OCP性能分析仪MCP

](https://www.python.org/downloads/) ![License](LICENSE) ![MCP Protocol](https://modelcontextprotocol.io)

一个全面的、基于人工智能的OpenShift/Kubernetes集群性能分析和监控平台。该项目提供模型上下文协议（MCP）服务器，用于分析etcd、网络和OVN Kubernetes组件，并提供深入的性能见解、自动化的根本原因分析和可操作的建议。

概述

OCP性能分析器MCP是一个多组件平台，旨在监控和分析OpenShift/Kubernetes集群在四个主要领域的性能：

ETCD分析仪 -全面的etcd集群性能监控
网络分析仪 -网络堆栈性能分析（L1、套接字、netstat、I/O）
OVN Kubernetes分析器 -OVN Kubernetes网络组件分析
节点分析器 -节点健康和性能监控（PLEG、运行时操作、资源使用）

每个组件包括：

MCP服务器公开性能分析工具
AI驱动的智能分析和报告代理
Prometheus指标的数据收集工具
ELT（提取-加载-转换）数据处理管道
使用DuckDB的持久存储
用于交互式分析的Web界面

建筑

高级体系结构

┌──────────────────────────────────────────────────────────┐
│                    Client Layer                          │
│  ┌──────────────┐  ┌──────────────┐  ┌──────────────┐    │
│  │   Web UI     │  │   CLI Tools  │  │   REST API   │    │
│  └──────┬───────┘  └──────┬───────┘  └──────┬───────┘    │
└─────────┼─────────────────┼─────────────────┼────────────┘
          │                 │                 │
          └─────────────────┼─────────────────┘
                            │
┌───────────────────────────┼───────────────────────────────┐
│                    AI Agent Layer (Port 8080)             │
│  ┌─────────────────────────────────────────────────────┐  │
│  │  LangGraph Agents: Chat, Report, Storage            │  │
│  │  • Streaming responses                              │  │
│  │  • Tool orchestration                               │  │
│  │  • Conversation memory                              │  │
│  └─────────────────────────────────────────────────────┘  │
└───────────────────────────┬───────────────────────────────┘
                            │ MCP Protocol
┌───────────────────────────┼─────────────────────────────────────────────────┐
│                    MCP Server Layer (Port 8000)                             │
│  ┌──────────────┐  ┌───────────────┐  ┌───────────────┐  ┌───────────────┐  │
│  │ ETCD Server  │  │ Network Server│  │ OVNK Server   │  │ Node Server   │  │
│  │ 15+ tools    │  │ 10+ tools     │  │ 8+ tools      │  │ 5+ tools      │  │
│  └───────┬──────┘  └────────┬──────┘  └────────┬──────┘  └────────┬──────┘  │
└──────────┼──────────────────┼──────────────────┼──────────────────┼─────────┘
           │                  │                  │                  │
┌──────────┼──────────────────┼──────────────────┼──────────────────┼──────────┐
│          │                  │                  │                  │          │
│  ┌───────▼───────┐  ┌───────▼───────┐  ┌───────▼───────┐  ┌───────▼───────┐  │
│  │   Tools/      │  │   Tools/      │  │   Tools/      │  │   Tools/      │  │
│  │   Collectors  │  │   Collectors  │  │   Collectors  │  │   Collectors  │  │
│  └───────┬───────┘  └───────┬───────┘  └───────┬───────┘  └───────┬───────┘  │
│          │                  │                  │                  │          │
│  ┌───────▼───────┐  ┌───────▼───────┐  ┌───────▼───────┐  ┌───────▼───────┐  │
│  │   Analysis    │  │   Analysis    │  │   Analysis    │  │   Analysis    │  │
│  │   Modules     │  │   Modules     │  │   Modules     │  │   Modules     │  │
│  └───────┬───────┘  └───────┬───────┘  └───────┬───────┘  └───────┬───────┘  │
│          │                  │                  │                  │          │
│  ┌───────▼───────┐  ┌───────▼───────┐  ┌───────▼───────┐  ┌───────▼───────┐  │
│  │   ELT         │  │   ELT         │  │   ELT         │  │   ELT         │  │
│  │   Pipeline    │  │   Pipeline    │  │   Pipeline    │  │   Pipeline    │  │
│  └───────┬───────┘  └───────┬───────┘  └───────┬───────┘  └───────┬───────┘  │
│          │                  │                  │                  │          │
│  ┌───────▼──────────────────▼──────────────────▼──────────────────▼───────┐  │
│  │              Storage Layer (DuckDB)                                    │  │
│  └────────────────────────────────────────────────────────────────────────┘  │
└──────────────────────────────────────────────────────────────────────────────┘
                                │
                                ▼
┌─────────────────────────────────────────────────────────────┐
│         OpenShift/Kubernetes Cluster Infrastructure         │
│  • ETCD Cluster    • Prometheus    • Kubernetes API         │
│  • Master Nodes    • OVN-Kubernetes • Network Components    │
└─────────────────────────────────────────────────────────────┘

