Панель управления одобрениями для агента устранения проблем в Kubernetes: FastAPI и React
Создайте бэкенд на FastAPI с использованием списка разрешений kubectl и панели управления одобрениями в React, чтобы агент для устранения проблем с ИИ мог исправлять инциденты только после того, как человек нажмет «Одобрить».
Источники: Self-Healing Kubernetes: Wiring OpenTelemetry, SigNoz, and a Groq-Powered Remediation Agent (PART 6)
Агент устранения проблем из предыдущего этапа уже может выявлять три вида инцидентов и запрашивать у Groq диагноз. Затем он пытается отправить карточку инцидента на бэкенд, который пока ещё не существует. На этом этапе создаётся этот бэкенд вместе с панелью управления на базе React, что завершает цикл обработки. Происходит инцидент, SigNoz его фиксирует, агент ставит диагноз, на панели управления появляется карточка, оператор нажимает «Одобрить», и процедура устранения проблем запускается в кластере. После первоначальной настройки терминал не требуется.
Как связаны компоненты
Агент для устранения проблем отправляет карточки инцидентов на сервер с помощью запроса POST /api/incidents. Сервис FastAPI хранит эти карточки, проверяет команды kubectl и применяет одобренные исправления с использованием инструментов Kubernetes. Панель управления на базе React считывает список карточек с помощью запроса GET /api/incidents и выполняет действия с карточкой через запросы POST /api/incidents/{id}/approve или /reject. На экране отображаются карточки инцидентов, кнопки «Одобрить» и «Отклонить», индикатор уровня уверенности и журнал аудита.
Внутри кластера запущены два контейнера. Приложение на React представляет собой статическую версию, обслуживаемую nginx, а сервер FastAPI — единственный компонент, имеющий право взаимодействовать с API Kubernetes.
Шаг 1: Создание папок
Оба компонента находятся внутри директории dashboard проекта:
cd ~/k8s-aiops-blog
mkdir -p dashboard/backend dashboard/frontend
Шаг 2: Бэкенд FastAPI
Бэкенд выполняет четыре функции. Он хранит поступающие карты в памяти, что вполне достаточно для демонстрации, поскольку не используется база данных. Он передает эти карты фронтенду и обрабатывает действия «Одобрить» и «Отклонить». При нажатии на «Одобрить» он проверяет предложенную команду kubectl, а затем выполняет её. Начните работу в папке бэкенда:
cd ~/k8s-aiops-blog/dashboard/backend
Затем создайте main.py:
cat > main.py <<'EOF'
"""
Approval dashboard backend.
Receives incident cards from the remediation agent, serves them to the
React frontend, and applies approved kubectl commands via the Kubernetes
Python client.
"""
import logging
import shlex
import subprocess
import time
from typing import Literal
from uuid import uuid4from fastapi import FastAPI, HTTPException
from fastapi.middleware.cors import CORSMiddleware
from pydantic import BaseModellogging.basicConfig(
level=logging.INFO,
format="%(asctime)s %(levelname)s %(name)s — %(message)s",
)
log = logging.getLogger("dashboard")app = FastAPI(title="Approval Dashboard")app.add_middleware(
CORSMiddleware,
allow_origins=["*"],
allow_methods=["*"],
allow_headers=["*"],
)# ---------------------------------------------------------------------------
# In-memory store. Fine for a demo; swap for SQLite or Redis in production.
# ---------------------------------------------------------------------------
INCIDENTS: dict[str, dict] = {}# ---------------------------------------------------------------------------
