HolmesGPT と K8sGPT の比較:Kubernetes の定期点検と障害調査
K8sGPT のアナライザーと HolmesGPT のツールセットを比較。Kubernetes の点検、横断的な障害調査、アクセス権限とモデル利用を確認します。
ImagePullBackOff が出たら、まず Pod の状態と直近のイベントを見る。イメージ名、レジストリ、認証のどこを確認すべきか、手がかりがすでにあることが多い。決済サービスの応答が 200 ミリ秒から 3 秒に伸びた場合は話が違う。Pod がすべて Ready でも、時間を使っているのはデータベースや下流の依存先かもしれない。
前者の症状を調べるアナライザーがあれば、K8sGPT から始めやすい。調べた結果に応じて次の問いが変わるなら、HolmesGPT が向いている。両者を選ぶときは、各作業にどんな証拠が必要かを考えたい。ここでは K8sGPT CLI 0.4.41、K8sGPT Operator 0.2.29、HolmesGPT 0.46.0 を参照する。
どこから調査を始めるか
| 観点 | K8sGPT | HolmesGPT |
|---|---|---|
| 起点 | 選んだアナライザーで Kubernetes リソースをチェックする | 調査したい問いを指定し、設定済みのツールから情報を集める |
| モデル | 分析はモデルなしで動く。--explain を使う場合は設定したバックエンドに調査結果が送られることがある |
対応するモデルプロバイダー、ツールセット、アクセス権限を設定する |
| Kubernetes の実行主体 | CLI は kubeconfig、クラスター内の Operator は設定された実行主体を使う | CLI は kubeconfig、クラスター内の Core と Logs は設定済みの ServiceAccount を使う |
| 定期実行 | K8sGPT Operator が K8sGPT リソースを調整し、検出結果を Result に書き込む | Holmes Operator は問いを指定したヘルスチェックをスケジュールやトリガーで実行できる |
| 運用で管理するもの | アナライザーの対象、確認範囲、結果の保存 | データソースへの接続、ツールの入出力、調査の範囲 |
名前空間が分かっているなら、k8sgpt analyze --namespace=checkout --filter=Pod,Service --output=json で範囲を絞れる。名前空間とフィルターは何を分析するかを指定する。実際に読み取れる範囲は kubeconfig の実行主体に従う。取得や権限のエラーを残しておけば、空の検出結果を正常と見誤りにくい。 K8sGPT CLI(英語) · フィルターと連携(英語)
定期チェックは範囲が分かるようにする
よくある Pod の異常や Ready なエンドポイントがない Service を調べるなら、その症状を扱うアナライザーと必要なリソースを確認する。結果には時刻、名前空間、チェックの種類が分かる形で残しておきたい。継続実行にはクラスター内の K8sGPT Operator を使え、検出結果は Result カスタムリソースに書かれる。後から必要になる情報は既存の監視やインシデント履歴に保存する。 K8sGPT Operator(英語) · カスタムアナライザー(英語)
説明が必要になったら、バックエンドを設定して --explain を使う。その前に、選んだアナライザーが集めた情報のうち、何が渡るかを確認する。--anonymize は一部のデータをマスクする。0.4.41 の CLI の説明ではイベントは対象外だ。モデルを替えると説明は変わるが、確認できる症状の範囲はアナライザーで決まる。 K8sGPT のプライバシー説明(英語) · 固定版の CLI フラグ
Holmes Operator にも定期ヘルスチェックがある。こちらは問いをモデルと設定済みのツールで実行するため、結果次第でクエリの回数や費用が変わる。定期実行できるかどうかより、何を入力にして、どんな証拠を残すかに違いがある。 Holmes Operator の定期チェック(英語) · トリガーによるチェック(英語)
システムをまたいで追える証拠をそろえる
10:02 にレイテンシーのアラートが発生し、10:05 にスケールアップが完了、10:10 にクラスターを開いたとする。そのときのレプリカ数で分かるのは復旧後の状態だ。障害時を調べるには、該当するトレースや時系列、デプロイ時刻、それらをつなげるサービスやインスタンスの識別情報がいる。直前のデプロイは手がかりになる。原因かどうかは他の証拠と照らし合わせる。
HolmesGPT は、接続したデータソースを使ってこうした手がかりを追える。組み込みの Kubernetes Core と Logs は、実行主体の権限内でリソースと Pod ログを読む。CLI なら kubeconfig を確認する。スタンドアロン Helm チャート 0.46.0 の既定値では、組み込みロールの読み取り権限はクラスター全体に及ぶ。必要な名前空間に絞り、実際に生成されるバインディングを確認する。読み取り専用でも運用データは参照できる。 HolmesGPT の Kubernetes ツールセット(英語) · 名前空間を限定する方法(英語) · 固定版 Helm values · 固定版ロールテンプレート
メトリクス、ログ、トレースなどの接続先はそれぞれ設定し、必要な時間帯とサービスが参照できるか確かめる。対応するモデルプロバイダーを設定し、モデルへの入力やツールの結果がどこに送られるかも把握する。権限がなくて読めなかったデータは、未確認のまま残す。調査を始める段階では、読み取り権限だけで組める。 HolmesGPT のツールセット(英語) · モデルプロバイダー(英語)
運用にかかる手間も見積もる
名前空間とアナライザーが決まっていれば、K8sGPT の処理量は見積もりやすい。モデルによる説明を繰り返せば、その分の利用量は増える。HolmesGPT は問いに応じてクエリ数、さかのぼる時間、戻るデータの量が変わる。モデルの利用料に加え、ツール接続の維持も見積もる。似たアラートを同じインシデントにまとめれば、同じ調査を何度も走らせずに済む。
必要なデータがすでに Guance にある場合は、今開いている画面から調査を始められる。対応するトレースやインフラの画面では、Obsy Copilot が選択中の対象、時間範囲、フィルターを権限内で使える。継続する作業には Obsy Agent Teams でツールとタスクを設定できる。外部システムには別途接続と権限が必要で、繰り返し利用する場合はプランとクレジットの条件も確認する。 Guance Obsy AI
日常業務の中心が決まったクラスターの点検なら K8sGPT が合う。Kubernetes からテレメトリーや他のシステムへ進む調査が多く、その接続を維持できるなら HolmesGPT を検討する。比較は公式資料と固定版のソースに基づく。例は作業の違いを示すためのもので、根本原因の精度には別途条件をそろえた検証が必要だ。
