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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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