组件体系结构

每个分析器（etcd、network、ovnk）都遵循一致的架构：

MCP服务器 -基于FastMCP的服务器公开分析工具
工具/收藏家 -Prometheus查询的专用度量收集器
分析模块 -性能分析和瓶颈检测
ELT管道 -数据转换和HTML表生成
存储模块 -DuckDB历史数据持久化
AI智能体 -基于LangGraph的智能分析代理

特性

核心能力

多组分分析：ETCD、网络和OVN Kubernetes分析器
MCP协议：用于工具公开的模型上下文协议服务器
AI驱动：与OpenAI集成的LangGraph代理
实时监控：实时指标收集和分析
历史分析：基于DuckDB的时间序列存储
自动报告：执行就绪的绩效报告
Web界面：交互式聊天和分析UI
流媒体响应：通过SSE实时传输结果

ETCD分析仪功能

15+分析工具：群集状态、WAL fsync、后端提交、磁盘I/O、网络I/O、节点使用情况
深度驱动分析：多个子系统综合评审
瓶颈检测：自动识别性能问题
性能报告：附有建议的执行摘要
关键指标：WAL fsync P99（\=1.12.4` -MCP服务器框架
fastapi>=0.115.7 -Web框架
langchain>=0.3.0 -LLM集成
langgraph>=0.3.0 -代理编排
duckdb>=1.0.0 -时间序列数据库
kubernetes>=30.0.0 -Kubernetes客户端
prometheus-api-client>=0.5.3 -Prometheus查询
pydantic>=2.0.0 -数据验证
pandas>=2.2.0 -数据处理
pyyaml>=6.0.1 -配置解析

步骤4：配置环境

创建 .env 文件（可选）：

# OpenAI-compatible API configuration
OPENAI_API_KEY=your-api-key-here
BASE_URL=https://your-llm-api-endpoint

# OpenShift configuration
KUBECONFIG=/path/to/your/kubeconfig

# Optional: MCP Inspector
ENABLE_MCP_INSPECTOR=0
MCP_INSPECTOR_URL=http://127.0.0.1:8000/sse

步骤5：验证KUBECONFIG

export KUBECONFIG=/path/to/kubeconfig
kubectl get nodes
oc get clusterversion  # For OpenShift

快速开始

ETCD分析仪

cd mcp/etcd

# Start MCP server
./etcd_analyzer_command.sh start

# Or manually
python etcd_analyzer_mcp_server.py

# Start chat client (in another terminal)
python etcd_analyzer_client_chat.py

# Access web UI
open http://localhost:8080/ui

网络分析仪

cd mcp/net

# Start MCP server
./network_analyzer_mcp_command.sh start

# Or manually
python network_analyzer_mcp_server.py

# Start chat client
python network_analyzer_client_chat.py

OVN Kubernetes分析器

cd mcp/ovnk

# Start MCP server
./ovnk_analyzer_mcp_command.sh start

# Or manually
python ovnk_analyzer_mcp_server.py

# Start chat client
python ovnk_analyzer_mcp_client_chat.py

节点分析器

cd mcp/node

# Start MCP server (Port 8004)
python node_analyzer_mcp_server.py

# Start chat client (Port 8084) in another terminal
python node_analyzer_client_chat.py

# Access web UI
open http://localhost:8084/ui

组件

1.MCP服务器

每个分析器都使用专用工具公开一个MCP服务器：

ETCD MCP服务器(`mcp/etcd/etcd_analyzer_mcp_server.py`)

工具：

get_server_health -服务器健康检查
get_etcd_cluster_status -通过etcdctl获取集群健康状况
get_ocp_cluster_info -集群信息
get_etcd_general_info -一般etcd指标
get_etcd_node_usage -主节点指标
get_etcd_disk_wal_fsync -WAL fsync性能
get_etcd_disk_backend_commit -后端提交性能
get_node_disk_io -磁盘I/O指标
get_etcd_disk_compact_defrag -压缩/碎片整理指标
get_etcd_network_io -网络I/O指标
get_etcd_performance_deep_drive -综合分析
get_etcd_bottleneck_analysis -瓶颈检测
generate_etcd_performance_report -执行报告

