СберТех подключил GigaChat к мониторингу PostgreSQL на 700+ экземплярах: инциденты теперь находит ИИ

Станислав Епишин и Константин Резник из СберТеха описали два инструмента, которые превращают разрозненный мониторинг PostgreSQL в замкнутый цикл «обнаружил, проанализировал, завёл задачу». Решение построено целиком на внутренних продуктах Сбера: Pipeliner (CI/CD-оркестратор, аналог Jenkins), TaskTracker (система управления задачами, аналог Jira), GigaChat (языковая модель Сбера) и Platform V Pangolin (доработанная PostgreSQL с усиленной безопасностью). Публикация вышла как техническая статья с открытым репозиторием экспортёра.

Два инструмента вместо ручного разбора

• Monitoring_Checker_TT связывает Prometheus, Pipeliner и TaskTracker. Задания по расписанию собирают метрики напрямую через Prometheus API с помощью PromQL-запросов (язык запросов к системе мониторинга), без промежуточного слоя Grafana, и при превышении порогов автоматически создают заявки в TaskTracker.

• Analyze_Pangolin_AI отправляет собранные данные в GigaChat через AI Hub API (программный интерфейс для доступа к нейросети). Модель формирует диагностический отчёт: что сломалось, почему и что делать. Администратор получает не сырые графики, а текстовый разбор инцидента.

• stdguard_pgexporter (кастомный экспортёр, то есть программа, которая собирает показатели и отдаёт их системе мониторинга) лежит в основе обоих инструментов. Каждые 15 минут он выполняет bash-команды и SQL-запросы, описанные в двух конфигурационных файлах, и преобразует текстовые журналы СУБД в структурированные метрики Prometheus.

Какие метрики собирает экспортёр?

Файл stdguard_queries.yaml содержит SQL-запросы для проверки соответствия внутренним стандартам:

• имена объектов (запрещён верхний регистр)
• наличие комментариев к таблицам и полям
• разделение таблиц и индексов по табличным пространствам
• выявление внешних ключей без индексов

Файл stdguard_system.yaml описывает bash-команды для сбора системных данных: количество процессов СУБД, размеры журналов, частота блокировок (deadlock, ситуация, когда два процесса ждут друг друга и оба встают) и критических ошибок.

Гибкость конфигурации позволяет адаптировать сбор под любую топологию кластера, от одиночного экземпляра до крупных мультимастерных конфигураций.

Prometheus API вместо Grafana: зачем?

Традиционный подход предполагает визуализацию в Grafana: администратор смотрит на графики глазами. Здесь система работает напрямую с Prometheus API, что даёт три преимущества:

• данные приходят в структурированном формате JSON, пригодном для программной обработки
• сложные агрегации выполняются на стороне Prometheus средствами PromQL
• нет накладных расходов на рендеринг графиков, которые всё равно никто не смотрит в момент инцидента

Именно JSON-ответы Prometheus становятся входными данными для GigaChat: нейросеть получает не картинку, а числа с контекстом.

Как попробовать?

1. Установите stdguard_pgexporter из открытого репозитория (ссылка указана в статье авторов) и настройте два конфигурационных файла под свои экземпляры PostgreSQL или Pangolin.
2. Подключите экспортёр к вашему Prometheus и убедитесь, что метрики появляются на эндпоинте /metrics.
3. Настройте задания в вашем CI/CD-оркестраторе (Pipeliner, Jenkins или аналог) для опроса Prometheus API и создания задач в трекере при превышении порогов.
4. Для ИИ-диагностики подключите GigaChat через AI Hub API, передавая собранные метрики как контекст промпта (текстового запроса к нейросети).

Что делать, если вы не в экосистеме Сбера?

Архитектура решения не привязана жёстко к конкретным продуктам. Авторы прямо указывают аналоги: Pipeliner заменяется Jenkins, TaskTracker заменяется Jira. Вместо GigaChat можно подключить другую языковую модель с API, например YandexGPT.

Ключевой элемент, stdguard_pgexporter, выложен в открытый репозиторий и работает с любым PostgreSQL.

Что с этого вам прямо сейчас?

Администраторам баз данных. Если вы обслуживаете хотя бы десяток экземпляров PostgreSQL, схема «экспортёр плюс Prometheus плюс нейросеть» экономит время на разборе инцидентов. Начните с установки экспортёра, это самый простой шаг, и посмотрите, какие метрики он выдаёт на вашей конфигурации.

Авторам Дзена, пишущим про технологии. Кейс СберТеха показывает, что мониторинг PostgreSQL с помощью ИИ уже не теория, а внутренний продукт крупной компании. Это рабочий материал для статьи или разбора: конкретная архитектура, открытый код, названия инструментов.

Предпринимателям и руководителям ИТ. Решение целиком построено на российском стеке. Если ваша инфраструктура завязана на PostgreSQL и вы ищете способ сократить время реакции на сбои без закупки западного ПО, здесь готовый шаблон.

Частые вопросы

Нужен ли именно Pangolin или подойдёт обычный PostgreSQL?

Экспортёр stdguard_pgexporter работает с PostgreSQL. Pangolin, это доработанная версия от СберТеха с усиленной безопасностью, но базовый мониторинг PostgreSQL через экспортёр доступен и без неё.

Можно ли заменить GigaChat на другую нейросеть?

Да. Архитектура предполагает передачу метрик в формате JSON через API. Любая языковая модель с программным интерфейсом (YandexGPT, Claude, GPT) может принять эти данные как контекст промпта и сформировать отчёт.

Где взять код экспортёра?

Авторы указывают, что репозиторий stdguard_pgexporter открыт. Ссылка приведена в оригинальной статье на Хабре.

Полная связка «Prometheus плюс экспортёр плюс GigaChat плюс трекер» пока живёт внутри СберТеха, но каждый элемент заменяем, а экспортёр уже лежит в открытом доступе: забирайте и адаптируйте под свой парк PostgreSQL.