Databuff

AI Native OpenTelemetry APM

在线演示 Demo，需要加入下方交流群获取账号密码

OpenTelemetry APM 与 AI Native 能力概览

--- DataBuff 是一款面向 AI 智能体、微服务、云原生场景的 **AI 原生开源 APM 软件**，以 OpenTelemetry 标准接入，提供**全链路监控**、服务拓扑、RED 指标、智能体监控与 AI 工作台。 ## 功能特性 - 🤖 **AI 原生，不是外挂聊天框** — LLM 直接查询 Trace、指标、拓扑、告警，回答基于真实数据 - 🧠 **多智能体协同** — AI 大脑统一编排，智能问数 / 巡检 / 运维 / 答疑专家各司其职，复杂问题并行协作 - 🎯 **AI 应用监控**（Roadmap）— LLM 调用链 · Token 分析 · Agent 拓扑 · 技能/工具/模型调用追踪 - ⚡ **eBPF APM**（Roadmap）— 内核级无侵入采集，零修改代码获取调用链与性能数据 - 📊 **双协议 APM 底座** — OTLP 标准接入 + **SkyWalking 原生 gRPC 兼容**，老 SkyWalking 用户改个 exporter 地址即可切换 - 🚨 **告警闭环** — 阈值与突变检测、定时评估、告警事件记录 - 🔧 **Skill + Tool 可扩展** — 内置 Skill 可覆盖，支持自定义数字专家，无需改核心代码 - 🔌 **MCP 双向开放** — 平台暴露 MCP 供 Cursor / Claude 等调用；也可接入外部 MCP（Prometheus 等） - 🐳 **极简三组件架构** — Ingest + Doris + Web，Docker / K8s 一条命令跑起来 - 🌐 **自带模型** — OpenAI 兼容 + Anthropic；支持 Kimi、DeepSeek、GLM、Ollama 等 ---

AIOps 路线图：看得见 → 军团协同 → 会巡检 → 会诊断 → 会修 → 会预测 → 会答疑

AIOps 路线图

---

7 个能力展开

① 看得见 · 自然语言问系统

大白话问「最近 1 小时哪个服务最慢」，AI 自己查 20 个服务、给出最慢 3 个排行与平均耗时，一行查询语言都不用写。

自然语言问哪个服务最慢

② 军团协同 · 多 Agent 并发派发

不选具体专家，把复杂任务丢给 AI 大脑——它按真实专家列表并发派给智能问数 + 智能巡检，分头查证后汇总成可转发的故障报告。

AI 大脑并发派发 dispatchExpertTask 给智能问数与智能巡检

---

③ 会巡检 · 服务巡检 + HTML 报告

一句话触发单服务巡检，81 秒后生成排版完整的 HTML 报告：入口健康分 98、下游 MySQL 60、Redis 100、活跃告警 0——入口看似一切正常，错误日志区却摊开 30 分钟 60 条 InsufficientStockException 被 HTTP 200 盖住的「假正常」。报告可直接预览转发。

服务巡检 HTML 报告

④ 会诊断 · 根因分析带证据链

问「service-a 瓶颈在应用、数据库还是下游」，AI 拉拓扑、排出口调用指标，按占比归因——瓶颈在下游 service-b 占 73.2%，其余环节不背锅，结论可直接写进故障报告。

根因分析

⑤ 会修 · 运维专家 SSH 上机动手

不止看图，还能登机器帮你修。容器一直重启，运维专家 SSH 上机敲 docker logs / inspect / free -m，定位 OOM 137——容器内存限制只有 10MB 而 JVM 要 64MB，删旧容器、重建为 512MB、docker ps 恢复稳定。从「能看」走到「能修」的分水岭。

运维专家 SSH 修复

---

⑥ 会预测 · 容量健康度分析

从「事后排障」走向「事前预判」。AI 厘清真实依赖关系，对高耗时 Redis 做容量判断——98 QPS 远低于单机万级承载力，瓶颈不在容量而在大 Key / 慢查询，明确建议不要盲目扩容。

容量健康度分析

⑦ 会答疑 · 开源产品自带客服

「OTel SDK 怎么接入？告警阈值在哪配？」答疑专家真去翻产品文档，给出 OTLP 端口（gRPC 4317 / HTTP 4318）、Spring Boot Java Agent 一行命令零代码埋点、告警配置菜单路径——读的是自家文档，比搜索引擎靠谱。

答疑专家

---

数据接入：双协议原生兼容

DataBuff 同时支持 OpenTelemetry 与 SkyWalking 两种主流接入协议，老存量 Agent 无需改造即可切换。

协议	端口 / 端点	支持的信号
OTLP（OpenTelemetry 原生）	gRPC `4317` · HTTP `4318`	Traces + Metrics + Logs
SkyWalking 原生 gRPC	gRPC `11800`	Trace Segment + JVM 指标 + 日志（复用现有 SW Agent，改 exporter 地址即可）

---

效果展示 · 界面本身就是个能打的 APM

AI 帮你读数据，界面帮你确认 AI 说的对不对，两条腿走路。全局拓扑、服务列表、服务详情、服务流——该有的视角都有，从拓扑大图点进去能一路下钻到单条链路。

_{服务列表 · 红绿灯锁定异常}	_{全局拓扑 · 自动绘制调用关系}
_{服务详情 · 指标趋势与实例}	_{服务流 · 上下游依赖}

---

极简架构

---

快速安装

> ⚡ 从执行安装命令到 Demo 应用上报数据、看到链路追踪与拓扑，约 **5 分钟** 即可出效果。

依赖 **docker**、**docker-compose**；安装脚本自动识别 amd64/arm64，下载对应镜像包。 **1. 安装平台** ```bash curl -fsSL https://databuff.ai/databuff/ai-apm-install.sh | bash ``` **2. 安装 Demo 应用**（可选） ```bash curl -fsSL https://databuff.ai/databuff/ai-apm-demo-install.sh | bash ```

离线安装

无法访问镜像仓库时，按架构下载离线包后在目标机器安装。版本与下载链接见 [官网安装页](https://databuff.ai/#install) **Docker → 离线安装**，或： `https://openocta.com/pkg/databuff//offline/databuff-ai-apm-offline--.tar.gz` ```bash tar -zxvf databuff-ai-apm-offline--.tar.gz cd databuff-ai-apm-offline-- # 安装平台 sudo ./install.sh ```

Kubernetes 安装

依赖 **kubectl** 与可用 K8s 集群；脚本通过 K8s manifest 直装平台。 **1. 安装平台** ```bash curl -fsSL https://databuff.ai/databuff/ai-apm-k8s-install.sh | bash ``` **2. 安装 Demo 应用**（可选） ```bash curl -fsSL https://databuff.ai/databuff/ai-apm-demo-k8s-install.sh | bash ``` **离线镜像下载** 若上方安装命令因网络问题无法拉取镜像，可执行以下命令下载离线镜像包，并自动 load 到节点。 ```bash curl -fsSL https://databuff.ai/databuff/ai-apm-k8s-download-images.sh | bash ```

访问 http://YOUR_HOST:27403 · 默认登录 admin / Databuff@123 · 模型配置填入 API Key 启用 AI

---

社区贡献

贡献指南 · 提交 Issue · Discussions · Good First Issues

参与贡献：阅读 CONTRIBUTING.md 了解如何提交 PR、报告 Bug 或请求功能。
加入微信社区获取实时帮助 👇

交流群

微信扫码加入 Databuff 开源交流群

微信扫码加入交流群