使用说明
OCP性能分析仪MCP
一个全面的、基于人工智能的OpenShift/Kubernetes集群性能分析和监控平台。该项目提供模型上下文协议（MCP）服务器，用于分析etcd、网络和OVN Kubernetes组件，并提供深入的性能见解、自动化的根本原因分析和可操作的建议。
目录
概述
OCP性能分析器MCP是一个多组件平台，旨在监控和分析OpenShift/Kubernetes集群在四个主要领域的性能：
- ETCD分析仪 -全面的etcd集群性能监控
- 网络分析仪 -网络堆栈性能分析（L1、套接字、netstat、I/O）
- OVN Kubernetes分析器 -OVN Kubernetes网络组件分析
- 节点分析器 -节点健康和性能监控（PLEG、运行时操作、资源使用）
每个组件包括：
- MCP服务器公开性能分析工具
- AI驱动的智能分析和报告代理
- Prometheus指标的数据收集工具
- ELT（提取-加载-转换）数据处理管道
- 使用DuckDB的持久存储
- 用于交互式分析的Web界面
建筑
高级体系结构
┌──────────────────────────────────────────────────────────┐
│ Client Layer │
│ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ │
│ │ Web UI │ │ CLI Tools │ │ REST API │ │
│ └──────┬───────┘ └──────┬───────┘ └──────┬───────┘ │
└─────────┼─────────────────┼─────────────────┼────────────┘
│ │ │
└─────────────────┼─────────────────┘
│
┌───────────────────────────┼───────────────────────────────┐
│ AI Agent Layer (Port 8080) │
│ ┌─────────────────────────────────────────────────────┐ │
│ │ LangGraph Agents: Chat, Report, Storage │ │
│ │ • Streaming responses │ │
│ │ • Tool orchestration │ │
│ │ • Conversation memory │ │
│ └─────────────────────────────────────────────────────┘ │
└───────────────────────────┬───────────────────────────────┘
│ MCP Protocol
┌───────────────────────────┼─────────────────────────────────────────────────┐
│ MCP Server Layer (Port 8000) │
│ ┌──────────────┐ ┌───────────────┐ ┌───────────────┐ ┌───────────────┐ │
│ │ ETCD Server │ │ Network Server│ │ OVNK Server │ │ Node Server │ │
│ │ 15+ tools │ │ 10+ tools │ │ 8+ tools │ │ 5+ tools │ │
│ └───────┬──────┘ └────────┬──────┘ └────────┬──────┘ └────────┬──────┘ │
└──────────┼──────────────────┼──────────────────┼──────────────────┼─────────┘
│ │ │ │
┌──────────┼──────────────────┼──────────────────┼──────────────────┼──────────┐
│ │ │ │ │ │
│ ┌───────▼───────┐ ┌───────▼───────┐ ┌───────▼───────┐ ┌───────▼───────┐ │
│ │ Tools/ │ │ Tools/ │ │ Tools/ │ │ Tools/ │ │
│ │ Collectors │ │ Collectors │ │ Collectors │ │ Collectors │ │
│ └───────┬───────┘ └───────┬───────┘ └───────┬───────┘ └───────┬───────┘ │
│ │ │ │ │ │
│ ┌───────▼───────┐ ┌───────▼───────┐ ┌───────▼───────┐ ┌───────▼───────┐ │
│ │ Analysis │ │ Analysis │ │ Analysis │ │ Analysis │ │
│ │ Modules │ │ Modules │ │ Modules │ │ Modules │ │
│ └───────┬───────┘ └───────┬───────┘ └───────┬───────┘ └───────┬───────┘ │
│ │ │ │ │ │
│ ┌───────▼───────┐ ┌───────▼───────┐ ┌───────▼───────┐ ┌───────▼───────┐ │
│ │ ELT │ │ ELT │ │ ELT │ │ ELT │ │
│ │ Pipeline │ │ Pipeline │ │ Pipeline │ │ Pipeline │ │
│ └───────┬───────┘ └───────┬───────┘ └───────┬───────┘ └───────┬───────┘ │
│ │ │ │ │ │
│ ┌───────▼──────────────────▼──────────────────▼──────────────────▼───────┐ │