# kubectl command allowlist.
# The LLM proposes a fix. We only execute it if it matches one of these
# safe prefixes. Nothing with delete, drain, or --all gets through.
# ---------------------------------------------------------------------------
ALLOWED_PREFIXES = (
"kubectl set env",
"kubectl rollout restart",
"kubectl scale",
"kubectl set resources",
)BLOCKED_TERMS = ("delete", "drain", "--all", "cluster-admin", "exec", "cp")
# ---------------------------------------------------------------------------
# Models
# ---------------------------------------------------------------------------
class IncidentCard(BaseModel):
id: str
timestamp: int
service: str
signals: dict
diagnosis: dict
status: Literal["pending", "approved", "rejected"] = "pending"
class ActionRequest(BaseModel):
actor: str = "operator"
# ---------------------------------------------------------------------------
# Routes
# ---------------------------------------------------------------------------
@app.get("/healthz")
def healthz():
return {"ok": True}
@app.post("/api/incidents", status_code=201)
def receive_incident(card: IncidentCard):
INCIDENTS[card.id] = card.dict()
log.info("incident received: id=%s type=%s", card.id, card.diagnosis.get("incident_type"))
return {"id": card.id}
@app.get("/api/incidents")
def list_incidents():
# Most recent first
return sorted(INCIDENTS.values(), key=lambda c: c["timestamp"], reverse=True)
@app.get("/api/incidents/{incident_id}")
def get_incident(incident_id: str):
if incident_id not in INCIDENTS:
raise HTTPException(status_code=404, detail="not found")
return INCIDENTS[incident_id]
@app.post("/api/incidents/{incident_id}/approve")
def approve_incident(incident_id: str, req: ActionRequest):
card = INCIDENTS.get(incident_id)
if not card:
raise HTTPException(status_code=404, detail="not found")
if card["status"] != "pending":
raise HTTPException(status_code=409, detail=f"incident already {card['status']}") proposed = card["diagnosis"].get("proposed_fix", "")
log.info("approve requested: id=%s fix=%r actor=%s", incident_id, proposed, req.actor) # Validate against allowlist
allowed = any(proposed.startswith(p) for p in ALLOWED_PREFIXES)
blocked = any(term in proposed for term in BLOCKED_TERMS) if not allowed or blocked:
log.error("REJECTED by allowlist: %r", proposed)
raise HTTPException(
status_code=400,
detail=f"proposed command did not pass allowlist validation: {proposed!r}",
) # Apply the fix
try:
args = shlex.split(proposed)
result = subprocess.run(
args,
capture_output=True,
text=True,
timeout=30,
)
if result.returncode != 0:
log.error("kubectl failed: %s", result.stderr)
raise HTTPException(status_code=500, detail=f"kubectl error: {result.stderr}") log.info("kubectl succeeded: %s", result.stdout.strip())
card["status"] = "approved"
card["applied_at"] = int(time.time())
card["applied_by"] = req.actor
card["kubectl_output"] = result.stdout.strip()
INCIDENTS[incident_id] = card
return {"status": "approved", "kubectl_output": result.stdout.strip()} except subprocess.TimeoutExpired:
raise HTTPException(status_code=504, detail="kubectl timed out")
@app.post("/api/incidents/{incident_id}/reject")
def reject_incident(incident_id: str, req: ActionRequest):
card = INCIDENTS.get(incident_id)
if not card:
raise HTTPException(status_code=404, detail="not found")
if card["status"] != "pending":
raise HTTPException(status_code=409, detail=f"incident already {card['status']}") card["status"] = "rejected"
card["rejected_at"] = int(time.time())
card["rejected_by"] = req.actor
INCIDENTS[incident_id] = card
log.info("incident rejected: id=%s actor=%s", incident_id, req.actor)
return {"status": "rejected"}
EOF
Проверку списка разрешенных команд стоит рассмотреть более внимательно. Переменная ALLOWED_PREFIXES обеспечивает соблюдение правила, согласно которому команда должна начинаться с одной из одобренных безопасных операций. Переменная BLOCKED_TERMS представляет собой второй фильтр, отклоняющий любые команды, содержащие слова, запуск которых категорически запрещен, независимо от префикса. Оба фильтра должны пройти проверку, поэтому команда, начинающаяся с kubectl set env но с параметром --all, также будет отклонена.
Для простоты и возможности аудита в коде используется функция subprocess.run вместо Python-SDK Kubernetes, что облегчает запись точной информации о выполненной команде. В производственной среде предпочтительнее использовать методы CoreV1Api или AppsV1Api из SDK, поскольку они позволяют избежать запуска отдельного подпроцесса и возвращают структурированные сообщения об ошибках.
