首页
/ Higress AI可观测性:ai-statistics插件扩展设计与实现

Higress AI可观测性:ai-statistics插件扩展设计与实现

2025-06-09 07:24:29作者:魏侃纯Zoe

引言

在现代AI应用架构中,网关作为请求入口承担着关键角色。Higress作为一款云原生API网关,通过扩展ai-statistics插件能力,为AI大模型请求提供了完整的可观测性解决方案。本文将深入解析该插件的设计思路、实现原理以及应用价值。

核心设计理念

ai-statistics插件的核心设计目标是实现对AI请求的全链路监控,主要关注三个维度的数据:

  1. Token开销:统计AI模型处理请求时的token消耗情况
  2. 性能指标:包括首字节响应时间(TTFB)和完整响应时间
  3. 请求内容:记录用户原始请求问题,便于后续分析

技术实现架构

插件采用分层处理架构,主要包含以下几个关键处理阶段:

请求处理阶段

当用户请求进入ai-statistics插件时,系统会根据配置决定是否采集请求中的原始问题数据。这一阶段主要完成请求内容的初步解析和必要信息的提取。

响应处理阶段

当响应从ai-proxy插件返回时,插件会通过分析HTTP头中的自定义字段(如req-arrive-time和req-cost-time)计算各项性能指标。同时,从响应内容中提取token使用情况数据。

数据上报机制

采集到的指标数据通过proxywasm.SetProperty方法注入到tracing span tag中。这种设计使得数据上报与具体的tracing后端解耦,具有良好的扩展性。

自定义标签扩展机制

为满足不同场景下的监控需求,插件提供了灵活的标签扩展配置能力。每个自定义标签包含三个核心要素:

  • key:标签名称,将作为tracing系统中的标识
  • value_source:取值来源,支持四种类型:
    • property:通过proxywasm.GetProperty获取
    • requeset_header:从请求头获取
    • request_body:从请求体获取(使用GJSON PATH语法)
    • response_header:从响应头获取
  • value:具体取值路径或键名

这种设计使得用户可以根据实际业务需求,灵活配置需要监控的各类指标。

与Tracing系统的集成

插件采集的数据可以通过Higress的全局配置与各类主流Tracing系统无缝集成。以Skywalking为例,只需在higress-config ConfigMap中添加相应配置即可启用链路跟踪功能。

配置项包括:

  • 启用开关(enable)
  • 采样率(sampling)
  • 超时设置(timeout)
  • 具体Tracing后端的连接信息

这种设计保证了插件可以适配不同的观测体系,包括Skywalking、Zipkin、OpenTelemetry等主流方案。

应用价值与实践意义

该扩展设计为AI应用带来了显著的可观测性提升:

  1. 问题诊断:通过完整的请求链路追踪,可以快速定位性能瓶颈或异常原因
  2. 成本优化:精确的token统计为资源使用优化提供了数据基础
  3. 体验分析:响应时间指标帮助评估终端用户体验
  4. 业务洞察:自定义标签机制支持业务特定维度的分析需求

总结

Higress通过扩展ai-statistics插件,构建了一套完整的AI请求可观测体系。其设计既考虑了通用监控需求,又通过灵活的扩展机制满足了个性化场景。这种实现方式为AI应用的可观测性实践提供了有价值的参考方案,特别是在大规模AI服务部署场景下,能够有效提升系统的可维护性和可观测性。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
197
2.17 K
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
208
285
pytorchpytorch
Ascend Extension for PyTorch
Python
59
94
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
973
574
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
549
81
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
399
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
393
27
MateChatMateChat
前端智能化场景解决方案UI库,轻松构建你的AI应用,我们将持续完善更新,欢迎你的使用与建议。 官网地址:https://matechat.gitcode.com
1.2 K
133