│ │ Storage Layer (DuckDB) │ │
│ └────────────────────────────────────────────────────────────────────────┘ │
└──────────────────────────────────────────────────────────────────────────────┘
│
▼
┌─────────────────────────────────────────────────────────────┐
│ OpenShift/Kubernetes Cluster Infrastructure │
│ • ETCD Cluster • Prometheus • Kubernetes API │
│ • Master Nodes • OVN-Kubernetes • Network Components │
└─────────────────────────────────────────────────────────────┘
组件体系结构
每个分析器（etcd、network、ovnk）都遵循一致的架构：
- MCP服务器 -基于FastMCP的服务器公开分析工具
- 工具/收藏家 -Prometheus查询的专用度量收集器
- 分析模块 -性能分析和瓶颈检测
- ELT管道 -数据转换和HTML表生成
- 存储模块 -DuckDB历史数据持久化
- AI智能体 -基于LangGraph的智能分析代理
特性
核心能力
- 多组分分析：ETCD、网络和OVN Kubernetes分析器
- MCP协议：用于工具公开的模型上下文协议服务器
- AI驱动：与OpenAI集成的LangGraph代理
- 实时监控：实时指标收集和分析
- 历史分析：基于DuckDB的时间序列存储
- 自动报告：执行就绪的绩效报告
- Web界面：交互式聊天和分析UI
- 流媒体响应：通过SSE实时传输结果
ETCD分析仪功能
- 15+分析工具：群集状态、WAL fsync、后端提交、磁盘I/O、网络I/O、节点使用情况
- 深度驱动分析：多个子系统综合评审
- 瓶颈检测：自动识别性能问题
- 性能报告：附有建议的执行摘要
- 关键指标：WAL fsync P99（<10ms），后端提交P99（<25ms）
网络分析器功能
- 10+分析工具：L1统计、套接字统计（TCP/UDP/IP/mem/softnet）、netstat、网络I/O
- 多层分析：物理层到应用层指标
- 性能指标：吞吐量、延迟、数据包统计、连接跟踪
- 全面覆盖：9个类别的95个网络指标
OVN Kubernetes分析器功能
- 8+分析工具：OVN数据库、kubelet CNI、延迟、OVS使用情况、pod指标、API统计数据
- OVN特定指标：北向/南向数据库大小、同步性能
- CNI分析：Kubelet和CNI性能指标
- OVS监控：打开vSwitch守护进程和流表统计信息
节点分析器功能
- 5+分析工具：节点资源使用情况、PLEG延迟、kubelet运行时操作错误、集群信息、健康状态
- PLEG监测：Pod生命周期事件生成器重新列出具有可配置阈值的延迟指标
- 运行时错误跟踪：Kubelet运行时操作错误率（按操作类型）
- 资源指标：跨节点组（控制平面、工作区、基础设施、工作负载）的CPU、内存和c组使用情况
- 节点组支持：按节点角色分组的指标，用于目标分析
- Web用户界面：Markdown渲染的聊天界面，带有颜色编码的见解和建议
共享特征
- 配置管理：基于YAML的度量配置（11个度量文件）
- 认证：OpenShift/Kubernetes集群身份验证
- 普罗米修斯集成：直接执行PromQL查询
- 数据可视化：带突出显示的HTML表格生成
- 导出功能：报告、数据导出、历史查询
项目结构
ocp-performance-analyzer-mcp/
│
├── analysis/ # Performance analysis modules
│ ├── etcd/ # ETCD-specific analysis
│ │ ├── etcd_performance_deepdrive.py
│ │ └── etcd_performance_report.py
│ ├── net/ # Network analysis (future)
│ ├── node/ # Node analysis (future)
│ ├── ovnk/ # OVN-Kubernetes analysis (future)
│ └── utils/ # Shared analysis utilities
│ └── analysis_utility.py
│
├── config/ # Configuration management
│ ├── metrics_config_reader.py # Unified metrics loader
│ ├── metrics-alert.yml # Alert metrics
│ ├── metrics-api.yml # API server metrics
│ ├── metrics-cni.yml # CNI metrics
│ ├── metrics-disk.yml # Disk I/O metrics
│ ├── metrics-etcd.yml # ETCD metrics (51 metrics)
│ ├── metrics-latency.yml # Latency metrics
│ ├── metrics-net.yml # Network metrics (95 metrics)
│ ├── metrics-node.yml # Node metrics
│ ├── metrics-ovn.yml # OVN metrics
│ ├── metrics-ovs.yml # OVS metrics
│ ├── metrics-pods.yml # Pod metrics
│ ├── README.md # Config documentation
│ └── test_metrics_loading.py # Configuration tests
│
