Higress项目中AI监控面板的自定义接入方案解析
在Higress网关系统的实际部署中,监控功能是运维管理的重要组成部分。本文将从技术实现角度,深入分析Higress项目中AI监控面板的自定义接入方案,帮助用户理解如何在不启用可观测套件的情况下,实现外部监控系统的集成。
监控面板的两种实现方式
Higress项目提供了两种监控面板的实现路径:
-
内置可观测套件:通过开启Higress的o11y(可观测性)功能,系统会自动部署完整的监控栈,包括Prometheus和Grafana,并提供预设的AI监控面板。
-
外部监控系统集成:当用户选择不启用内置监控套件时,可以通过对接外部已有的Prometheus+Grafana监控系统来实现监控功能。
外部监控系统集成方案
对于已经拥有成熟监控基础设施的用户,Higress Dashboard提供了灵活的集成方式:
-
基础监控面板配置:在Dashboard的监控面板页面,用户可以直接配置外部Grafana看板的访问地址,实现基础监控指标的展示。
-
AI监控的特殊考量:值得注意的是,当未启用内置可观测套件时,"AI流量入口管理"下的"AI监控面板"菜单项不会显示。这是设计上的有意为之,因为在该场景下,用户已经通过自定义地址实现了监控功能,单独配置AI监控面板的意义不大。
技术实现建议
对于希望实现AI监控功能的用户,可以采用以下方案:
-
统一监控看板:将所有监控指标(包括AI相关指标)整合到一个自定义的Grafana看板中,通过Higress Dashboard的基础监控面板功能进行嵌入。
-
指标导出:未来版本可能会增加AI监控dashboard的json导出功能,方便用户快速构建自己的监控看板。
最佳实践
在实际部署中,建议用户根据自身基础设施情况选择适合的监控方案:
-
对于新建环境或没有现有监控系统的用户,推荐启用Higress内置的可观测套件,获得开箱即用的完整监控体验。
-
对于已有监控系统的用户,可以利用外部集成方案,避免监控数据的重复收集和存储,实现统一监控管理。
通过这种灵活的监控方案设计,Higress能够适应不同用户的运维环境和需求,提供可靠的系统可观测性保障。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00