Шаг 3: Фиксация версий зависимостей
Точные версии зависимостей указываются в файле requirements.txt:
cat > requirements.txt <<'EOF'
fastapi==0.115.0
uvicorn[standard]==0.32.0
pydantic==2.9.2
httpx==0.27.2
EOF
Шаг 4: Dockerfile для бэкенда
Всё начинается с легкого образа Python:
cat > Dockerfile <<'EOF'
FROM python:3.11-slim
Остальная часть устанавливает kubectl, чтобы бэкенд мог применять исправления, а затем настраивает приложение:
# Install kubectl so the backend can apply fixes
RUN apt-get update && apt-get install -y curl && \
curl -LO "https://dl.k8s.io/release/$(curl -Ls https://dl.k8s.io/release/stable.txt)/bin/linux/amd64/kubectl" && \
install -o root -g root -m 0755 kubectl /usr/local/bin/kubectl && \
rm kubectl && \
apt-get cleanWORKDIR /app
COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt
COPY main.py .EXPOSE 9000
CMD ["uvicorn", "main:app", "--host", "0.0.0.0", "--port", "9000"]
EOF
Шаг 5: Фронтенд на React
Фронтенд представляет собой обычный HTML-файл, который загружает библиотеки React и Tailwind с CDN, поэтому ничего не нужно компилировать, и Dockerfile остается простым. Сначала перейдите в папку с фронтендом:
cd ~/k8s-aiops-blog/dashboard/frontend
Затем напишите index.html:
cat > index.html <<'EOF'
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8" />
<meta name="viewport" content="width=device-width, initial-scale=1.0"/>
<title>SRE Approval Dashboard</title>
<script src="https://cdnjs.cloudflare.com/ajax/libs/react/18.2.0/umd/react.production.min.js"></script>
<script src="https://cdnjs.cloudflare.com/ajax/libs/react-dom/18.2.0/umd/react-dom.production.min.js"></script>
<script src="https://cdnjs.cloudflare.com/ajax/libs/babel-standalone/7.23.2/babel.min.js"></script>
<link href="https://cdnjs.cloudflare.com/ajax/libs/tailwindcss/2.2.19/tailwind.min.css" rel="stylesheet"/>
</head>
<body class="bg-gray-950 text-gray-100 min-h-screen">
<div id="root"></div><script type="text/babel">
const API = "http://localhost:9000";const SEVERITY_COLOR = {
critical: "bg-red-600",
high: "bg-orange-500",
medium: "bg-yellow-500",
low: "bg-blue-500",
};const TYPE_LABEL = {
crash_loop: "Crash Loop",
oom_kill: "OOM Kill",
latency_spike: "Latency Spike",
token_spike: "Token Spike",
unknown: "Unknown",
};function ConfidenceBadge({ value }) {
const pct = Math.round((value || 0) * 100);
const color = pct >= 80 ? "text-green-400" : pct >= 50 ? "text-yellow-400" : "text-red-400";
return (
<span className={`text-xs font-mono font-bold ${color}`}>
{pct}% confidence
</span>
);
}function IncidentCard({ card, onAction }) {
const d = card.diagnosis || {};
const sev = d.severity || "low";
const isPending = card.status === "pending"; return (
<div className="bg-gray-900 border border-gray-700 rounded-xl p-5 mb-4 shadow-lg">
{/* Header row */}
<div className="flex items-center justify-between mb-3">
<div className="flex items-center gap-2">
<span className={`text-xs font-bold px-2 py-0.5 rounded-full text-white ${SEVERITY_COLOR[sev] || "bg-gray-600"}`}>
{sev.toUpperCase()}
</span>
<span className="font-semibold text-white">
{TYPE_LABEL[d.incident_type] || d.incident_type}
</span>
<span className="text-gray-400 text-sm">— {card.service}</span>
</div>
<div className="flex items-center gap-3">
<ConfidenceBadge value={d.confidence} />
<span className="text-xs text-gray-500">
{new Date(card.timestamp * 1000).toLocaleTimeString()}
</span>
</div>
</div> {/* Root cause */}
<p className="text-sm text-gray-300 mb-3">
<span className="text-gray-500 mr-1">Root cause:</span>
{d.root_cause}
</p> {/* Proposed fix */}
<div className="bg-gray-800 rounded-lg px-4 py-2 mb-4 font-mono text-sm text-green-300 flex items-center gap-2">
<span className="text-gray-500 select-none">lt;/span>
{d.proposed_fix}
</div> {/* Low confidence warning */}
{(d.confidence || 0) < 0.6 && isPending && (
<div className="bg-yellow-900 border border-yellow-600 rounded-lg px-3 py-2 mb-3 text-yellow-300 text-xs">
⚠ Low confidence — review signals carefully before approving.