├── elt/ # Extract-Load-Transform pipeline
│ ├── etcd/ # ETCD ELT modules
│ │ ├── analyzer_elt_backend_commit.py
│ │ ├── analyzer_elt_bottleneck_analysis.py
│ │ ├── analyzer_elt_cluster_status.py
│ │ ├── analyzer_elt_compact_defrag.py
│ │ ├── analyzer_elt_general_info.py
│ │ ├── analyzer_elt_performance_deep_drive.py
│ │ ├── analyzer_elt_wal_fsync.py
│ │ └── etcd_analyzer_elt_*.py
│ ├── net/ # Network ELT modules
│ │ ├── analyzer_elt_network_io.py
│ │ ├── analyzer_elt_network_l1.py
│ │ ├── analyzer_elt_network_netstat4*.py
│ │ └── analyzer_elt_network_socket4*.py
│ ├── node/ # Node ELT modules
│ │ ├── analyzer_elt_node_usage.py
│ │ ├── analyzer_elt_node_pleg_relist.py
│ │ └── analyzer_elt_node_kubelet_runtime_operations_errors.py
│ ├── ocp/ # OCP cluster ELT modules
│ │ ├── analyzer_elt_cluster_alert.py
│ │ ├── analyzer_elt_cluster_apistats.py
│ │ └── analyzer_elt_cluster_info.py
│ ├── ovnk/ # OVN-Kubernetes ELT modules
│ │ ├── analyzer_elt_deepdrive.py
│ │ ├── analyzer_elt_kubelet_cni.py
│ │ ├── analyzer_elt_latency.py
│ │ └── analyzer_elt_ovs.py
│ ├── pods/ # Pod ELT modules
│ │ └── analyzer_elt_pods_usage.py
│ ├── disk/ # Disk ELT modules
│ │ └── analyzer_elt_disk_io.py
│ └── utils/ # ELT utilities
│ ├── analyzer_elt_json2table.py # Generic orchestrator
│ ├── analyzer_elt_utility.py # Pure utilities
│ └── README.md # ELT documentation
│
├── mcp/ # MCP servers and agents
│ ├── etcd/ # ETCD analyzer MCP server
│ │ ├── etcd_analyzer_mcp_server.py # Main MCP server
│ │ ├── etcd_analyzer_client_chat.py # Chat client (FastAPI)
│ │ ├── etcd_analyzer_mcp_agent_report.py # Report agent
│ │ ├── etcd_analyzer_mcp_agent_stor2db.py # Storage agent
│ │ ├── etcd_analyzer_command.sh # Management script
│ │ ├── etcd_analyzer_cluster.duckdb # DuckDB database
│ │ ├── exports/ # Report exports
│ │ ├── logs/ # Application logs
│ │ ├── storage/ # Storage modules
│ │ ├── pyproject.toml # Package config
│ │ └── README.md # ETCD docs
│ ├── net/ # Network analyzer MCP server
│ │ ├── network_analyzer_mcp_server.py
│ │ ├── network_analyzer_client_chat.py
│ │ ├── network_analyzer_mcp_command.sh
│ │ ├── exports/
│ │ ├── logs/
│ │ └── storage/
│ ├── node/ # Node analyzer MCP server
│ │ ├── node_analyzer_mcp_server.py # Main MCP server
│ │ ├── node_analyzer_client_chat.py # Chat client (FastAPI)
│ │ ├── mcp_tools/ # Modular MCP tool definitions
│ │ │ ├── __init__.py
│ │ │ ├── models.py # Pydantic models
│ │ │ ├── health_check.py # Health status tool
│ │ │ ├── cluster_info.py # Cluster info tool
│ │ │ ├── node_usage.py # Node usage tool
│ │ │ ├── node_pleg_relist.py # PLEG latency tool
│ │ │ └── node_kubelet_runtime_operations_errors.py # Runtime errors tool
│ │ ├── exports/
│ │ └── logs/
