devops-troubleshooter
本番インシデントを迅速にデバッグ
AI ガイド付きデバッグ、ログ分析、および体系的なトラブルシューティング手法により、本番インシデントを迅速に診断および解決します。
下载技能 ZIP
在 Claude 中上传
前往 设置 → 功能 → 技能 → 上传技能
开启并开始使用
测试它
正在使用“devops-troubleshooter”。 Kubernetes ポッドで頻繁に OOMKilled が発生しています。メモリ制限は 512Mi に設定されていますが、アプリケーションは Java を使用しています。
预期结果:
これは Kubernetes 上の Java に関する一般的な問題です。JVM ヒープメモリはメモリフットプリントの一部に過ぎません。以下が評価結果です：
**即時アクション:**
1. 実際のメモリ使用量を確認：`kubectl top pods`
2. JVM フラグを確認：-Xmx が適切に設定されていることを確認（通常はコンテナ制限の 50-75%）
3. Kubernetes Downward API を使用して、JVM メモリがコンテナ制限と一致するように設定することを検討
**根本原因:** Java プロセスはヒープ + メタスペース + スレッドスタック + ネイティブメモリを使用します。デフォルトの JVM 設定で 512Mi 制限では OOMKill が発生します。
**推奨される修正:**
```yaml
resources:
limits:
memory: "1Gi"
env:
- name: JAVA_OPTS
value: "-XX:MaxRAMPercentage=75.0 -XX:+UseG1GC"
```
**予防:** 80% しきい値でメモリ使用量のアラートを追加します。
正在使用“devops-troubleshooter”。 ロードバランサーから断続的な 504 エラーが発生しています。バックエンドサービスは正常に見えます。
预期结果:
これは複数の要因によって引き起こされている可能性があります。トラブルシューティング手順についてご案内します：
**即時調査:**
1. バックエンドの応答時間を確認：`curl -w '%{time_total}' http://backend/health`
2. ロードバランサーのアクセスログをレビューしてタイミングパターンを確認
3. 接続キューの蓄積を確認
**一般的な原因:**
- バックエンドの応答時間が長すぎる（低速なデータベースクエリを確認）
- アイドルタイムアウト設定が攻撃的すぎる
- ロードバランサーとバックエンド間のキープアライブ設定の不整合
- TLS ハンドシェイクの遅延
- ヘルスチェックがトラフィックに干渉
**次のステップ:**
1. ロードバランサーで詳細ログを有効化
2. バックエンドレイテンシのパーセンタイルのカスタムメトリクスを追加
3. 問題が特定のリクエストパターンや時間と相関しているかを確認
これらの特定の領域について調査のサポートが必要ですか？
安全审计
安全Prompt-only skill with no executable code. Static analysis scanned 0 files (0 lines) and detected 0 security issues. This is a pure text-based skill that provides debugging guidance through structured prompts. No risk factors present.
质量评分
你能构建什么
本番インシデント対応
初期評価から根本原因分析まで、本番障害の診断と解決のための即座のガイダンスを取得します。
Kubernetes クラスターデバッグ
Kubernetes 環境におけるポッド障害、ネットワーク問題、サービスメッシュの問題、リソース制約をトラブルシュートします。
パフォーマンス最適化
ログ分析、分散トレーシングの相関関係、システムプロファイリングの推奨事項を通じてパフォーマンスボトルネックを特定します。
试试这些提示
本番サービスで [高遅延/エラー/ダウンタイムなど、問題を説明] が発生しています。[X からのログ、Y からのメトリクスなど、利用可能なデータを説明] があります。根本原因の診断をサポートしてください。
[CrashLoopBackOff/実行状態] の Kubernetes ポッドがあり、以下のイベントが発生しています：[kubectl describe 出力を貼り付け]。ログには以下内容が表示されています：[関連ログを貼り付け]。何を調査すべきですか？
[ELK/Loki/クラウドログ] でこのエラーパターンが表示されています：[エラーメッセージとタイムスタンプを貼り付け]。エラーは [いつ] 開始されました。これらのログを相関付け、根本原因を特定するサポートをしてください。
[インシデントを説明] というインシデントが発生しました。タイムライン：[タイムラインを貼り付け]。以下のシステムが影響を受けました：[リスト]。この障害に寄与したシステム的な問題は何であり、再発をどのように防ぐことができますか？
最佳实践
- 誤診を避けるために、仮説を形成する前に常にログ、メトリクス、システム状態を収集する
- 最も単純な説明から始め、除外された場合にのみ複雑な原因にエスカレートする
- 事後分析と知識共有のために、すべての調査手順と発見事項を文書化する
避免
- 制御された環境で問題を再現する前に、本番システムに変更を加える
- 主要な問題とは無関係に見えるエラーメッセージや症状を無視する
- 根本原因ではなく症状に焦点を当て、後で失敗する一時的な修正につながる