周末检查了我的博客草稿，发现了这篇。我记得大约一年前用中文发布的“Kubernetes 自动诊断工具：k8sgpt-operator”。我的拖延似乎已经到了一个临界点。最初，我计划使用 K8sGPT + LocalAI。试用了 Ollama 后，我发现它更方便。Ollama 同样支持 OpenAI API，因此我决定改用 Ollama。

发布介绍 k8sgpt 的文章后，一些读者提到使用 OpenAI 存在较高的门槛。这个问题确实有挑战性，但并不是无法克服的。然而，这篇文章并不是为了解决这个问题而写的，而是要介绍一个 OpenAI 的替代方案：Ollama。去年底，k8sgpt 加入了 CNCF 沙盒（https://landscape.cncf.io/?item=observability-and-analysis--observability--k8sgpt）。

Ollama 是一个开源的大模型工具，允许您轻松地在本地或云中安装并运行各种大型模型，例如。它非常易于使用，并且通过简单的命令即可运行。在 macOS 上，您可以使用 homebrew 只需一条命令即可完成安装：

运行此命令来安装ollama:

    brew install ollama

最新版本是0.1.44。

    ollama -v   
    警告：无法连接到正在运行的 Ollama 实例  
    警告：客户端版本是 0.1.44

在 Linux 上，你也可以用官方脚本安装它。

执行以下命令来安装ollama:

    curl -sSL https://ollama.com/install.sh | sh

启动 Ollama 后，通过环境变量设置将监听地址设置为 0.0.0.0，以便从容器或 Kubernetes 集群中进行访问。

OLLAMA_HOST=0.0.0.0 启动 ollama

    ...  
    time=2024-06-16T07:54:57.329+08:00 level=INFO source=routes.go:1057 msg="监听在 127.0.0.1:11434（版本 0.1.44）"  
    time=2024-06-16T07:54:57.329+08:00 level=INFO source=payload.go:30 msg="正在提取嵌入文件" dir=/var/folders/9p/2tp6g0896715zst_bfkynff00000gn/T/ollama1722873865/runners  
    time=2024-06-16T07:54:57.346+08:00 level=INFO source=payload.go:44 msg="动态 LLM 库：metal"  
    time=2024-06-16T07:54:57.385+08:00 level=INFO source=types.go:71 msg="推断计算任务" id=0 library=metal compute="" driver=驱动版本：0.0 name="" total="21.3 GiB" available="可用：21.3 GiB"

Llama3是由Meta在4月开源的一个流行大型模型。Llama3有两个版本：8B和70B。

我在macOS上使用它，所以我选了8B版本。8B版本是4.7GB，在高速互联网下，下载只需要3到4分钟。

    ollama run llama3

在我的M1 Pro上，拥有32GB内存，启动大概要12秒。

time=2024-06-17T09:30:25.070+08:00 level=INFO source=server.go:572 msg=llama runner 启动成功，耗时 12.58 秒

每个查询大约要花14秒。

    curl http://localhost:11434/api/generate -d '{  
      "model": "llama3",  
      "prompt": "天空为什么是蓝色的呢？",  
      "stream": false  
    }'

    ....  
    "total_duration":14064009500,"load_duration":1605750,"prompt_eval_duration":166998000,"eval_count":419,"eval_duration":13894579000}

如果你想测试 k8sgpt-operator，这步可以跳过。

我们将使用Ollama REST API作为k8sgpt的后端，提供推理服务。我们将后端类型选择为localai，因为LocalAI与OpenAI API兼容，而实际的推理提供者仍然是运行Llama模型的Ollama。

运行以下命令来添加认证信息，使用本地AI模型：

k8sgpt auth add --backend localai --model llama3 --baseurl http://localhost:11434/v1

请确保你已经安装了k8sgpt工具。

将其设置为默认服务商。

    k8sgpt 配置 默认 --默认提供者 localai  
    默认提供者已设置为 localai

试一试。

在 k8s 里用不存在的镜像 image-not-exist 创建一个 pod

    kubectl get po k8sgpt-test  
    NAME          READY   STATUS         RESTARTS   AGE  
    k8sgpt-test   0/1     镜像拉取错误   0          6秒

名称\t就绪状态\t重启次数\t持续时间

用k8sgpt分析这个错误。

    k8sgpt 分析 --解释 --筛选=Pod --命名空间=default --输出=json

    {  
      "provider": "localai",  
      "errors": null,  
      "status": "状态：检测到问题",  
      "problems": 1,  
      "results": [  
        {  
          "kind": "Pod",  
          "name": "default/k8sgpt-test",  
          "error": [  
            {  
              "Text": "拉取 'image-not-exist' 镜像时出现回退",  
              "KubernetesDoc": "",  
              "Sensitive": []  
            }  
          ],  
          "details": "错误: 拉取 'image-not-exist' 镜像时出现回退\n\n解决方案： \n1. 检查 Docker Hub 或您的本地仓库中是否存在该镜像。\n2. 如果不存在，请创建并构建 Dockerfile。\n3. 如果镜像存在，请检查镜像的拼写并重试。\n4. 验证 Kubernetes 配置文件（例如 deployment.yaml 中的）镜像仓库 URL。",  
          "parentObject": ""  
        }  
      ]  
    }

k8sgpt-operator 可以自动化集群中的 k8sgpt。您可以使用 Helm 进行安装。

helm 仓库添加 k8sgpt https://charts.k8sgpt.ai/  # 添加 Helm 仓库
helm 仓库更新  # 更新 Helm 仓库
helm 安装发布 release k8sgpt/k8sgpt-operator -n k8sgpt --create-namespace  # 安装名为 release 的发布，使用 k8sgpt 命名空间并创建命名空间 k8sgpt

k8sgpt-operator 提供了两个自定义资源定义 (CRD)：K8sGPT 用于配置 k8sgpt 服务，Result 用于展示分析结果。

    kubectl api-resources  | grep -i gpt  
    k8sgpts                                        core.k8sgpt.ai/v1alpha1                true         K8sGPT  
    results                                        core.k8sgpt.ai/v1alpha1                true         结果

注：k8sgpts 和 results 是与 Kubernetes 和 GPT 模型相关的技术术语，分别代表 K8sGPT 实例和操作结果。

配置 K8sGPT，将 Ollama 的 IP 地址设置为 baseUrl。

    kubectl apply -n k8sgpt -f - << EOF  
    apiVersion: core.k8sgpt.ai/v1alpha1  
    kind: K8sGPT  
    metadata:  
      name: k8sgpt-ollama  
    spec:  
      ai:  
        enabled: true  
        model: llama3  
        backend: localai  
        baseUrl: http://198.19.249.3:11434/v1  
      noCache: false  
      filters: ["Pod"]  
      repository: ghcr.io/k8sgpt-ai/k8sgpt  
      version: v0.3.8  
    EOF

创建 K8sGPT CR 之后，控制器将自动为其创建一个 pod。检查 Result CR 结果相同。

    kubectl get result -n k8sgpt -o jsonpath='{.items[].spec}' | jq .  
    {  
      "backend": "localai",  
      "details": "错误：Kubernetes 无法拉取图像“image-not-exist”，因为它不存在的原因。\n\n解决方法：\n1. 检查图像是否实际存在，\n2. 如果不存在，请创建该图像或使用替代的图像。\n3. 如果图像存在，请确保 Docker 守护程序和注册表配置正确。",  
      "error": [  
        {  
          "text": "回退拉取图像“image-not-exist”"  
        }  
      ],  
      "kind": "Pod",  
      "name": "default/k8sgpt-test",  
      "parentObject": ""  
    }