</div>
)} {/* Action buttons or status badge */}
{isPending ? (
<div className="flex gap-3 mt-2">
<button
onClick={() => onAction(card.id, "approve")}
className="bg-green-600 hover:bg-green-500 text-white text-sm font-semibold px-5 py-2 rounded-lg transition"
>
✓ Approve
</button>
<button
onClick={() => onAction(card.id, "reject")}
className="bg-red-700 hover:bg-red-600 text-white text-sm font-semibold px-5 py-2 rounded-lg transition"
>
✗ Reject
</button>
</div>
) : (
<div className={`inline-block text-xs font-bold px-3 py-1 rounded-full mt-1 ${
card.status === "approved" ? "bg-green-800 text-green-300" : "bg-red-900 text-red-300"
}`}>
{card.status === "approved" ? "✓ Approved" : "✗ Rejected"}
{card.applied_by && ` by ${card.applied_by}`}
</div>
)} {/* kubectl output on approved cards */}
{card.kubectl_output && (
<div className="mt-3 bg-gray-800 rounded-lg px-4 py-2 font-mono text-xs text-gray-400">
{card.kubectl_output}
</div>
)}
</div>
);
}function App() {
const [incidents, setIncidents] = React.useState([]);
const [loading, setLoading] = React.useState(true);
const [error, setError] = React.useState(null);
const [acting, setActing] = React.useState(null); const fetchIncidents = () => {
fetch(`${API}/api/incidents`)
.then(r => r.json())
.then(data => { setIncidents(data); setLoading(false); setError(null); })
.catch(e => { setError(e.message); setLoading(false); });
}; React.useEffect(() => {
fetchIncidents();
const id = setInterval(fetchIncidents, 10000); // poll every 10s
return () => clearInterval(id);
}, []); const handleAction = async (id, action) => {
setActing(id);
try {
const r = await fetch(`${API}/api/incidents/${id}/${action}`, {
method: "POST",
headers: { "Content-Type": "application/json" },
body: JSON.stringify({ actor: "operator" }),
});
if (!r.ok) {
const err = await r.json();
alert(`Action failed: ${err.detail}`);
}
fetchIncidents();
} catch (e) {
alert(`Network error: ${e.message}`);
} finally {
setActing(null);
}
}; const pending = incidents.filter(c => c.status === "pending");
const resolved = incidents.filter(c => c.status !== "pending"); return (
<div className="max-w-3xl mx-auto px-4 py-8">
{/* Header */}
<div className="mb-8">
<h1 className="text-2xl font-bold text-white">SRE Approval Dashboard</h1>
<p className="text-gray-400 text-sm mt-1">
Human-in-the-loop remediation — review every fix before it runs
</p>
</div> {loading && <p className="text-gray-500">Loading incidents…</p>}
{error && <p className="text-red-400">Could not reach backend: {error}</p>} {/* Pending */}
{pending.length > 0 && (
<section className="mb-8">
<h2 className="text-sm font-semibold text-gray-400 uppercase tracking-widest mb-3">
Awaiting Review ({pending.length})
</h2>
{pending.map(c => (
<IncidentCard key={c.id} card={c} onAction={handleAction} />
))}
</section>
)} {pending.length === 0 && !loading && (
<div className="bg-gray-900 border border-gray-700 rounded-xl p-8 text-center text-gray-500 mb-8">
No pending incidents. The cluster looks healthy.
</div>
)} {/* Resolved */}
{resolved.length > 0 && (
<section>
<h2 className="text-sm font-semibold text-gray-400 uppercase tracking-widest mb-3">
Resolved ({resolved.length})
</h2>
{resolved.map(c => (
<IncidentCard key={c.id} card={c} onAction={handleAction} />
))}
</section>
)}
</div>
);
}ReactDOM.createRoot(document.getElementById("root")).render(<App />);
</script>
</body>
</html>
EOF
Шаг 6: Dockerfile фронтенда
Изображение nginx обслуживает статическую страницу:
cat > Dockerfile <<'EOF'
FROM nginx:alpine
COPY index.html /usr/share/nginx/html/index.html
EXPOSE 80
EOF
Шаг 7: Создание изображений и их загрузка в Kind
Каждое изображение сначала создаётся, а затем загружается в локальный кластер, начиная с бэкенда:
cd ~/k8s-aiops-blog/dashboard/backend
docker build -t approval-backend:v1 .
kind load docker-image approval-backend:v1 --name aiops
А затем фронтенд:
cd ~/k8s-aiops-blog/dashboard/frontend
docker build -t approval-frontend:v1 .