网络MCP服务器(`mcp/net/network_analyzer_mcp_server.py`)

工具：

get_ocp_cluster_info -集群信息
query_network_l1_metrics -第1层网络统计
query_network_io_metrics -网络I/O性能
query_network_socket_tcp_metrics -TCP套接字统计
query_network_socket_udp_metrics -UDP套接字统计
query_network_socket_ip_metrics -IP套接字统计
query_network_socket_mem_metrics -套接字内存统计
query_network_socket_softnet_metrics -软网统计
query_network_netstat_tcp_metrics -TCP网络统计指标
query_network_netstat_udp_metrics -UDP网络统计指标

OVN Kubernetes MCP服务器(`mcp/ovnk/ovnk_analyzer_mcp_server.py`)

工具：

get_ocp_cluster_info -集群信息
query_ovnk_pod_metrics -OVN Kubernetes pod指标
query_multus_pod_metrics -Multus CNI指标
query_ovnk_container_metrics -OVN容器指标
query_ovnk_sync_metrics -OVN同步度量
query_ovnk_ovs_metrics -OVS守护进程指标
query_ovnk_latency_metrics -网络延迟指标
query_kube_api_metrics -Kubernetes API指标

节点MCP服务器(`mcp/node/node_analyzer_mcp_server.py`)

工具：

get_server_health -服务器健康检查和收集器初始化状态
get_ocp_cluster_info -集群信息和节点清单
get_ocp_node_usage -按节点组划分的节点资源使用情况（CPU、内存、cgroup）
get_ocp_node_pleg_latency -PLEG重新列出具有阈值的延迟指标

- 健康：\10秒（默认），可配置为3分钟

get_ocp_node_runtime_errors -Kubelet运行时操作错误率

- 健康：\1个错误/秒

特征：

模块化工具架构 mcp_tools/ 目录
节点组支持（控制平面、工作人员、基础设施、工作负载）
具有节点级指标的全面健康状况摘要
基于Markdown的聊天界面，语法高亮显示
实时流媒体响应

2.工具/收藏家

按类别组织的专业收藏家：

ETCD：集群状态、一般信息、WAL fsync、后端提交、压缩/碎片整理
网络：I/O、L1、套接字（TCP/UDP/IP/mem/softnet）、netstat（TCP/UDP）
节点：CPU、内存、cgroup使用情况、PLEG重新列表延迟、kubelet运行时操作错误

- nodeUsageCollector -节点资源指标（CPU、内存、cgroup） - plegRelistCollector -Pod生命周期事件生成器延迟指标 - kubeletRuntimeOperationsErrorsCollector -按类型划分的运行时操作错误率

开闭原则：群集信息、API统计数据、警报
OVNK：OVN数据库、kubelet CNI、延迟、OVS使用情况
容器组：Pod和容器指标
磁盘：磁盘I/O性能

3.分析模块

性能分析和报告：

深度驱动分析：多个子系统综合评审
瓶颈检测：自动问题识别
性能报告：附有建议的执行摘要
基线比较：当前绩效与目标绩效
根本原因分析：基于脚本+人工智能驱动的RCA

4.ELT管道

提取负载变换以进行数据处理：

通用编排器：将数据路由到特定指标的处理程序
度量处理程序：每种公制类型的专业ELT模块
HTML生成：带突出显示的格式化表格
数据转换：JSON转换为结构化DataFrames

5.存储层

基于DuckDB的持久存储：

时间序列数据：高效的临时数据存储
模式管理：自动创建和迁移表
查询接口：基于SQL的数据访问
历史分析：长期绩效跟踪

6.人工智能代理

基于LangGraph的智能代理：

聊天代理：具有工具执行功能的对话界面
报告代理：自动生成性能报告
存储代理：数据收集和持久化

配置

指标配置

度量在YAML文件中定义，位于 config/:

metrics-etcd.yml -5个类别的51个ETCD指标
metrics-net.yml -9个类别的95个网络指标
metrics-api.yml -15 API服务器指标
metrics-disk.yml -8个磁盘I/O指标
metrics-node.yml -5个节点指标
metrics-ovn.yml -2个OVN指标
metrics-ovs.yml -18个OVS指标
metrics-pods.yml -6个吊舱指标
metrics-cni.yml -18个CNI指标
metrics-latency.yml -18个延迟指标
metrics-alert.yml -警报指标

