Harness 与 Agent 工程 · 日志、监控与故障定位 · 2025-12-03

Aiops探索:基于 n8n 做一个巡检的aiops

探索如何用n8n打造智能巡检系统,轻松实现服务器健康监控自动化!

核心内容:

  1. 数据采集层部署方案:node_exporter+Prometheus组合
  2. n8n工作流设计:从定时触发到报告生成的完整链路
  3. 关键节点配置详解:HTTP请求、数据处理、异常标记等实操要点

研究Aiops有一段时间了,目前手里有不少可落地的方案了,接下来会把这些方案全部整理到我的大模型课程里。同时,欢迎大家把你遇到的场景在评论区留言。我会在能力范围内给你提供思路和建议。

今天收到一个同学的需求,想着做一个用来巡检的智能体。

我基于这个需求做了一个初版的方案,思路是这样的:1、数据采集层:

1)在每台需要巡检的虚拟机上部署 node_exporter,它会暴露机器的硬件和操作系统指标(CPU、内存、磁盘等)。2)Prometheus Server 定期从所有``node_exporter 拉取数据并存储。2、自动化与报告层:

1)定时触发: 每天早上(例如 8:00)通过``Cron 节点自动启动工作流。2)数据查询:n8n 通过 HTTP 请求调用 Prometheus 的 API,查询所有虚拟机的关键指标。3)数据处理与判断:n8n 将查询到的数据进行处理,并根据预设的阈值判断各项指标是否正常。4)报告生成:n8n 将处理后的数据动态生成一个 HTML 表格,对异常指标进行标红或标黄。5)报告发送:n8n 通过邮件(或其他方式如 Slack、钉钉)将生成的 HTML 报告发送给指定的收件人。

以下是n8n的工作流各节点说明:

节点 1: Cron Trigger (定时触发器)

这是工作流的入口,负责每天早上自动启动。

节点 2: HTTP Request (获取所有实例列表)

我们首先需要知道当前有哪些虚拟机在监控中。通过查询 Prometheus 的 up 指标可以轻松获取。

节点 3: Set (处理实例列表)

上一个节点返回的数据比较复杂,我们只需要提取出虚拟机的实例名(通常是 IP:端口)。

节点 4: Split In Batches (分批处理)

我们需要对每一台虚拟机分别查询其详细指标。这个节点可以帮我们遍历实例列表。

节点 5: HTTP Request (查询单台VM的所有指标)

这是核心查询节点。它在循环中为每一台虚拟机执行一次。

( label_replace( label_replace( label_replace( label_replace( label_replace( (100 - (avg by (instance) (irate(node_cpu_seconds_total{mode="idle",instance="{{ $node["Set"].json["instance"] }}"}[5m])) * 100)), "cpu_usage", "$1", "instance", "(.*)" ), "memory_usage", "$1", "instance", "(.*)" ), "disk_usage", "$1", "instance", "(.*)" ), "load1", "$1", "instance", "(.*)" ), "read_iops", "$1", "instance", "(.*)")or( (1 - (node_memory_MemAvailable_bytes{instance="{{ $node["Set"].json["instance"] }}"}} / node_memory_MemTotal_bytes{instance="{{ $node["Set"].…
— 以上为试看内容(约 40%),开通会员后阅读全文 —

原文出处:https://www.53ai.com/news/zhinenghuagaizao/2025120302976.html