AI导哈

微服务可观测性平台

一个基于Kubernetes、Prometheus、Grafana、Loki和n8n的自动化、智能化的云原生微服务可观测性和自动化平台，旨在提高现代基础设施的可靠性和效率。

  • by JuanEstebanOsma1012
  • 本地部署
  • 更新于
在 GitHub 查看 JuanEstebanOsma1012/devops-microservice-observability

使用说明

🚧 DevOps微服务可观察性

此存储库是 进行中 该项目致力于构建一个完整、自动化和智能化的 可观测性与自动化平台 对于云原生微服务，使用 n8n, 主控程序，现代 DevOps实践.

其目标是展示自动化、监控和人工智能驱动的见解如何协同工作，以提高现代基础设施的可靠性、可见性和效率。

🧩 项目概述

该项目旨在：

  • 部署a 基于微服务的应用 在Kubernetes上。
  • 整合 普罗米修斯、格拉法娜和洛基 为了可观察性。
  • 自动化 CI/CD管道 GitHub Actions。
  • 使用 n8n 编排智能工作流（警报、扩展、报告）。
  • 连接 MCP（模型上下文协议） 用于基于AI的日志和度量分析。
  • 通过以下方式提供见解和行动 人工智能辅助自动化.

完成后，该项目将展示一个现代DevOps堆栈，该堆栈将合并 可观察性、自动化和智能 将其整合到一个操作工作流中。

⚙️ 运作原理

该系统遵循模块化架构：

  1. 微服务层 –容器化服务公开指标和日志。
  2. 基础设施层 –在AWS EKS上使用Terraform和Helm进行配置。
  3. 可观测层 普罗米修斯抓取指标，Grafana可视化，洛基收集日志。
  4. 自动化层（n8n） –接收警报并触发自动操作。
  5. 智能层（MCP） –分析遥测数据，并提出或执行改进建议。

其结果是一个智能的DevOps生态系统，不仅可以观察，还可以 行为 和 学习 基础设施行为。

🧱 项目结构

devops-microservice-observability/
├── microservice/
│ ├── app/
│ └── Dockerfile
├── infra/
│ ├── main.tf
│ ├── provider.tf
│ └── outputs.tf
├── observability/
│ ├── prometheus/
│ ├── grafana/
│ └── loki/
├── n8n/
│ └── workflows/
├── mcp/
│ └── ai-scripts/
├── .github/
│ └── workflows/
└── README.md

🛠️ 技术栈

  • Kubernetes –微服务编排
  • 地形 –基础设施即代码
  • 普罗米修斯/格拉法娜/洛基 –可观测性堆栈
  • n8n –自动化工作流程和集成
  • MCP（模型上下文协议） –人工智能见解和行动
  • GitHub操作 –CI/CD管道自动化
  • 码头工人 –集装箱化
  • AWS（EKS、IAM、S3） –云环境

🚀 后续步骤

  • []定义基础设施的Terraform模块
  • []部署初始微服务并公开指标
  • []整合普罗米修斯、格拉法纳和洛基
  • []配置n8n工作流以实现警报自动化
  • []为人工智能驱动的决策添加MCP智能层
  • []记录完整的CI/CD管道和工作流程

📚 学习目标

该项目展示了：

  • 整合 可观测性和自动化 DevOps环境中
  • 使用 n8n 用于编排和工作流自动化
  • 应用 AI（通过MCP） 用于智能监控
  • 精通 Kubernetes、Terraform和CI/CD管道
  • ……的理解 现代云原生架构

⚡ 项目正在积极开发中——请随时关注更新。

相关 MCP