看 config/README.md 查看详细的配置文档。

环境变量

# Required
export KUBECONFIG=/path/to/kubeconfig

# Optional - automatically set to UTC
export TZ=UTC

# LLM Configuration
export OPENAI_API_KEY=your-api-key
export BASE_URL=https://api.openai.com/v1

# MCP Inspector (optional)
export ENABLE_MCP_INSPECTOR=1
export MCP_INSPECTOR_URL=http://127.0.0.1:8000/sse

# Logging
export LOG_LEVEL=INFO
export OVNK_LOG_LEVEL=INFO

性能阈值

默认阈值（可在分析模块中配置）：

thresholds = {
    'wal_fsync_p99_ms': 10.0,              # Critical for write performance
    'backend_commit_p99_ms': 25.0,         # Critical for persistence
    'cpu_usage_warning': 70.0,             # Pod CPU warning
    'cpu_usage_critical': 85.0,            # Pod CPU critical
    'memory_usage_warning': 70.0,           # Pod memory warning
    'memory_usage_critical': 85.0,         # Pod memory critical
    'peer_latency_warning_ms': 50.0,       # Network warning
    'peer_latency_critical_ms': 100.0,     # Network critical
    'network_utilization_warning': 70.0,   # Network utilization warning
    'network_utilization_critical': 85.0,  # Network utilization critical
}

使用示例

示例1:ETCD性能分析

# Start ETCD analyzer
cd mcp/etcd
./etcd_analyzer_command.sh start

# In web UI, ask:
"Analyze etcd performance for the last hour"
"Show me WAL fsync performance"
"Generate a performance report for the last 24 hours"

示例2：网络分析

# Start network analyzer
cd mcp/net
python network_analyzer_mcp_server.py

# Query network metrics
curl -X POST http://localhost:8000/tools/query_network_io_metrics \
  -H "Content-Type: application/json" \
  -d '{"duration": "1h"}'

示例3:OVN Kubernetes分析

# Start OVN-Kubernetes analyzer
cd mcp/ovnk
python ovnk_analyzer_mcp_server.py

# Query OVN metrics
curl -X POST http://localhost:8000/tools/query_ovnk_pod_metrics \
  -H "Content-Type: application/json" \
  -d '{"duration": "1h"}'

示例4：绩效报告生成

# Using ETCD report agent
cd mcp/etcd
python etcd_analyzer_mcp_agent_report.py

# Follow prompts:
# 1. Select duration mode or time range mode
# 2. Enter duration (e.g., "1h") or time range
# 3. View streaming analysis and report

示例5：数据存储

# Using ETCD storage agent
cd mcp/etcd
python etcd_analyzer_mcp_agent_stor2db.py

# Data stored in etcd_analyzer_cluster.duckdb
# Query stored data:
python -c "
import duckdb
conn = duckdb.connect('etcd_analyzer_cluster.duckdb')
result = conn.execute('SELECT * FROM wal_fsync_p99_latency LIMIT 10').fetchall()
print(result)
"

api参考

MCP服务器端点

所有MCP服务器都通过HTTP/SSE公开工具：

基本URL: http://localhost:8000
健康检查: GET /health
工具: POST /tools/{tool_name}

聊天客户端端点

AI聊天客户端公开REST API：

基本URL: http://localhost:8080
Web用户界面: GET /ui 或 GET /
流媒体聊天: POST /chat/stream
非流媒体聊天: POST /chat
健康: GET /api/mcp/health
工具列表: GET /api/tools

刀具参数

跨工具的通用参数：

duration （str）：持续时间（例如，“5m”、“1h”、“24h”）
start_time （str，可选）：ISO格式的开始时间
end_time （str，可选）：ISO格式的结束时间

有关API的详细文档，请参阅单个组件自述文件：

mcp/etcd/README.md -ETCD分析仪API
mcp/ovnk/README.md -OVN-Kubernetes分析器API
config/README.md -配置API
elt/utils/README.md -API ELT管道