│ └── ovnk/ # OVN-Kubernetes analyzer MCP server
│ ├── ovnk_analyzer_mcp_server.py
│ ├── ovnk_analyzer_mcp_client_chat.py
│ ├── ovnk_analyzer_mcp_command.sh
│ ├── exports/
│ ├── logs/
│ ├── storage/
│ └── README.md
│
├── ocauth/ # OpenShift authentication
│ └── openshift_auth.py # K8s/OCP auth, token management
│
├── storage/ # DuckDB storage modules
│ ├── etcd/ # ETCD storage modules
│ │ ├── analyzer_stor_backend_commit.py
│ │ ├── analyzer_stor_cluster_info.py
│ │ ├── analyzer_stor_compact_defrag.py
│ │ ├── analyzer_stor_disk_io.py
│ │ ├── analyzer_stor_disk_wal_fsync.py
│ │ ├── analyzer_stor_general_info.py
│ │ ├── analyzer_stor_network_io.py
│ │ └── analyzer_stor_utility.py
│ ├── net/ # Network storage (future)
│ └── ovnk/ # OVN-Kubernetes storage (future)
│
├── tools/ # Metric collection tools
│ ├── etcd/ # ETCD collectors
│ │ ├── etcd_cluster_status.py
│ │ ├── etcd_general_info.py
│ │ ├── etcd_disk_wal_fsync.py
│ │ ├── etcd_disk_backend_commit.py
│ │ └── etcd_disk_compact_defrag.py
│ ├── net/ # Network collectors
│ │ ├── network_io.py
│ │ ├── network_l1.py
│ │ ├── network_netstat4tcp.py
│ │ ├── network_netstat4udp.py
│ │ ├── network_socket4tcp.py
│ │ ├── network_socket4udp.py
│ │ ├── network_socket4ip.py
│ │ ├── network_socket4mem.py
│ │ └── network_socket4softnet.py
│ ├── node/ # Node collectors
│ │ ├── node_usage.py
│ │ ├── node_pleg_relist.py
│ │ └── node_kubelet_runtime_operations_errors.py
│ ├── ocp/ # OCP collectors
│ │ ├── cluster_info.py
│ │ ├── cluster_apistats.py
│ │ └── cluster_alert.py
│ ├── ovnk/ # OVN-Kubernetes collectors
│ │ ├── ovnk_baseinfo.py
│ │ ├── ovnk_kubelet_cni.py
│ │ ├── ovnk_latency.py
│ │ └── ovnk_ovs_usage.py
│ ├── pods/ # Pod collectors
│ │ └── pods_usage.py
│ ├── disk/ # Disk collectors
│ │ └── disk_io.py
│ └── utils/ # Shared utilities
│ ├── promql_basequery.py # Base Prometheus queries
│ └── promql_utility.py # PromQL helpers
│
├── webroot/ # Web interfaces
│ ├── etcd/ # ETCD web UI
│ │ └── etcd_analyzer_mcp_llm.html
│ ├── net/ # Network web UI
│ │ └── network_analyzer_mcp_llm.html
│ ├── node/ # Node web UI
│ │ └── node_analyzer_mcp_llm.html
│ └── ovnk/ # OVN-Kubernetes web UI
│ └── ovnk_analyzer_mcp_llm.html
│
├── exports/ # Generated reports and exports
├── logs/ # Application logs
├── pyproject.toml # Main project configuration
├── LICENSE # License file
└── README.md # This file
安装
先决条件
- Python 3.8或更高版本
- 访问OpenShift/Kubernetes集群
- KUBECONFIG已配置
- 普罗米修斯/灭霸可用
- OpenAI API密钥（用于AI功能）
步骤1：克隆存储库
git clone https://github.com/liqcui/ocp-performance-analyzer-mcp.git
cd ocp-performance-analyzer-mcp
第二步：创建虚拟环境
python3 -m venv venv
source venv/bin/activate # Linux/Mac
# or
venv\Scripts\activate # Windows
步骤3：安装依赖项
pip install -e .
