GaussMaster

• 什么是GaussMaster
• 系统架构
• 安装启动
  • 前置条件
  • 启动方式概览
  • conf配置
  • 大语言模型选择
  • 向量模型配置
  • 前台服务部署
• 快速上手
• 贡献
• 许可证

什么是GaussMaster

GaussMaster是一款开源的数据库智能运维Copilot。基于LLM和AI等技术，GaussMaster旨在提供一站式、交互式的AI原生运维系统。用户可以通过文字命令，与GaussMaster平台自由对话，完成智能问答，根因诊断，故障巡检，预测调优等等任务，覆盖数据库开发运维全生命周期。

GaussMaster的设计目标具有如下能力：

• 全栈感知能力。支持多源数据（指标、日志、业务负载）实时采集、关联分析与预测。
• 分布式诊断能力。端到端链路追踪、跨节点依赖分析，支持复杂分布式系统的故障定位。
• 智能决策能力。基于大模型（盘古，DeepSeek等）、领域模型、业务模型等各层级智能决策系统，实现自诊断、自恢复、自调优，减少人工干预。
• 开放集成能力。可插拔架构，兼容多云 / 混合云环境，支持第三方工具接入和自定义扩展，支持二次开发低成本能力扩充。
• 持续进化能力。通过用户反馈和机器学习模型迭代，动态适应新负载、新架构。

作为一个开源的数据库运维工具，GaussMaster期望与广泛的开发者构建一个开放多元的数据库运维生态。对接不同的数据库，运维工具，大模型底座和领域模型。

系统架构

GaussMaster运行的系统架构如上图所示。GaussMaster的主服务依赖于以下模块运行：

• DBMind服务。GaussMaster通过DBMind服务纳管运行中的openGauss运行实例。
• 向量检索。GaussMaster调用用第三方的向量数据库存储知识片段，并在用户在线提问的时候进行向量检索。
• 向量模型。GaussMaster调用第三方的Embedding Service，将用户的提问向量化，用以向量检索。
• 重排序模型。GaussMaster调用第三方的Reranking Service将检索到的知识片段进行排序。
• 大模型推理。GaussMaster调用第三方的大模型服务进行推理，完成智能问答智能运维等各项任务。

安装启动

前置条件

确保DBMind服务，向量数据库，向量模型服务，重排序模型服务和大模型推理服务都正在运行，并且GaussMaster服务所在网络环境可以连接到上述各服务的端口。

启动方式概览

1. 执行python startup.py service setup -c conf命名， 该命令会在conf目录下创建GaussMaster配置文件gauss_master.conf和大模型配置文件model_config.yaml 在该命令执行后，用户需要完善配置信息
2. 执行echo '{"VECTOR_password": "x", "DBMIND_password": "x"}' | python startup.py service setup -c conf --initialize --initialize_meta_db命令， 该命令会对配置文件中的信息进行检查并加密存储，然后将智能运维需要用到的本地知识向量化到向量数据库中
3. 执行python startup.py service start -c conf命令，（在执行该命令前，需要先执行第5步，对UI进行编译） 该命令会启动GaussMaster服务，用户可以通过前台进行交互。

conf配置

在conf文件夹中找到gauss_master.conf配置文件，进行如下配置：

1. [VECTOR]章节的内容为向量数据库的实例地址，数据库名，用户名和密码
2. [DBMIND]章节的内容为对接DBMind暴露的对外接口，当前仅支持http协议
3. [WEB-SERVICE]章节的内容为GaussMaster web服务的地址，当前仅支持http协议，所以ssl值为false

大语言模型选择

当前支持调用如下模型服务：

• 盘古智子
• Chatglm3
• Baichuan2
• Llama3
• Qwen
• DeepSeek

在线大模型配置

在conf文件夹中找到model_config.yaml配置文件，进行如下配置，以盘古智子模型为例。

# default llm
model_name: pangu_sigma_unify_plugin_71b

# 配置url信息
online_llm:
  pangu_sigma_unify_plugin_71b:
    enable: True
    model_name: pangu_sigma_unify_plugin_71b
    api_type: Pangu
    api_url: http://*.*.*.*:*/chat/completions
    recommended_config:
      temperature: 0.7
      top_p: 1.0

向量模型配置

修改model_config.yaml中如下内容，添加api_url和完整model_path

# embedding model
embedding_model:
  api_url: xxx
  model_path: xxx

前台服务部署

第一步：修改`ui.env.development'文件，配置后台服务的URL，如下

# 后端服务
VITE_BASE_PROXY_URL = http://x.x.x.x:x

第二步：修改ui\vite.config.ts文件，配置前台服务的ip和host

第三步：如果是第一次编译前台代码，需要执行npm install命令，否则只需要执行npm run dev命令即可

cd ui
npm install
npm run dev

快速上手

智能问答

在部署完成之后，通过RESTful API调用ask_gauss接口向GaussMaster提问。

curl -X 'POST' "<gaussmaster_endpoint>/v1/api/ask_gauss" \
      -H 'accept: text/event-stream'  \
      -H "Content-Type: application/json" \
      -d '{ \
         "user_id": "123", \
         "session_id": "123", \
         "model_name":"pangu_cloud_sigma_unify_plugin_38b", \
         "lang":"zh", \
         "history_len":3, \
         "question":"GaussMaster是什么"\
      }'

请注意将<gaussmaster_endpoint>替换成上文中部署的GaussMaster服务的endpoint。

智能运维

首先需要通过DBMind，将openGauss实例纳管起来。在确保DBMind已经纳管的openGauss实例之后，使用下述命令在GaussMaster中注册。

curl -X 'POST' 'http://<gaussmaster_endpoint>/v1/api/clusters/register' \
      -H 'Content-Type: application/json'  \
      -d '{ \
         "cluster_name": <cluster_name>, \
         "host": <opengauss_host>, \
         "port": <opengauss_port>, \
         "username": <opengauss_username>, \
         "password": <opengauss_password>\
      }' 

请注意填入<cluster_name>, <opengauss_host>, <opengauss_port>, <opengauss_username>, <opengauss_password>参数，填入openGauss实例的认证信息。

在GaussMaster服务中成功注册之后，调用如下命令进行交互式运维。

curl -X 'POST' 'http://<gaussmaster_endpoint>/v1/api/app/intelligent-interaction' \
      -H 'accept: application/json' \
      -H 'Content-Type: application/json' \
      -d '{ \
         "query": "帮我查询当前数据库集群状态", \
         "mode": "tool_interaction", \
         "user_id": <user_id>, \
         "session_id": <session_id> \
      }' 

其中<user_id>和<session_id>分别为本次对话的用户和session id的唯一标识符。

贡献

欢迎大家来参与贡献。详情请参阅我们的社区贡献。

许可证

MulanPSL-2.0