故障排除

常见问题

1.MCP服务器无法启动

解决：

# Check KUBECONFIG
echo $KUBECONFIG
kubectl get nodes

# Check if port 8000 is in use
lsof -i :8000

# Check logs
tail -f logs/mcp_server_*.log

2.身份验证失败

解决：

# Verify KUBECONFIG
export KUBECONFIG=/path/to/kubeconfig
kubectl auth can-i get pods -n openshift-etcd

# Check Prometheus access
kubectl get route -n openshift-monitoring

3.缺失指标

解决：

# Verify Prometheus is accessible
oc get pods -n openshift-monitoring | grep prometheus

# Check metric availability
oc exec -n openshift-monitoring prometheus-k8s-0 -- \
  promtool query instant http://localhost:9090 \
  'etcd_disk_wal_fsync_duration_seconds_bucket'

4.LLM API错误

解决：

# Check .env file
cat .env | grep OPENAI_API_KEY

# Test API connection
curl -H "Authorization: Bearer $OPENAI_API_KEY" \
  $BASE_URL/models

调试模式

启用详细日志记录：

export LOG_LEVEL=DEBUG
export OVNK_LOG_LEVEL=DEBUG
python mcp/etcd/etcd_analyzer_mcp_server.py

贡献

开发设置

# Clone repository
git clone https://github.com/liqcui/ocp-performance-analyzer-mcp.git
cd ocp-performance-analyzer-mcp

# Create development environment
python3 -m venv venv
source venv/bin/activate

# Install in development mode
pip install -e .

# Install development dependencies
pip install pytest pytest-asyncio black flake8 mypy

代码风格

# Format code
black .

# Lint code
flake8 .

# Type checking
mypy .

添加新指标

以适当的方式定义度量 config/metrics-*.yml 文件
添加收集器 tools/{category}/ 目录
在中添加ELT处理程序 elt/{category}/ 目录
在中添加存储模块 storage/{category}/ 目录
在MCP服务器中注册工具
更新文档

测试

# Run tests
pytest

# Run with coverage
pytest --cov=. --cov-report=html

许可证

MIT许可证-有关详细信息，请参阅许可证文件。

支持

对于问题和疑问：

检查故障排除部分
查看特定组件的自述文件
检查登录 logs/ 目录
打开一个包含详细日志和配置的问题

致谢

MCP协议: 模型上下文协议
LangChain: LangChain框架
LangGraph: LangGraph
FastMCP: FastMCP库
DuckDB: DuckDB
OpenShift: 红帽OpenShift

路线图

计划的功能

\[\]多集群支持
\[\]历史趋势分析
\[\]使用ML进行异常检测
\[\]自定义警报规则
\[\]Grafana集成
\[\]Slack/Teams通知
\[\]性能预测
\[\]自动补救建议
\[\]Kubernetes原生部署（Helm charts）
\[\]实时流媒体指标

______________________________________________________________________

内置于❤️ 面向OpenShift和Kubernetes社区

Ocp Performance Analyzer MCP

快速接入

详细介绍

OCP性能分析仪MCP

目录

概述

建筑

高级体系结构

组件体系结构

特性

核心能力

ETCD分析仪功能

步骤4：配置环境

步骤5：验证KUBECONFIG

快速开始

ETCD分析仪

网络分析仪

OVN Kubernetes分析器

节点分析器

组件

1.MCP服务器

ETCD MCP服务器(mcp/etcd/etcd_analyzer_mcp_server.py)

网络MCP服务器(mcp/net/network_analyzer_mcp_server.py)

OVN Kubernetes MCP服务器(mcp/ovnk/ovnk_analyzer_mcp_server.py)

节点MCP服务器(mcp/node/node_analyzer_mcp_server.py)

2.工具/收藏家

3.分析模块

4.ELT管道

5.存储层

6.人工智能代理

配置

指标配置

环境变量

性能阈值

使用示例

示例1:ETCD性能分析

示例2：网络分析

示例3:OVN Kubernetes分析

示例4：绩效报告生成

示例5：数据存储

api参考

MCP服务器端点

聊天客户端端点

刀具参数

故障排除

常见问题

1.MCP服务器无法启动

2.身份验证失败

3.缺失指标

4.LLM API错误

调试模式

贡献

开发设置

代码风格

添加新指标

测试

许可证

支持

致谢

路线图

计划的功能

目录标签

接入字段

权限和风险

来源信息

继续浏览同类 MCP

ETCD MCP服务器(`mcp/etcd/etcd_analyzer_mcp_server.py`)

网络MCP服务器(`mcp/net/network_analyzer_mcp_server.py`)

OVN Kubernetes MCP服务器(`mcp/ovnk/ovnk_analyzer_mcp_server.py`)

节点MCP服务器(`mcp/node/node_analyzer_mcp_server.py`)