或者从根目录安装 pyproject.toml:
pip install -r requirements.txt # If available
关键依赖关系：
fastmcp>=1.12.4-MCP服务器框架fastapi>=0.115.7-Web框架langchain>=0.3.0-LLM集成langgraph>=0.3.0-代理编排duckdb>=1.0.0-时间序列数据库kubernetes>=30.0.0-Kubernetes客户端prometheus-api-client>=0.5.3-Prometheus查询pydantic>=2.0.0-数据验证pandas>=2.2.0-数据处理pyyaml>=6.0.1-配置解析
步骤4：配置环境
创建 .env 文件（可选）：
# OpenAI-compatible API configuration
OPENAI_API_KEY=your-api-key-here
BASE_URL=https://your-llm-api-endpoint
# OpenShift configuration
KUBECONFIG=/path/to/your/kubeconfig
# Optional: MCP Inspector
ENABLE_MCP_INSPECTOR=0
MCP_INSPECTOR_URL=http://127.0.0.1:8000/sse
步骤5：验证KUBECONFIG
export KUBECONFIG=/path/to/kubeconfig
kubectl get nodes
oc get clusterversion # For OpenShift
快速开始
ETCD分析仪
cd mcp/etcd
# Start MCP server
./etcd_analyzer_command.sh start
# Or manually
python etcd_analyzer_mcp_server.py
# Start chat client (in another terminal)
python etcd_analyzer_client_chat.py
# Access web UI
open http://localhost:8080/ui
网络分析仪
cd mcp/net
# Start MCP server
./network_analyzer_mcp_command.sh start
# Or manually
python network_analyzer_mcp_server.py
# Start chat client
python network_analyzer_client_chat.py
OVN Kubernetes分析器
cd mcp/ovnk
# Start MCP server
./ovnk_analyzer_mcp_command.sh start
# Or manually
python ovnk_analyzer_mcp_server.py
# Start chat client
python ovnk_analyzer_mcp_client_chat.py
节点分析器
cd mcp/node
# Start MCP server (Port 8004)
python node_analyzer_mcp_server.py
# Start chat client (Port 8084) in another terminal
python node_analyzer_client_chat.py
# Access web UI
open http://localhost:8084/ui
组件
1.MCP服务器
每个分析器都使用专用工具公开一个MCP服务器：
ETCD MCP服务器(mcp/etcd/etcd_analyzer_mcp_server.py)
工具：
get_server_health-服务器健康检查get_etcd_cluster_status-通过etcdctl获取集群健康状况get_ocp_cluster_info-集群信息get_etcd_general_info-一般etcd指标get_etcd_node_usage-主节点指标get_etcd_disk_wal_fsync-WAL fsync性能get_etcd_disk_backend_commit-后端提交性能get_node_disk_io-磁盘I/O指标get_etcd_disk_compact_defrag-压缩/碎片整理指标get_etcd_network_io-网络I/O指标get_etcd_performance_deep_drive-综合分析get_etcd_bottleneck_analysis-瓶颈检测generate_etcd_performance_report-执行报告
网络MCP服务器(mcp/net/network_analyzer_mcp_server.py)
工具：