kind load docker-image approval-frontend:v1 --name aiops
Шаг 8: Манифесты Kubernetes
Один файл dashboard.yaml содержит информацию о Deployment’ах и Service’ах для обеих частей:
cat > ~/k8s-aiops-blog/k8s/dashboard.yaml <<'EOF'
# ── Backend ────────────────────────────────────────────────────────────────
apiVersion: apps/v1
kind: Deployment
metadata:
name: approval-backend
namespace: apps
spec:
replicas: 1
selector:
matchLabels:
app: approval-backend
template:
metadata:
labels:
app: approval-backend
spec:
containers:
- name: backend
image: approval-backend:v1
imagePullPolicy: IfNotPresent
ports:
- containerPort: 9000
readinessProbe:
httpGet:
path: /healthz
port: 9000
initialDelaySeconds: 5
periodSeconds: 10
resources:
requests:
memory: "128Mi"
cpu: "100m"
limits:
memory: "256Mi"
cpu: "500m"
---
apiVersion: v1
kind: Service
metadata:
name: approval-dashboard
namespace: apps
spec:
selector:
app: approval-backend
ports:
- port: 9000
targetPort: 9000
---
# ── Frontend ───────────────────────────────────────────────────────────────
apiVersion: apps/v1
kind: Deployment
metadata:
name: approval-frontend
namespace: apps
spec:
replicas: 1
selector:
matchLabels:
app: approval-frontend
template:
metadata:
labels:
app: approval-frontend
spec:
containers:
- name: frontend
image: approval-frontend:v1
imagePullPolicy: IfNotPresent
ports:
- containerPort: 80
resources:
requests:
memory: "64Mi"
cpu: "50m"
limits:
memory: "128Mi"
cpu: "200m"
---
apiVersion: v1
kind: Service
metadata:
name: approval-frontend-svc
namespace: apps
spec:
selector:
app: approval-frontend
ports:
- port: 3000
targetPort: 80
EOF
Примените его, затем дождитесь завершения обоих запусков:
kubectl apply -f ~/k8s-aiops-blog/k8s/dashboard.yaml
kubectl rollout status deployment/approval-backend -n apps
kubectl rollout status deployment/approval-frontend -n apps
Шаг 9: Открыть панель управления
Требуется ещё два перенаправления портов, причём каждое — в отдельной вкладке терминала. Первое предназначено для доступа к бэкенду:
kubectl port-forward -n apps svc/approval-dashboard 9000:9000
Второй показывает фронтенд:
kubectl port-forward -n apps svc/approval-frontend-svc 3000:3000
Перейдите по адресу http://localhost:3000. На странице отображается пустое состояние «Нет ожидающих инцидентов», что в настоящее время соответствует действительности.
Шаг 10: Запустить весь цикл
Здесь всё соединяется, поэтому используйте четыре вкладки терминала рядом друг с другом. Первая отслеживает журналы агента:
kubectl logs -n apps deployment/remediation-agent --tail=5 -f
Второй отслеживает пакеты сервиса подведения итогов:
kubectl get pods -n apps -w
Третий запускает цикл сбоев:
kubectl set env deployment/summarizer -n apps KILL_ME=true
curl -s http://localhost:8000/crash
Четвертым является браузер на http://localhost:3000.
Примерно через тридцать секунд агент фиксирует сигнал о петле сбоев, отмечает аномалию, вызывает Groq и записывает диагноз с предложенным способом устранения:
... WARNING crash loop signal: error_rate=1.00
... INFO anomaly detected: crash_loop — calling Groq for diagnosis
... INFO diagnosis: type=crash_loop severity=critical confidence=0.91
fix=kubectl set env deployment/summarizer -n apps KILL_ME-
... INFO incident posted: id=<uuid> type=crash_loop
Панель управления обновляется сама каждые десять секунд, и появляется карточка инцидента:
CRITICAL Crash Loop — summarizer 91% confidence
Root cause: The KILL_ME environment variable is set to true, causing the process to exit immediately on each start.
$ kubectl set env deployment/summarizer -n apps KILL_ME-
[ ✓ Approve ] [ ✗ Reject ]
При нажатии на «Одобрить» сервер проверяет команду по списку разрешенных действий, выполняет ее и обновляет карту:
✓ Approved by operator
deployment.apps/summarizer env updated
В вкладке отслеживания подов суммаризатор запускается заново без проблем и переходит в состояние «Running 1/1», не возвращаясь к ошибке CrashLoopBackOff. Цикл завершён.
Соблюдение честности списка разрешённых действий
Этот список составлен намеренно консервативно. В реальной среде его можно расширить на основе руководств, которыми уже пользуется команда. Если стандартным решением проблемы утечки памяти всегда является команда kubectl rollout restart, её следует добавить. Если иногда требуется команда kubectl scale, её тоже следует добавить.
Не добавляйте ничего разрушительного. Языковые модели редко бывают достаточно точными, чтобы доверять им команду kubectl delete. Этап утверждения существует потому, что именно в 9 процентах случаев, когда модель ошибается при уровне уверенности 91 процент, кто-то вынужден бодрствовать в 3 часа ночи.
Что остаётся
Далее рассматриваются несколько дополнений. Полное описание цикла сбоев, процесса завершения работы из-за нехватки памяти и резкого увеличения количества токенов покажет графики SigNoz для каждого из этих случаев. Хранилище информации о инцидентах в оперативной памяти должно быть заменено на настоящую базу данных, Slack может уведомлять о появлении каждой новой карточки, а в экосистеме CNCF существуют проекты, достойные изучения для применения в производстве.