GaussMaster：基于大模型的DB Agent，通过自然语言交互自主执行运维任务
作者：吴昊 (hwvv)、王养浩 (wyhyhyhyh)、李坤 (jackchenchenchen)、王天元 (wagntianyuan1994)、刘陆洋 (qq_33172735)、徐天一 (xty739910hoa)、申正 (shenzheng4)、熊小军 (xiong_xjun)、朱芳芳 (zff_unique)
摘要
GaussMaster是一款开源的数据库智能运维Copilot。基于LLM和AI等技术，GaussMaster旨在提供一站式、交互式的AI原生运维系统。用户可以通过文字命令，与GaussMaster平台自由对话，完成智能问答，根因诊断，故障巡检，预测调优等等任务，覆盖数据库开发运维全生命周期。GaussMaster的设计目标具有如下能力：全栈感知能力、分布式诊断能力、智能决策能力、开放集成能力、持续进化能力。当前根因诊断覆盖现网常见34个根因场景，故障巡检支持26个巡检项，可通过交互式调用22个运维工具。
引言
数据库运维现状：传统AI模型泛化能力不足，无法进行综合分析和推理总结
- 单一数据库产品通过对外提供的开发者手册、管理员指南、运维调优和故障定位手册等多达1w多页，普通DBA很难完全掌握，一二线运维花费大量时间电话解答客户问题，90%为基础性问题；
- 产品间交互、跨组件之类的紧急问题出现，经常会做多层连环、多产品协调定位，无法一步到位，获取最准确信息；
- 云数据库Region上实例数巨大，SRE人员配备少，重点局点企业自身会投入部分保障，对企业经营带来一定的压力；
- 智能运维平台能力基于当前系统运行状况和统计信息，给出相应的异常分析和优化建议，但数据库版本变更、业务场景变化后，并不能针对不同负载场景，实时调整，泛化能力较弱。
系统架构
GaussMaster 采用模块化、可插拔架构，支持接入业界通用的大模型、向量检索系统，通过整合领域知识和系统运行时数据，提供交互智能体和诊断智能体两大能力，为用户提供简单、一致、可靠的运维体验。
① 交互智能体
- 基于 RAG 技术将数据库领域知识注入问答上下文，避免大模型幻觉，提升问答准确度。
② 诊断智能体
- DBA Agent 自动分析用户意图，并根据运维经验进行任务编排，自动调度执行运维任务。
③ 知识库管理
- 处理数据库产品资料和相关运维经验资料，清洗、分割并形成索引便于 RAG 系统使用。
- 自动挖掘故障推理链，固化形成树形故障检测逻辑。
④ 系统运行时数据收集
- 基于 openGauss-DBMind 收集系统运行时数据，如系统指标、系统视图、日志等。
智能问答：让大模型精通数据库领域知识，回答专业问题问答
智能运维：故障诊断与处理建议生成
未来工作
- 风险预测：提前预测数据库风险或用户负载变化，及时调整规避可能出现的故障。
- 用户负载优化：管理慢SQL和存储过程，帮助解决最终用户侧痛点问题。
- 数据库自动驾驶：减少人员参与，提升运维人效、提升易用性、提升系统整体稳定性。