get_ocp_cluster_info-集群信息query_network_l1_metrics-第1层网络统计query_network_io_metrics-网络I/O性能query_network_socket_tcp_metrics-TCP套接字统计query_network_socket_udp_metrics-UDP套接字统计query_network_socket_ip_metrics-IP套接字统计query_network_socket_mem_metrics-套接字内存统计query_network_socket_softnet_metrics-软网统计query_network_netstat_tcp_metrics-TCP网络统计指标query_network_netstat_udp_metrics-UDP网络统计指标
OVN Kubernetes MCP服务器(mcp/ovnk/ovnk_analyzer_mcp_server.py)
工具：
get_ocp_cluster_info-集群信息query_ovnk_pod_metrics-OVN Kubernetes pod指标query_multus_pod_metrics-Multus CNI指标query_ovnk_container_metrics-OVN容器指标query_ovnk_sync_metrics-OVN同步度量query_ovnk_ovs_metrics-OVS守护进程指标query_ovnk_latency_metrics-网络延迟指标query_kube_api_metrics-Kubernetes API指标
节点MCP服务器(mcp/node/node_analyzer_mcp_server.py)
工具：
get_server_health-服务器健康检查和收集器初始化状态get_ocp_cluster_info-集群信息和节点清单get_ocp_node_usage-按节点组划分的节点资源使用情况（CPU、内存、cgroup）get_ocp_node_pleg_latency-PLEG重新列出具有阈值的延迟指标- 健康：<1s
- 警告：1-10s
- 严重：>10秒（默认），可配置为3分钟
get_ocp_node_runtime_errors-Kubelet运行时操作错误率- 健康：<0.01错误/秒
- 警告：0.01-0.1错误/秒
- 严重：0.1-1错误/秒
- 严重：>1个错误/秒
特征：
- 模块化工具架构
mcp_tools/目录 - 节点组支持（控制平面、工作人员、基础设施、工作负载）
- 具有节点级指标的全面健康状况摘要
- 基于Markdown的聊天界面，语法高亮显示
- 实时流媒体响应
2.工具/收藏家
按类别组织的专业收藏家：
- ETCD：集群状态、一般信息、WAL fsync、后端提交、压缩/碎片整理
- 网络：I/O、L1、套接字（TCP/UDP/IP/mem/softnet）、netstat（TCP/UDP）
- 节点：CPU、内存、cgroup使用情况、PLEG重新列表延迟、kubelet运行时操作错误
nodeUsageCollector-节点资源指标（CPU、内存、cgroup）plegRelistCollector-Pod生命周期事件生成器延迟指标kubeletRuntimeOperationsErrorsCollector-按类型划分的运行时操作错误率
- 开闭原则：群集信息、API统计数据、警报
- OVNK：OVN数据库、kubelet CNI、延迟、OVS使用情况
- 容器组：Pod和容器指标
- 磁盘：磁盘I/O性能
3.分析模块
性能分析和报告：
- 深度驱动分析：多个子系统综合评审
- 瓶颈检测：自动问题识别
- 性能报告：附有建议的执行摘要
- 基线比较：当前绩效与目标绩效
- 根本原因分析：基于脚本+人工智能驱动的RCA
4.ELT管道
提取负载变换以进行数据处理：
- 通用编排器：将数据路由到特定指标的处理程序
- 度量处理程序：每种公制类型的专业ELT模块
- HTML生成：带突出显示的格式化表格
- 数据转换：JSON转换为结构化DataFrames
5.存储层
基于DuckDB的持久存储：
- 时间序列数据：高效的临时数据存储
- 模式管理：自动创建和迁移表
- 查询接口：基于SQL的数据访问
- 历史分析：长期绩效跟踪
6.人工智能代理
基于LangGraph的智能代理：
- 聊天代理：具有工具执行功能的对话界面
- 报告代理：自动生成性能报告
- 存储代理：数据收集和持久化
配置
指标配置
度量在YAML文件中定义，位于 config/:
metrics-etcd.yml-5个类别的51个ETCD指标metrics-net.yml-9个类别的95个网络指标metrics-api.yml-15 API服务器指标metrics-disk.yml-8个磁盘I/O指标metrics-node.yml-5个节点指标metrics-ovn.yml-2个OVN指标metrics-ovs.yml-18个OVS指标metrics-pods.yml-6个吊舱指标metrics-cni.yml-18个CNI指标metrics-latency.yml-18个延迟指标metrics-alert.yml-警报指标
看 config/README.md 查看详细的配置文档。
环境变量
# Required
export KUBECONFIG=/path/to/kubeconfig
# Optional - automatically set to UTC
export TZ=UTC
# LLM Configuration
export OPENAI_API_KEY=your-api-key
