开源 sysgrok — 用于分析、理解和优化系统的人工智能助手

作者：Sean Heelan

在这篇文章中，我将介绍 sysgrok，这是一个研究原型，我们正在研究大型语言模型 (LLM)（例如 OpenAI 的 GPT 模型）如何应用于性能优化、根本原因分析和系统工程领域的问题。你可以在 GitHub 上找到它。

Sysgrok 是做什么的？

sysgrok 可以执行以下操作：

采用分析器识别出最昂贵的函数和进程，解释每个函数和进程提供的功能，并提出优化建议
获取主机和主机遇到的问题的描述，自动调试问题并建议补救措施和进一步的操作
获取已由探查器注释的源代码，解释热路径，并提出提高代码性能的方法

Sysgrok 的功能针对三大类解决方案：

作为性能、可靠性和其他系统相关数据的分析引擎。在这种模式下，LLM （Large Language Model）会收到工程师使用的其他一些工具（例如 Linux 命令行工具、分析器或可观察性平台）的输出。 Sysgrok 的目标是使用 LLM 解释、总结并形成有关系统状态的假设。然后，它还可能建议优化或补救措施。
作为针对特定性能和可靠性相关任务的专注的自动化解决方案。在性能工程和 SRE 工作中，有些任务会反复出现。对于这些，我们可以构建有针对性的自动化助手，工程师或 sysgrok 本身可以直接使用它们来解决其他问题。例如，在性能工程中，回答以下问题：“Is there a faster version of this library with equivalent functionality （该库是否有具有同等功能的更快版本）？” 。 sysgrok 直接支持这一点。
作为性能和可靠性问题的自动化根本原因分析工具。前两类解决方案是数据分析、解释、搜索和总结的组合。至关重要的是，它们以集中的方式应用于工程师自己收集的数据。在 sysgrok 中，我们还在研究使用 LLM 解决问题的第三种方法，其中 LLM 与其他工具相结合，自动执行给定问题的根本原因分析和解决方案。在这种方法中，LLM 会得到问题描述（例如，“The web server is experiencing high latency（Web 服务器正在经历高延迟）”），并被告知可以使用哪些功能（例如，“ssh to host”、“execute arbitrary Linux command line tools”））。然后，LLM 被要求采取行动，利用其可用的能力，对问题进行分类。这些操作由 sysgrok 执行，LLM 被要求分析结果、对问题进行分类、提出补救措施并建议后续步骤。

Sysgrok 仍处于早期阶段，但我们发布它是因为它已经可用于各种任务 - 我们希望它将成为其他人执行类似实验的便捷基础。如果你有任何想法，请随时向我们发送 PR 或在 GitHub 上提交问题！

使用 LLM 分析性能问题

LLM，例如 OpenAI 的 GPT 模型，在过去几个月中迅速流行，为各种产品提供自然语言界面和核心引擎，从客户助理聊天机器人到数据操作助手，再到编码助理。这种趋势的一个有趣的方面是，基本上所有这些应用程序都使用现成的通用模型，这些模型没有针对当前的任务进行专门训练或微调。相反，它们接受了整个互联网大范围的培训，因此适用于各种各样的任务。

那么，我们能否利用这些模型来帮助进行性能分析、调试和优化呢？有多种方法可用于调查性能问题、对根本原因进行分类并提出优化方案。但从本质上讲，任何性能分析工作都将涉及查看各种工具（例如 Linux 命令行工具或可观察平台）的输出，并解释该输出以形成有关系统状态的假设。 GPT 模型训练的材料包括软件工程、调试、基础设施分析、操作系统内部结构、Kubernetes、Linux 命令及其用法以及性能分析方法。因此，这些模型可用于总结、解释和假设性能工程师日常遇到的数据和问题，这可以加快工程师进行分析的速度。

我们可以更进一步，超越纯粹将 LLM 用于工程师自己的调查过程中的数据分析和问题回答。正如我们稍后将在本文中展示的那样，LLM 本身可用于在某些情况下驱动该流程，由 LLM 决定运行哪些命令或查看哪些数据源来调试问题。

演示

有关 sysgrok 支持的全套功能，请查看 GitHub 存储库。总的来说，它支持三种解决问题的方法：

方法一：作为性能、可靠性和其他系统相关数据的分析引擎

在这种模式下，LLM 会收到工程师使用的另一个工具的输出，例如 Linux 命令行工具、分析器或可观察平台。 sysgrok 的目标是解释、总结并提出补救措施。

例如，topn 子命令采用分析器报告的最昂贵的函数，解释输出，然后建议优化系统的方法。

sysgrok - LLM-based analysis of Top N functions reported by a profiler and optimisation suggestions - asciinema

该视频还展示了 sysgrok 提供的聊天功能。当提供 –chat 参数时，sysgrok 将在 LLM 的每次响应后进入聊天会话。

此功能还可以普遍应用于 Linux 命令行工具的输出。例如，在《60 秒 Linux 性能分析》一文中，Brendan Gregg 概述了 SRE 在首次连接到遇到性能或稳定性问题的主机时应运行的 10 个命令。 analyzecmd 子命令将要连接的主机和要执行的命令作为输入，然后为用户分析和总结命令的输出。我们可以使用它来自动化 Gregg 描述的过程，并向用户提供 10 个命令生成的所有数据的一段摘要，从而省去他们必须逐一查看命令输出的麻烦。

sysgrok - Automating Brendan Gregg's "Linux Performance Analysis in 60 seconds" - asciinema

方法 2：作为针对特定性能和可靠性相关任务的集中式自动化解决方案

在性能工程和 SRE 工作中，有些任务会反复出现。对于这些，我们可以构建有针对性的自动化助手，工程师或 sysgrok 本身可以直接使用它们来解决其他问题。

例如，findfaster 子命令将库或程序的名称作为输入，并使用 LLM 查找更快、等效的替代品。这是性能工程中非常常见的任务。

sysgrok - Using an LLM to find a faster drop-in replacement for a given library or program - asciinema

Sysgrok 中这种方法的另一个示例是 explainfunction 子命令。该子命令采用库的名称和该库中的函数。它解释了该库的用途及其常见用例，然后解释了该函数。最后，如果该库和函数消耗大量 CPU 资源，它会建议可能的优化。

sysgrok - Using an LLM to explain a library & function, and give optimisation recommendations - asciinema

方法 3：作为性能和可靠性问题的自动化根本原因分析工具

LLM 的用途不仅限于集中回答问题、总结和类似任务。它也不限于一次性使用，即提出一个单一的、孤立的问题。 sysgrok debughost 子命令演示了如何将 LLM 用作代理中的 “大脑”，以实现自动解决问题的目标。在此模式下，LLM 嵌入到一个进程中，该进程使用 LLM 来决定如何调试特定问题，并使其能够连接到主机、执行命令和访问其他数据源。