DataBuff v0.1.4 发布 · 7 大 AI 运维能力
DataBuff 是一款面向云原生与微服务场景的开源 **AI Native OpenTelemetry APM**，采用 OTLP 标准接入，统一存储于 Apache Doris，通过 Web 平台提供拓扑、Trace、指标管理和多 Agent 排障能力。项目已在 OSCHINA 软件库收录，软件主页：[https://www.oschina.net/p/databuff](https://www.oschina.net/p/databuff)
今天，DataBuff 正式发布 **v0.1.4**（2026-07-19），相较于 v0.1.3，共有 **45 次提交、274 个文件变更**。本版本重点包括：**7 大 AI 运维能力首页支持配置上线**、**多 Agent 协同与深度巡检交付链**，以及 **SkyWalking / Trace 数据口径修正与 Doris 及升级底座加固**——排障模式从“能进”进一步拓展到“能出”。
*图：v0.1.4 · AI 对话首页与 7 大能力入口（demo.databuff.ai 实拍）*
### 本版本亮点
**1. 7 大 AI 运维能力首页**
v0.1.4 把“看得见”、“军团协同”、“会巡检”、“会诊断”、“会修复”、“会预测”、“会答疑”这 7 大能力组织成可配置的 AI 对话首页入口。能力名称、推荐问题、绑定专家均可持久化配置，并能在管理页启停或恢复默认。打开首页后，能够直接按场景选择专家，而不用先翻菜单找能力。
**2. 多 Agent 协同 · 图片理解 · 产品答疑 · 深度巡检**
- **多 Agent 协同**：不同专家可以并行收集证据，同一专家的任务保持串行；任务、会话、生成文件归属得到修正，HTML、Markdown、SVG 格式报告可在对话工作区预览下载。
- **图片理解与文件工作区**：支持上传 PNG、JPEG、GIF、WebP 截图参与分析，工作区存放生成的文件，让“截图—分析—报告”形成一条闭环交付链。
- **产品答疑专家**：通过检索 DataBuff 镜像内的文档和代码，回答部署、接入、端口、告警及配置相关问题，不再只靠模型猜测。
- **深度服务巡检**：一句话发起巡检，综合指标、日志、活跃告警、上下游依赖、错误 Trace、实例状态及 JVM、GC、CPU、内存等运行信号，输出含异常位置、证据和处理建议的 HTML 报告。
**3. 数据口径与 Doris 运行时恢复**
- **SkyWalking / Trace**：补齐消息队列虚拟服务，校正 RPC 客户端/出站与对端关系、服务入口统计与真实最大延迟；Trace 对齐结束分钟，修正执行占比和结束时间口径。
- **默认入口告警**：新增平均耗时、错误率、异常数三条默认入口告警，修正瞬时告警计数。
- **长写入链路**：日志主体改用字符串类型，支持处理长 URL、SQL、日志和多字节中文截断；当连续失败达到阈值后，采用 fail-soft 模式避免单批卡死导致整个表阻塞。
- **Doris 运行时恢复**：Doris 故障时，Web 端依旧保留 AI 排障入口，恢复后自动探测并 hydrate 持久化状态，**无需重启 Web**，强化并延续 v0.1.3 的排障模式。
**4. 升级兼容与安全护栏**
- **旧版 Docker Compose 兼容**：维护了 `docker-compose.legacy.yml`，支持 docker-compose v1.18–1.28，`start.sh` 和 `update.sh` 会自动选用对应版本。
- **升级守护**：`update.sh` 脚本先复制到临时目录再执行；升级前备份 `data/`，启动或迁移失败时自动恢复并重试；新增 manifest schema 的持续集成校验。
- **AI Shell 安全护栏**：内置危险命令黑名单，支持通过 `apm.agent.shell-command-denylist` 追加规则。
- **AI 会话边界**：内存会话设置 1 天的 TTL 和最多 500 条记录，按活动时间 LRU 淘汰空闲会话。
已有 Docker 部署的用户可以直接执行升级脚本，*注意保持 `data/` 目录不变*：
```bash
curl -fsSL https://databuff.ai/databuff/ai-apm-update.sh | bash
```
离线升级：解压目标版本离线包后，在离线包目录执行（保持 `data/` 目录不变）：
```bash
tar -xzf databuff-ai-apm-offline-0.1.4-amd64.tar.gz
cd databuff-ai-apm-offline-0.1.4-amd64
sudo ./update.sh
```
同时提供 **0.1.4** 版本的 amd64 / arm64 离线安装包，适合内网无外网环境使用。
### 快速开始（新装）
```bash
# 安装平台
curl -fsSL https://databuff.ai/databuff/ai-apm-install.sh | bash