export BASE_URL=https://api.openai.com/v1
# MCP Inspector (optional)
export ENABLE_MCP_INSPECTOR=1
export MCP_INSPECTOR_URL=http://127.0.0.1:8000/sse
# Logging
export LOG_LEVEL=INFO
export OVNK_LOG_LEVEL=INFO
性能阈值
默认阈值（可在分析模块中配置）：
thresholds = {
'wal_fsync_p99_ms': 10.0, # Critical for write performance
'backend_commit_p99_ms': 25.0, # Critical for persistence
'cpu_usage_warning': 70.0, # Pod CPU warning
'cpu_usage_critical': 85.0, # Pod CPU critical
'memory_usage_warning': 70.0, # Pod memory warning
'memory_usage_critical': 85.0, # Pod memory critical
'peer_latency_warning_ms': 50.0, # Network warning
'peer_latency_critical_ms': 100.0, # Network critical
'network_utilization_warning': 70.0, # Network utilization warning
'network_utilization_critical': 85.0, # Network utilization critical
}
使用示例
示例1:ETCD性能分析
# Start ETCD analyzer
cd mcp/etcd
./etcd_analyzer_command.sh start
# In web UI, ask:
"Analyze etcd performance for the last hour"
"Show me WAL fsync performance"
"Generate a performance report for the last 24 hours"
示例2：网络分析
# Start network analyzer
cd mcp/net
python network_analyzer_mcp_server.py
# Query network metrics
curl -X POST http://localhost:8000/tools/query_network_io_metrics \
-H "Content-Type: application/json" \
-d '{"duration": "1h"}'
示例3:OVN Kubernetes分析
# Start OVN-Kubernetes analyzer
cd mcp/ovnk
python ovnk_analyzer_mcp_server.py
# Query OVN metrics
curl -X POST http://localhost:8000/tools/query_ovnk_pod_metrics \
-H "Content-Type: application/json" \
-d '{"duration": "1h"}'
示例4：绩效报告生成
# Using ETCD report agent
cd mcp/etcd
python etcd_analyzer_mcp_agent_report.py
# Follow prompts:
# 1. Select duration mode or time range mode
# 2. Enter duration (e.g., "1h") or time range
# 3. View streaming analysis and report
示例5：数据存储
# Using ETCD storage agent
cd mcp/etcd
python etcd_analyzer_mcp_agent_stor2db.py
# Data stored in etcd_analyzer_cluster.duckdb
# Query stored data:
python -c "
import duckdb
conn = duckdb.connect('etcd_analyzer_cluster.duckdb')
result = conn.execute('SELECT * FROM wal_fsync_p99_latency LIMIT 10').fetchall()
print(result)
"
api参考
MCP服务器端点
所有MCP服务器都通过HTTP/SSE公开工具：
- 基本URL:
http://localhost:8000 - 健康检查:
GET /health - 工具:
POST /tools/{tool_name}
聊天客户端端点
AI聊天客户端公开REST API：
- 基本URL:
http://localhost:8080 - Web用户界面:
GET /ui或GET / - 流媒体聊天:
