
交叉验证	指标 + 链路 + 日志

---

场景规格

详见 specs/ 目录：

• market_spec.md - Market场景数据结构和候选根因
• bank_spec.md - Bank场景数据结构
• telecom_spec.md - Telecom场景数据结构

---

诊断工作流程

1. 确认场景 → 加载场景规格
     ↓
2. 数据探索 → 了解数据结构
     ↓
3. 时间转换 → 确定分析窗口
     ↓
4. 服务层分析 → 识别异常服务
     ↓
5. 容器层分析 → 定位异常容器和资源
     ↓
6. 链路验证 → 确认调用链故障点
     ↓
7. 日志验证 → 确认根因原因
     ↓
8. 生成报告

---

输出规范

## 根因定位结果

**根因组件:** [组件ID]
**根因原因:** [原因描述]
**置信度:** [基于偏离程度]

### 分析过程
[按步骤描述分析结果和推理过程]

### 证据链
1. [服务层证据]
2. [容器层证据]
3. [链路/日志证据]

---

版本历史

版本	日期	更新内容
2.0	2025-02	重构为场景化脚本 + 动态代码分析两种模式
1.0	2024-01	初始版本