Première partie sur deux. La partie II sera publiée la semaine prochaine et montrera la même boucle de bout en bout contre HolmesGPT sur un cluster réel.
Vous déployez un AI-SRE (votre propre boucle d'IA interne, ou l'un des nouveaux produits : Resolve AI, incident.io's Investigator, Datadog Bits). Lorsqu'une alerte se déclenche, elle propose un correctif : un délai d'attente ici, une nouvelle tentative là, une modification de la configuration. La suggestion semble plausible. Le fusionnez-vous ?
Aujourd'hui, vous lisez la différence, la comparez à votre modèle mental du service et décidez, ou vous déployez la mise en scène et attendez. Les bogues sur lesquels un AI-SRE est paginé (une exception non gérée sous une forme de requête rare, un aval qui expire pour certaines requêtes, un webhook qui s'emballe avec lui-même, une requête lente qui n'apparaît qu'à grande échelle) vivent dans l'écart entre le local et la production. Les tests unitaires et les simulations n'y arrivent pas. La mise en scène le fait, mais la mise en scène est lente (un déploiement à chaque itération) et partagée (vous êtes en concurrence avec tous les autres essayant de reproduire leurs propres bugs).
C'est là que Mirrord peut vous aider. Mirrord exécute une copie distincte de votre service comme s'il s'agissait d'un pod de votre cluster, connecté aux mêmes véritables avals et amonts sans déploiement. Ce guide montre comment connecter cela à votre AI-SRE afin que chaque correctif suggéré soit vérifié par rapport au cluster réel avant qu'il n'atteigne un humain, automatiquement, en un rien de temps, sans SDK ni code à importer.
Une nouvelle catégorie d'outils qui effectuent la première passe d'enquête lorsqu'une alerte se déclenche, avant même que l'humain de garde ne soit réveillé. L'AI-SRE rassemble le contexte qu'un humain aurait passé les dix premières minutes à assembler (déploiements récents, journaux associés, anomalies métriques, runbooks, incidents passés similaires) et propose une remédiation. La plupart se contentent de produire des suggestions ; c’est toujours un humain qui agit sur eux. Quelques-uns commencent à exécuter automatiquement des actions à faible risque (redémarrages de pods, retournements d'indicateurs de configuration, même de petits correctifs de code fusionnés automatiquement).
Les AI-SRE se déclinent en trois versions : autonomes (Resolve AI, NeuBird, Cleric), IA intégrée aux outils d'incident ou d'observabilité e...
[Courte citation de 8% de l'article original]