POST /chat/stream - 非流媒体聊天:
POST /chat - 健康:
GET /api/mcp/health - 工具列表:
GET /api/tools
刀具参数
跨工具的通用参数：
duration（str）：持续时间（例如，“5m”、“1h”、“24h”）start_time（str，可选）：ISO格式的开始时间end_time（str，可选）：ISO格式的结束时间
有关API的详细文档，请参阅单个组件自述文件：
mcp/etcd/README.md-ETCD分析仪APImcp/ovnk/README.md-OVN-Kubernetes分析器APIconfig/README.md-配置APIelt/utils/README.md-API ELT管道
故障排除
常见问题
1.MCP服务器无法启动
解决：
# Check KUBECONFIG
echo $KUBECONFIG
kubectl get nodes
# Check if port 8000 is in use
lsof -i :8000
# Check logs
tail -f logs/mcp_server_*.log
2.身份验证失败
解决：
# Verify KUBECONFIG
export KUBECONFIG=/path/to/kubeconfig
kubectl auth can-i get pods -n openshift-etcd
# Check Prometheus access
kubectl get route -n openshift-monitoring
3.缺失指标
解决：
# Verify Prometheus is accessible
oc get pods -n openshift-monitoring | grep prometheus
# Check metric availability
oc exec -n openshift-monitoring prometheus-k8s-0 -- \
promtool query instant http://localhost:9090 \
'etcd_disk_wal_fsync_duration_seconds_bucket'
4.LLM API错误
解决：
# Check .env file
cat .env | grep OPENAI_API_KEY
# Test API connection
curl -H "Authorization: Bearer $OPENAI_API_KEY" \
$BASE_URL/models
调试模式
启用详细日志记录：
export LOG_LEVEL=DEBUG
export OVNK_LOG_LEVEL=DEBUG
python mcp/etcd/etcd_analyzer_mcp_server.py
贡献
开发设置
# Clone repository
git clone https://github.com/liqcui/ocp-performance-analyzer-mcp.git
cd ocp-performance-analyzer-mcp
# Create development environment
python3 -m venv venv
source venv/bin/activate
# Install in development mode
pip install -e .
# Install development dependencies
pip install pytest pytest-asyncio black flake8 mypy
代码风格
# Format code
black .
# Lint code
flake8 .
# Type checking
mypy .
添加新指标
- 以适当的方式定义度量
config/metrics-*.yml文件 - 添加收集器
tools/{category}/目录 - 在中添加ELT处理程序
elt/{category}/目录 - 在中添加存储模块
storage/{category}/目录 - 在MCP服务器中注册工具
- 更新文档
测试
# Run tests
pytest
# Run with coverage
pytest --cov=. --cov-report=html
许可证
MIT许可证-有关详细信息，请参阅许可证文件。
支持
对于问题和疑问：
- 检查故障排除部分
- 查看特定组件的自述文件
- 检查登录
logs/目录 - 打开一个包含详细日志和配置的问题
致谢
- MCP协议: 模型上下文协议
- LangChain: LangChain框架
- LangGraph: LangGraph
- FastMCP: FastMCP库
- DuckDB: DuckDB
- OpenShift: 红帽OpenShift
路线图
计划的功能
- []多集群支持
- []历史趋势分析
- []使用ML进行异常检测
- []自定义警报规则
- []Grafana集成
- []Slack/Teams通知
- []性能预测
- []自动补救建议
- []Kubernetes原生部署（Helm charts）
- []实时流媒体指标
内置于❤️ 面向OpenShift和Kubernetes社区
