为什么选择 AWSops
本页的部分描述（内嵌 Steampipe 数据引擎、诊断 PPTX 导出等）源自 v1，正在逐步更新。 当前 v2 架构请以AgentCore 概览与 FAQ 为准。
一句话总结 — AWSops 是完全开源、仅用 AWS 托管服务实现的 AWS + Kubernetes 运维仪表板。通过 Steampipe 快速拉取 AWS API 并缓存在本地，再通过 Amazon Bedrock AgentCore 在同一个界面中提供 Well-Architected 视角的 AI 诊断。
将运维人员原本需要在数十个控制台之间来回切换查看的内容，整合为一个仪表板 + 一个 AI 助手。以下是在客户环境中引入时的核心差异点。
1. 完全开源 · AWS-Native（Architecture v1）
- 开源 — 全部源代码公开，可以直接拿来部署到自己的账户，并按内部需求修改。没有供应商锁定。
- 仅用 AWS 托管服务实现 — 不依赖额外的外部 SaaS，由以下部分构成：
| 层 | AWS 服务 |
|---|---|
| 边缘·认证 | CloudFront + Lambda@Edge + Cognito |
| 计算 | EC2（t4g.2xlarge, ARM64 Graviton, Private Subnet）+ ALB |
| AI | Amazon Bedrock AgentCore（Runtime/Gateway/Code Interpreter/Memory）+ Bedrock 模型 |
| IaC | AWS CDK |
- 数据·AI·认证·边缘全部在 AWS 内部完成，因此数据治理·合规非常简单。
"这个仪表板本身就是按 AWS Well-Architected 构建的" — 因为开源，其实现可以直接验证，并且所有设计决策都以 32 个 ADR（Architecture Decision Record）文档化。
2. Steampipe — 快速拉取 AWS API 并本地缓存
AWSops 的数据引擎是 Steampipe（内嵌 PostgreSQL，port 9193）。
- 用 SQL 即时查询 380+ AWS 表 + 60+ Kubernetes 表 — 像操作 SQL 一样操作 AWS API。
- 结果通过 node-cache 缓存 5 分钟，仪表板核心 23 个查询由缓存预热器每 4 分钟提前预热，保证亚秒级响应。
- 所有查询只能通过
src/lib/steampipe.ts的 pg Pool（max 10, 8 sequential batch）执行 — CLI（steampipe query）慢 660 倍，在代码层面禁止（ADR-001）。
→ 结果：不必反复刷新控制台，所有资源在一个界面上即时呈现。
3. AWS 资源基础仪表板（43 个页面）
EC2·Lambda·ECS/ECR·EKS（Pod/Node/Deployment/Service/Explorer）·VPC·CloudFront·WAF·EBS·S3·RDS·DynamoDB·ElastiCache·MSK·OpenSearch 等 43 个页面由实时图表和 React Flow 拓扑图构成。MSK·RDS·ElastiCache·OpenSearch 还内联显示 CloudWatch 指标。
4. Well-Architected AI 综合诊断
/ai-diagnosis 是由 Amazon Bedrock Claude Opus 4.8 自动分析整体基础设施并生成正式报告的工具。
- 6 个 Well-Architected 支柱记分卡 — Executive Summary 为 Operational Excellence·Security·Reliability·Performance Efficiency·Cost Optimization·Sustainability 全部打分。
- 3 个支柱深度分析（15+1 个章节） — 深入剖析 Cost Optimization·Security·Reliability（成本概览/计算/网络/存储、闲置资源、安全状况、网络·计算·EKS·数据库·MSK·存储分析等）。
- DOCX / Markdown / PDF / PPTX 导出 + 每周/双周/每月调度 + 完成时邮件通知。
目前深度章节集中在 Cost·Security·Reliability 3 个支柱，6 个支柱的整体评估停留在 Executive Summary 记分卡级别。其余 3 个支柱的深度章节在路线图中。
