Auto-sync: 2026-04-22 04:02

wiki/concepts/Root-Cause-Analysis.md

@@ -0,0 +1,71 @@
+---
+title: "Root Cause Analysis"
+tags:
+  - devops
+  - troubleshooting
+  - ai
+  - observability
+created: 2026-04-25
+---
+
+# Root Cause Analysis (RCA)
+
+## Definition
+
+Root Cause Analysis (RCA) 是通过系统化方法追溯问题根本原因的过程，而非仅处理表面症状。Agentic AI 通过跨层日志关联（计算、网络、应用），比人工更快定位问题根因，显著加速事故解决。
+
+## Traditional vs AI-Driven RCA
+
+| 维度 | 传统 RCA | AI-Driven RCA |
+|------|---------|--------------|
+| 分析速度 | 数小时至数天 | 分钟级 |
+| 数据范围 | 有限日志样本 | 全量日志 + 跨源关联 |
+| 关联能力 | 依赖人工经验 | 自动跨层相关性分析 |
+| 准确性 | 受经验影响 | 基于模式匹配的一致性 |
+| 知识积累 | 个人经验为主 | 可学习的组织知识 |
+
+## Agentic AI RCA 工作流
+
+```
+1. 异常检测 → CloudWatch/Stackdriver/Azure Monitor 告警触发
+2. 数据收集 → 自动聚合相关时间段的所有日志
+3. 跨层关联 → 关联 compute/networking/application 日志
+4. 模式匹配 → 匹配历史故障模式
+5. 根因输出 → 输出结构化根因报告 + 修复建议
+```
+
+## AI-Driven RCA 示例
+
+> AI agent monitoring AWS EKS detects a spike in error rates. It correlates:
+> - Kubernetes pod logs (application layer)
+> - VPC flow logs (network layer)  
+> - RDS metrics (database layer)
+> - → Identifies: External API timeout causing connection pool exhaustion
+> - → Suggests: Implement retry strategy with exponential backoff
+
+## 与 [[AIOps]] 的关系
+
+RCA 是 [[AIOps]] 能力矩阵的核心组件：
+
+```python
+AIOps_Capabilities = {
+    "Anomaly Detection": "检测异常模式",
+    "Root Cause Analysis": "自动诊断 ←",  # ← 本页
+    "Predictive Maintenance": "预测性维护",
+    "Smart Alerting": "减少告警疲劳",
+    "Automated Remediation": "自动修复",
+    "Capacity Optimization": "容量优化"
+}
+```
+
+## Related Concepts
+
+- [[Self-Healing Systems]] — RCA 发现根因后触发自动修复
+- [[AIOps]] — RCA 是 AIOps 的核心能力
+- [[MTTR]] — RCA 速度直接影响 MTTR
+- [[Observability]] — RCA 依赖可观测性数据
+
+## Related Sources
+
+- [[how-agentic-ai-can-help-for-cloud-devops]]
+- [[what-i-know-about-cloud-service-delivery-1]]