←

技术博客

阅读约 6 分钟

DataBuff v0.1.6 发版通告

Span 列表查询加速、接口耗时分解新增「接口自身耗时」维度、告警同环比检测修正、AI 稳定性测试，并完善 databuff-proxy 双写迁移路径，SkyWalking 用户业务零改动即可并跑 DataBuff — 含升级指引与两张实拍截图。

发版APMAIOpsv0.1.6

DataBuff v0.1.6 已就绪：Span 列表查询加速、接口耗时分解新增「接口自身耗时」维度、告警同环比检测修正、AI 稳定性、工作区文件预览扩展，并完善 databuff-proxy 双写迁移路径，SkyWalking 用户业务零改动即可并跑 DataBuff。相对 v0.1.5：20 commits，本版无 Schema 迁移。

本版亮点

  • databuff-proxy 双写迁移：v0.1.6 完善了 SkyWalking→DataBuff 双写迁移路径与稳定性验证，业务零改动（Agent 不换、配置不改、Pod 不重启），平台侧接 databuff-proxy 即可让同一批 Trace 同时进 OAP 和 DataBuff Ingest。
  • 接口耗时分解：接口分析新增「接口自身耗时」维度，把接口自身耗时从下游调用（DB / Redis / MQ / HTTP / RPC）拆出来，慢在自身逻辑还是下游依赖一眼能分。
  • Span 列表查询加速：接口分析 / 链路追踪的 span 列表改用 exact URL 精确匹配、不再单独 count 总数、并对 startTime 做 30 分钟分区裁剪，列表响应更快。
  • 告警同环比检测修正：mutation（同环比）告警尊重 comparePeriod 与 fluctuate 方向（valUp / valDown / yoyUp / yoyDown），不再误判方向。
  • 告警取值与表达式：listTagValues 跳过未知 metric tag；eval SQL 覆盖 filter operators。
  • AI 稳定性：brain 多步 handoff 提示改进、剥离 protocol coaching；session 列表/计数 DB-first，Doris 错误时 fail-closed 到内存；model failure 上抛给用户；修复 brain dispatch bug；更新 brain routing 提示词。
  • AI 稳定性测试：5 套 AI 集成测试全部并行（chat/formats/memory/brain + 新增 modelfail），新增专家交互契约测试，修复记忆隔离、模型失败上抛、brain 调度等缺陷。
  • 工作区文件预览：AI 对话工作区在线预览扩展到所有非二进制文件（不再限于 txt/log/csv/json）。
  • 部署与构建：compose health wait 超时提升至 300s；新增 ai-apm-web-base 镜像，web release 跳过 apt 重装。

怎么用：databuff-proxy 双写（SkyWalking 平滑过渡）

已有 SkyWalking 的团队想试 DataBuff，业务侧零改动就能并跑：只在原 OAP 宿主机部署 databuff-proxy 占住 :11800，同一批流量对称抄送两路后端。

  • 业务零改动：Agent 不换、上报地址不改、Pod 不重启。
  • 对称双写：同一批 Trace / JVM / Log 同时进 OAP 和 DataBuff Ingest，不做协议转换。
  • 对照期可回滚：两路 UI 并排看，满意了管理页关 SkyWalking 写入即可。
  • v0.1.6 完善：迁移指南新增方案 B、新增双写稳定性验证文档。
  • proxy 独立仓库：github.com/databufflabs/databuff-proxy，单独发布，不在 v0.1.6 主仓代码内。
databuff-proxy 转发监控管理页：入站 5.7k req/s，对称双写至 DataBuff 与 SkyWalking，发送成功 11.4k req/s，丢弃 0
图 1 · databuff-proxy 管理页：同一批流量对称双写两路后端，发送成功约为入站的两倍、丢弃为 0，可随时开关某路写入

迁移步骤见 从 SkyWalking 迁移（方案 B），双写稳定性结论见 proxy 双写稳定性验证。

怎么用：接口耗时分解

路径：应用性能 → 接口分析。选中一个 HTTP / RPC / MQ 接口，耗时分解图按时间桶把耗时拆成「接口自身耗时」与各下游组件（DB / Redis / MQ / HTTP / RPC / 远程调用），下游再按对端 service 细分。

  • 接口自身耗时：接口总耗时减去所有下游调用耗时之和。
  • 下游按组件 + 对端 service 拆：例如 HTTP service-b、DB [mysql]demo_apm、Redis [redis]redis:6379、MQ [kafka]order-events。
  • 定位瓶颈更直接：响应时间涨，看是自身涨还是某个下游涨，无需逐条翻 Trace。
接口分析耗时分解图：响应时间 240ms，按时间桶拆为接口自身耗时与下游 HTTP/RPC/DB[mysql]/DB[elasticsearch]/Redis/MQ[kafka] 各组件耗时
图 2 · 接口耗时分解：响应时间 240ms，按时间桶拆出接口自身耗时与下游各组件（HTTP / RPC / MySQL / Elasticsearch / Redis / Kafka），自身逻辑和下游依赖各占多少看图即知

怎么用：工作区文件在线预览扩展

路径：AI 平台 → AI 对话。专家执行工具时产出的中间文件会落到工作区，点击即可在右侧在线预览，不用下载到本地。

v0.1.6 把可预览的后缀放开了：除二进制（图片、压缩包、.class、.parquet 等）外，.py、.sh、.yml、.sql、Dockerfile、.md 等文本/代码类文件都能直接看，.md 按 markdown 渲染。交互和 v0.1.5 一样，升级即生效。

重点：AI 稳定性测试

v0.1.6 强化 AI 稳定性测试：新增「模型失败可见性」套件与专家交互契约测试，修复记忆隔离、模型失败上抛、brain 调度等缺陷。5 套全部并行：

  • chat 工具参数校验：4 题，覆盖服务/拓扑/慢请求 trace/告警四类工具调用，校验选工具与参数。
  • formats 接入格式：OpenAI Completions + Anthropic Messages 两种接入格式，3 题，验证接入一致。
  • memory 会话记忆：5 用例：巡检多轮记忆/同会话跨专家隔离/问数多轮记忆/大脑多轮记忆/巡检追问生成。
  • brain 大脑异步路由：10 用例：单专家调度/并行调度/专家失败/跨会话隔离/多轮调度/多步巡检-报告/多步延迟巡检-报告/并行巡检+运维/数据→运维/数据+问答。
  • modelfail 模型失败可见性（v0.1.6 新增）：3 用例：单专家运维/单专家数据/多专家级联，失败上抛给用户而非静默吞掉。

Java 侧新增专家交互契约测试（BuiltInExpertInteractionContractIntegrationTest 486 行、ExpertMessageContractTest 183 行）。

安装与升级

新装请按 Docker 安装部署；已有环境换版本请按 升级与卸载。本版无 Schema 迁移，升级即替换镜像并重启；K8s 本版不支持原地升级，需卸载后重装。

# 新用户安装（全新安装，会清理旧安装目录与 data/）
curl -fsSL https://databuff.ai/databuff/ai-apm-install.sh | bash

# 现有用户升级（就地升级，保留 data/ 观测数据）
curl -fsSL https://databuff.ai/databuff/ai-apm-update.sh | bash

体验与反馈

GitHub Release v0.1.6 · 在线 Demo · 给项目 Star