5. 成本效率（低 TCO）
运维工具本身的成本被设计得很低：
- 单台 EC2 t4g.2xlarge（ARM64 Graviton） — 同机运行 Steampipe 内嵌 PostgreSQL，没有额外的托管数据库成本。
- AgentCore 是无服务器的 — AI 运行时/网关仅在调用时计费。
- Bedrock 模型按任务选择 — 分类·路由用 Sonnet 4.6，深度诊断用 Opus 4.8，快速低成本任务用 Haiku 4.5，并应用提示词缓存（ADR-016）。
而且这个工具还能降低客户基础设施的成本 — Cost Explorer 分析、闲置资源检测、FinOps 建议都包含在诊断报告中。
6. 多账户（单一窗口）
- Steampipe Aggregator 模式 —
aws= 全账户统一，aws_<id>= 单个账户。可以在顶部切换账户，也可以合并查看全部。 - 添加/删除账户只需修改
data/config.json中的accounts[]数组 — 无需更改代码（ADR-008）。跨账户使用 assume-role。
7. EKS 容器成本追踪（基于 OpenCost）
- 通过 OpenCost + Prometheus 按命名空间·Pod·节点追踪基于实际用量的成本（CPU·Memory·Storage·GPU）。
- 没有安装 OpenCost 时，也会通过基于 Request 的回退进行估算。
- ECS 则单独通过 CloudWatch Container Insights + Fargate 价格计算容器成本。
8. 外部可观测性集成（7 种）+ 🆕 自然语言查询
在 AWS 数据之外，还可将现有可观测性栈作为数据源接入（防 SSRF allowlist，ADR-011）：
| 种类 | 平台 |
|---|---|
| Metrics | Prometheus · Dynatrace · Datadog |
| Logs | Loki · ClickHouse |
| Traces | Tempo · Jaeger |
自然语言 → 查询自动生成 — 在 /datasources/explore 中输入"显示支付服务的 5xx 趋势"这样的自然语言，AI 会将其转换为 PromQL / LogQL / TraceQL / SQL 并执行。AI 助手的 datasource 路由会自动分类外部指标问题并使用同一引擎。
不必为每个可观测性工具记忆不同的查询语言，只需一行自然语言即可查询 Prometheus、Loki 或 Jaeger — 大幅降低运维人员的入门门槛。
从代码中可以确认的其他优势
| 优势 | 内容 |
|---|---|
| AI 工具架构 | 8 个基于角色的 AgentCore Gateway · 125 个 MCP 工具 · 19 个 Lambda |
| 多路由合成 | 分类器将问题分类到 11 个路由中的 1~3 个，并行调用后综合（ADR-002/025） |
| 告警流水线 | Webhook（CloudWatch SNS/Alertmanager/Grafana）→ 关联分析 → AI 自动诊断 → Slack（ADR-009） |
| 事件预扩容 | 分析历史指标 → Bedrock 生成多阶段预热计划·脚本（ADR-010，审核后执行） |
| CIS 合规 | 使用 Powerpipe 进行 CIS v1.5~v4.0、431 个控制项基准测试 |
| 安全设计 | 外部调用 SSRF allowlist、管理员门控（adminEmails）、变更操作门控框架（ADR-029） |
| 设计透明性 | 32 个 ADR — 所有重大决策以韩语/英语文档化 |
推荐演示流程（客户会话）
- 仪表板 — 全账户/全资源尽在一个界面（演示多账户切换）
- AI 助手 — "找出开放了 0.0.0.0/0 的安全组"这样的自然语言查询 → 多路由运行
- AI 综合诊断 — 生成 Well-Architected 报告 → 导出 DOCX/PDF
- EKS 容器成本 — OpenCost 按命名空间的成本
- 自然语言可观测性查询 — 在
/datasources/explore中自动生成 PromQL - 成本/清单 — 趋势与节省要点
更多内容
- 仪表板概览 · AI 助手 · AgentCore 详解 · 账户管理
- AI 综合诊断 · EKS 容器成本 · 外部数据源
- AWSops 介绍（完整架构）