В высокопроизводительных сетях 35 секунд - это целая жизнь. Это была задержка, необходимая для просмотра нашей таблицы отслеживания подключений, содержащей 7 миллионов записей, с максимальной скоростью 200 000 записей в секунду. На нашем пике в 16 миллионов записей этот последовательный поиск может занимать до 80 секунд, что приводит к тайм-аутам Cilium CNI, препятствующим запуску новых модулей на затронутых узлах.

Что умеет:

— объединять специализированных агентов в команду;

— подключать инструменты через MCP

— работать с OpenAI, Anthropic, Gemini, Bedrock, Ollama и другими моделями

— запрашивать подтверждение человека перед опасными действиями

— экспортировать все решения и вызовы инструментов в OpenTelemetry

— работать внутри собственного контура, включая изолированные среды

Конфигурация агентов, промпты, модели, инструменты и политики доступа описываются в TOML, их можно хранить в Git и проводить через обычный code review.

Из коробки есть интеграции с Kubernetes, Prometheus, Grafana, Datadog, PagerDuty, GitHub, Jira, Slack и другими системами. Запускать AURA можно локально в Docker или Kubernetes.

В общем и целом, это AI-помощник для расследования инцидентов.

Недавно мы начали переносить кластеры Kafka с EC2 на EKS с помощью Strimzi. Как только мы переместили первый кластер, мы увидели постоянное чтение данных с диска через брокеров и более высокую задержку, чем мы ожидали на сопоставимом оборудовании.

В настоящее время я работаю с клиентом над созданием системы автоматизации на основе агентов, предназначенной для сокращения ручного труда, связанного с еженедельной, ежемесячной и внеплановой операционной деятельностью.

В части 1 я рассказал о философии k6 и особенностях первого теста. В этом посте рассказывается о том, как все стало по—настоящему - о тестовом наборе производственного уровня, запущенном в реальном времени с приложением для микросервисов в кластере homelab Kubernetes, в том числе о том, что пошло не так при первом запуске и как я это отладил.