Jev trova il guasto in pochi secondi, se il collector gli porta gli indizi giusti
SREGym supera 80 diagnosi su 105 con una pipeline senza agente generativo; gli errori mostrano il peso di telemetria e risposte disponibili.
Che succede
Per diagnosticare un incidente, un modello economico può bastare. A condizione che qualcuno gli porti l’evidenza giusta. Una pipeline di SREGym raccoglie lo stato di Kubernetes e usa Jev per scegliere il componente sospetto e gli indizi da includere nella diagnosi, senza un agente LLM che generi comandi.
Su 21 guasti di SREGym-Lite, ripetuti cinque volte ciascuno, passa 80 diagnosi su 105: il 76,2%, con un tempo mediano di 14,6 secondi. Il costo stimato delle inferenze Jev per l’intero esperimento è 15 centesimi di dollaro. Sono risultati su quel gruppo di test, non una misura dell’affidabilità in ogni incidente reale.
Il collector svolge una parte importante del lavoro: legge oggetti, eventi, log e risorse, confronta lo stato e prepara opzioni numerate. In un caso trova già la differenza fra il limite di memoria del pod e quello del template, restringendo i possibili responsabili prima della scelta di Jev.
I fallimenti sono istruttivi. Una diagnosi non vedeva metriche di coda e tentativi ripetuti; la domanda imponeva inoltre un solo componente responsabile, mentre il guasto nasceva dall’interazione fra servizi. Cambiare modello senza cambiare quella vista del problema lascia il punto cieco al suo posto.
Perché conta
La velocità e il costo rendono Jev interessante come prima linea. Ma un classificatore non può scegliere un indizio che il collector non ha raccolto: prima del modello viene l’osservabilità.
Leggi la fonte
www.sregym.comVuoi sapere di più su pillole come questa?