Diagnostika serverů eBPF za 60 sek: melisai

Automatizovaná diagnostika Linux serverů: od manuálního sběru k eBPF analýze za minutu

Vývojáři a sysadmini se zkušenostmi v Linuxu vědí: stížnost "server se zpomaluje" vyžaduje standardní sadu příkazů — top, vmstat, iostat, ss. Tato Tier 1 diagnostika trvá 20–40 minut. Dále — ponoření do eBPF nástrojů jako runqlat, biolatency, tcpretrans od Brendan Gregg. Problém: vzácné incidenty rozmazávají znalosti, pokaždé je třeba hledat soubory v /proc, sysctl parametry a syntaxi BCC nástrojů.

AI (ChatGPT, Claude) zjednodušuje analýzu logů, ale neřeší sběr dat. Neuronové sítě nespouští nástroje samostatně, nestavějí souvislosti mezi metrikami jako PruneCalled a TCP pamětí. Je třeba strukturovaný sběrač dat pro předání do AI.

Melisai: sběr dat do jednoho JSON

Nástroj melisai — statický Go binární soubor bez závislostí. Spuštění:

sudo melisai collect --profile quick -o report.json

Quick režim — 10 sekund, deep — 60 sekund. Výstup: JSON s metrikami CPU, paměti, disku, sítě, procesů, kontejnerů, GPU.

Co sbírá:

• Tier 1: procfs, sysfs, ss, ethtool, nvidia-smi (bez root).
• Tier 2: 67 BCC/eBPF nástrojů (runqlat, biolatency, tcpretrans a další, root + bcc-tools).
• Tier 3: nativní eBPF přes cilium/ebpf (root + kernel ≥5.8 s BTF).

Fallback: pokud Tier 2/3 nejsou dostupné, funguje Tier 1.

Dvoufázový sběr a rate metriky

Aby se předešlo observer efektu, sběr je rozdělen:

• Baseline: Tier 1 metriky (CPU, paměť, I/O, síť).
• eBPF: spuštění BCC nástrojů po baseline.

Rate-based výpočet: delta mezi měřeními. Ne cumulative čítače (uptime 200 dní = softnet_dropped=5000 — norma), ale rates (softnet_drop_rate=50/sec — anomálie).

37 pravidel anomálií na základě Gregg a provozních praktik:

| Kategorie | Příklady prahů |

|-----------|-----------------|

| CPU | util>95%, PSI>5%, runqlat p99>50ms |

| Paměť | direct reclaim>10/s, THP splits>1/s, NUMA miss>5% |

| Disk | util>90%, latency>50ms |

| Síť | retransmits>50/s, conntrack>90% |

| GPU | NUMA-nesoulad GPU-NIC |

Případová studie: kaskádová degradace na Docker hostu

Provoz: 8 jader, 32GB RAM, HDD RAID. Příznaky — obecné zpomalení.

sudo melisai collect --profile deep --ai-prompt -o report.json

Výsledek (60 sekund):

Health Score: 46/100
Anomalies:
[CRITICAL] tcp_retransmits 134/sec
[WARNING] disk_util 80.5%
[WARNING] cpu_psi 17.6%
[WARNING] io_psi 12.8%
[WARNING] disk_latency 12.1ms
[WARNING] tcp_close_wait 1 socket

Kaskáda:

• HDD p99=49ms → Block I/O latence (biolatency).
• PruneCalled=105 → TCP buffery se ořezávají (tlak na paměť).
• TCP retransmits=31/s → ztráty paketů uvnitř serveru.
• WireGuard tx_dropped=226k → VPN tunel trpí.

Kořen: HDD úzké hrdlo. Doporučení: sysctl -w net.ipv4.tcp_mem='1048576 2097152 4194304'.

Integrace s AI přes MCP

Vestavěný MCP server pro Claude Desktop/Cursor:

{
  "mcpServers": {
    "melisai": {
      "command": "ssh",
      "args": ["root@server", "/usr/local/bin/melisai", "mcp"]
    }
  }
}

AI volá:

• get_health — skóre + anomálie.
• explain_anomaly — kořenová příčina + fix příkazy.
• collect_metrics — kompletní zpráva s histogramy.

JSON obsahuje ai_context.prompt s 27 antipatterny.

Doporučení a omezení

Doporučení — příkazy:

{
  "type": "fix",
  "title": "TCP memory pressure (PruneCalled)",
  "commands": ["sysctl -w net.ipv4.tcp_mem='1048576 2097152 4194304'"],
  "evidence": "PruneCalled=105"
}

Omezení:

• Ne monitoring (snapshot, ne Prometheus).
• Ne alerting (na vyžádání/cron).
• Ne app profiling (pprof pro toto).
• Pouze NVIDIA GPU (ROCm v roadmap).

Instalace a sestavení

curl -sSL https://melisai.dev/install | sh

Sestavení:

GOOS=linux GOARCH=amd64 CGO_ENABLED=0 go build -o melisai ./cmd/melisai/

Apache 2.0.

Co je důležité

• Sběr 67 eBPF nástrojů + Tier 1 za 10–60 sekund do strukturovaného JSON.
• Rate metriky eliminují falešné poplachy na serverech s dlouhým uptimem.
• 37 pravidel anomálií + připravené sysctl příkazy.
• MCP integrace: AI přímo analyzuje bez copy-paste.
• Dvoufázový sběr minimalizuje observer efekt.

— Editorial Team