# 可选：安装样例服务
curl -fsSL https://databuff.ai/databuff/ai-apm-demo-install.sh | bash
```
浏览器访问 `http://<你的主机>:27403`，默认账号为 `admin` / `Databuff@123`，配置好 LLM API Key 后即可使用 7 大 AI 能力和运维专家服务。
### 组件与镜像（v0.1.4）
| 组件 | 镜像 |
|------------|----------------------------|
| Web Platform | `databuffhub/ai-apm-web:0.1.4` |
| Ingest | `databuffhub/ai-apm-ingest:0.1.4` |
| Demo | `databuffhub/ai-apm-demo:0.1.4` |
架构简述：`应用 (OTLP / SkyWalking) → ai-apm-ingest → Doris → ai-apm-web (平台 + AI Agents + 运维专家)`
### 获取项目
- Release 说明：[https://github.com/databufflabs/databuff/releases/tag/0.1.4](https://github.com/databufflabs/databuff/releases/tag/0.1.4)
- 源码仓库：[https://github.com/databufflabs/databuff](https://github.com/databufflabs/databuff)
- 文档：[https://github.com/databufflabs/databuff/tree/master/docs](https://github.com/databufflabs/databuff/tree/master/docs)
- 官网：[https://databuff.ai/](https://databuff.ai/)
- 在线演示：[https://demo.databuff.ai/](https://demo.databuff.ai/)
- OSCHINA 软件主页：[https://www.oschina.net/p/databuff](https://www.oschina.net/p/databuff)
欢迎试用 v0.1.4，并在[GitHub 给我们一个 Star](https://github.com/databufflabs/databuff)，也可以在软件主页留言交流部署和 AI 排障体验。
---
原文链接：[点击查看](https://www.oschina.net/news/474811/databuff-0-1-4-released)
今天，DataBuff 正式发布 **v0.1.4**（2026-07-19），相较于 v0.1.3，共有 **45 次提交、274 个文件变更**。本版本重点包括：**7 大 AI 运维能力首页支持配置上线**、**多 Agent 协同与深度巡检交付链**，以及 **SkyWalking / Trace 数据口径修正与 Doris 及升级底座加固**——排障模式从“能进”进一步拓展到“能出”。
*图：v0.1.4 · AI 对话首页与 7 大能力入口（demo.databuff.ai 实拍）*
### 本版本亮点
**1. 7 大 AI 运维能力首页**
v0.1.4 把“看得见”、“军团协同”、“会巡检”、“会诊断”、“会修复”、“会预测”、“会答疑”这 7 大能力组织成可配置的 AI 对话首页入口。能力名称、推荐问题、绑定专家均可持久化配置，并能在管理页启停或恢复默认。打开首页后，能够直接按场景选择专家，而不用先翻菜单找能力。
**2. 多 Agent 协同 · 图片理解 · 产品答疑 · 深度巡检**
- **多 Agent 协同**：不同专家可以并行收集证据，同一专家的任务保持串行；任务、会话、生成文件归属得到修正，HTML、Markdown、SVG 格式报告可在对话工作区预览下载。
- **图片理解与文件工作区**：支持上传 PNG、JPEG、GIF、WebP 截图参与分析，工作区存放生成的文件，让“截图—分析—报告”形成一条闭环交付链。
- **产品答疑专家**：通过检索 DataBuff 镜像内的文档和代码，回答部署、接入、端口、告警及配置相关问题，不再只靠模型猜测。
- **深度服务巡检**：一句话发起巡检，综合指标、日志、活跃告警、上下游依赖、错误 Trace、实例状态及 JVM、GC、CPU、内存等运行信号，输出含异常位置、证据和处理建议的 HTML 报告。
**3. 数据口径与 Doris 运行时恢复**
- **SkyWalking / Trace**：补齐消息队列虚拟服务，校正 RPC 客户端/出站与对端关系、服务入口统计与真实最大延迟；Trace 对齐结束分钟，修正执行占比和结束时间口径。
- **默认入口告警**：新增平均耗时、错误率、异常数三条默认入口告警，修正瞬时告警计数。
- **长写入链路**：日志主体改用字符串类型，支持处理长 URL、SQL、日志和多字节中文截断；当连续失败达到阈值后，采用 fail-soft 模式避免单批卡死导致整个表阻塞。
- **Doris 运行时恢复**：Doris 故障时，Web 端依旧保留 AI 排障入口，恢复后自动探测并 hydrate 持久化状态，**无需重启 Web**，强化并延续 v0.1.3 的排障模式。
**4. 升级兼容与安全护栏**
- **旧版 Docker Compose 兼容**：维护了 `docker-compose.legacy.yml`，支持 docker-compose v1.18–1.28，`start.sh` 和 `update.sh` 会自动选用对应版本。
- **升级守护**：`update.sh` 脚本先复制到临时目录再执行；升级前备份 `data/`，启动或迁移失败时自动恢复并重试；新增 manifest schema 的持续集成校验。
- **AI Shell 安全护栏**：内置危险命令黑名单，支持通过 `apm.agent.shell-command-denylist` 追加规则。
- **AI 会话边界**：内存会话设置 1 天的 TTL 和最多 500 条记录，按活动时间 LRU 淘汰空闲会话。
已有 Docker 部署的用户可以直接执行升级脚本，*注意保持 `data/` 目录不变*：
```bash
curl -fsSL https://databuff.ai/databuff/ai-apm-update.sh | bash
```
离线升级：解压目标版本离线包后，在离线包目录执行（保持 `data/` 目录不变）：
```bash
tar -xzf databuff-ai-apm-offline-0.1.4-amd64.tar.gz
cd databuff-ai-apm-offline-0.1.4-amd64
sudo ./update.sh
```
同时提供 **0.1.4** 版本的 amd64 / arm64 离线安装包，适合内网无外网环境使用。
### 快速开始（新装）
```bash
# 安装平台
curl -fsSL https://databuff.ai/databuff/ai-apm-install.sh | bash
# 可选：安装样例服务
curl -fsSL https://databuff.ai/databuff/ai-apm-demo-install.sh | bash
```
浏览器访问 `http://<你的主机>:27403`，默认账号为 `admin` / `Databuff@123`，配置好 LLM API Key 后即可使用 7 大 AI 能力和运维专家服务。
### 组件与镜像（v0.1.4）
| 组件 | 镜像 |
|------------|----------------------------|
| Web Platform | `databuffhub/ai-apm-web:0.1.4` |
| Ingest | `databuffhub/ai-apm-ingest:0.1.4` |
| Demo | `databuffhub/ai-apm-demo:0.1.4` |
架构简述：`应用 (OTLP / SkyWalking) → ai-apm-ingest → Doris → ai-apm-web (平台 + AI Agents + 运维专家)`
### 获取项目
- Release 说明：[https://github.com/databufflabs/databuff/releases/tag/0.1.4](https://github.com/databufflabs/databuff/releases/tag/0.1.4)
- 源码仓库：[https://github.com/databufflabs/databuff](https://github.com/databufflabs/databuff)
- 文档：[https://github.com/databufflabs/databuff/tree/master/docs](https://github.com/databufflabs/databuff/tree/master/docs)
- 官网：[https://databuff.ai/](https://databuff.ai/)
- 在线演示：[https://demo.databuff.ai/](https://demo.databuff.ai/)
- OSCHINA 软件主页：[https://www.oschina.net/p/databuff](https://www.oschina.net/p/databuff)
欢迎试用 v0.1.4，并在[GitHub 给我们一个 Star](https://github.com/databufflabs/databuff)，也可以在软件主页留言交流部署和 AI 排障体验。
---
原文链接：[点击查看](https://www.oschina.net/news/474811/databuff-0-1-4-released)
评论
暂无评论。