KY-ops

基于银河麒麟操作系统的智能运维管家工具

一个集成了AI智能对话、实时系统监控、安全扫描、性能分析等功能的现代化Linux运维管理平台。

🚀 快速部署

系统要求

• 操作系统: Linux (推荐银河麒麟、Ubuntu 18.04+、CentOS 7+)
• Python版本: Python 3.11+ (脚本支持自动安装)
• 内存: 最低 4GB RAM (AI功能需要 8GB+)
• 磁盘空间: 最低 10GB 可用空间
• 网络: 需要互联网连接用于依赖安装

一键部署

1. 下载项目

   git clone https://github.com/mrsee239108/KY-ops.git
   cd KY-ops

2. 运行部署脚本

   chmod +x start.sh
   ./start.sh

   部署脚本将自动完成以下操作：

   • 检查并安装Python 3.11环境
   • 安装项目依赖包
   • 配置AI模型环境
   • 启动Web服务

3. 访问系统

   部署完成后，在浏览器中访问：

   http://your-server-ip:5000
   

手动部署

如果自动部署脚本遇到问题，可以手动部署：

1. 安装Python 3.11+

   # Ubuntu/Debian
   sudo apt update
   sudo apt install python3.11 python3.11-pip
   
   # CentOS/RHEL
   sudo yum install python3.11 python3.11-pip

2. 安装依赖

   pip3 install -r requirements.txt
   pip3 install -r LLM/requirements.txt  # AI功能依赖

3. 启动服务

   python3 app.py

🏗️ 技术架构

核心技术栈

• 后端框架: Flask 2.3.3
• 系统监控: psutil + 自研extuner模块
• AI模型: Qwen3-0.6B + LoRA微调
• 前端技术: HTML5 + CSS3 + JavaScript + Font Awesome
• 数据处理: NumPy + JSON
• 安全扫描: 自研SecurityScanner模块

系统架构图

┌─────────────────────────────────────────────────────────────┐
│                        Web前端界面                          │
├─────────────────────────────────────────────────────────────┤
│                      Flask Web服务                         │
├─────────────────┬─────────────────┬─────────────────────────┤
│   系统监控模块   │    AI服务模块    │      安全扫描模块        │
│   (extuner)     │  (ai_service)   │  (security_scanner)     │
├─────────────────┼─────────────────┼─────────────────────────┤
│     实时监控     │   Qwen3模型     │     漏洞扫描            │
│   CPU/内存/网络  │   LoRA微调      │     日志分析            │
│   磁盘/进程     │   流式对话      │     敏感信息检测         │
└─────────────────┴─────────────────┴─────────────────────────┘

📋 功能模块详解

1. 系统监控模块 (extuner)

核心组件:

• get_cpu_info.py: CPU使用率、频率、温度监控
• get_memory_info.py: 内存使用情况、交换分区监控
• get_disk_info.py: 磁盘空间、I/O性能监控
• get_net_info.py: 网络接口、流量、连接状态监控
• get_system_message.py: 系统消息、日志监控

技术特点:

• 实时数据采集 (2秒间隔)
• 多线程并发监控
• 数据缓存机制
• 配置文件驱动 (extuner.conf)

2. AI智能服务模块

模型架构:

• 基础模型: Qwen3-0.6B (轻量级大语言模型)
• 微调技术: LoRA (Low-Rank Adaptation)
• 推理引擎: 自研流式推理引擎

核心文件:

• ai_service.py: AI服务管理器
• advanced_streaming.py: 流式推理引擎
• LLM/model/: 模型文件存储
• LLM/lora/: LoRA适配器

功能特性:

• 智能运维问答
• 系统故障诊断建议
• 流式对话体验
• 对话历史管理

3. 安全扫描模块

扫描类型:

• 快速扫描: 基础安全检查
• 全面扫描: 深度安全分析
• 日志分析: 异常行为检测

检测能力:

• 敏感信息泄露检测 (密码、手机号、身份证等)
• 系统漏洞扫描
• 文件权限检查
• 网络端口安全分析
• 实时日志监控

4. 性能监控与告警

监控指标:

• CPU使用率 (阈值: 85%)
• 内存使用率 (阈值: 90%)
• 磁盘空间 (阈值: 90%)
• 网络带宽 (阈值: 80%)
• 进程负载 (阈值: 50%)

告警机制:

• 实时阈值监控
• 多级告警等级
• 自动修复建议
• 历史告警记录

🔧 配置说明

系统配置文件

1. extuner.conf: 监控模块配置

   {
       "Getting": {
           "Common": {
               "enable": 1,
               "CPU": {"interval": 3, "times": 1},
               "Memory": {"interval": 3, "times": 1}
           }
       }
   }

2. settings.json: 界面主题配置

   {
       "theme": {
           "background_type": "solid",
           "background_color": "#1a1a2e"
       }
   }

AI模型配置

• 模型路径: LLM/model/Qwen3-0.6B/
• LoRA适配器: LLM/lora/
• API端口: 8000 (可配置)
• 推理参数: 在 advanced_streaming.py 中配置

🛠️ 开发指南

项目结构

KYops/
├── app.py                 # Flask主应用
├── ai_service.py          # AI服务模块
├── security_scanner.py    # 安全扫描模块
├── requirements.txt       # Python依赖
├── start.sh              # 部署脚本
├── settings.json         # 系统配置
├── extuner/              # 系统监控模块
│   ├── category/         # 监控组件
│   ├── common/           # 公共工具
│   └── extuner.conf      # 监控配置
├── LLM/                  # AI模型模块
│   ├── model/            # 模型文件
│   ├── lora/             # LoRA适配器
│   └── requirements.txt  # AI依赖
├── templates/            # HTML模板
├── static/               # 静态资源
│   ├── css/              # 样式文件
│   └── js/               # JavaScript文件
└── repair_scripts/       # 自动修复脚本

API接口

主要REST API端点：

• GET /api/system-status: 获取系统状态
• GET /api/performance-data: 获取性能数据
• POST /api/security-scan: 启动安全扫描
• POST /api/ai-chat: AI对话接口
• GET /api/processes: 获取进程列表
• GET /api/network-stats: 获取网络统计

扩展开发

1. 添加新的监控指标:

   • 在 extuner/category/ 下创建新的监控模块
   • 继承基础监控类
   • 在 app.py 中注册新的API端点

2. 自定义AI模型:

   • 替换 LLM/model/ 下的模型文件
   • 修改 advanced_streaming.py 中的模型加载逻辑
   • 重新训练LoRA适配器

3. 扩展安全扫描:

   • 在 security_scanner.py 中添加新的扫描规则
   • 扩展敏感信息检测模式
   • 添加自动修复脚本

🔍 故障排除

常见问题

1. Python版本问题

   # 检查Python版本
   python3 --version
   # 如果版本低于3.11，运行部署脚本自动安装
   ./start.sh

2. 依赖安装失败

   # 使用国内镜像源
   pip3 install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

3. AI模型加载失败

   • 检查模型文件是否完整
   • 确认内存是否充足 (需要8GB+)
   • 查看 ai_service.log 日志

4. 权限问题

   # 确保脚本有执行权限
   chmod +x start.sh
   # 某些监控功能可能需要sudo权限

日志查看

• 应用日志: app.log
• AI服务日志: ai_service.log
• 系统监控日志: extuner/extunerData/log/
• 安全扫描日志: 在Web界面查看

📄 许可证

本项目采用开源许可证，详见LICENSE文件。

🤝 贡献指南

欢迎提交Issue和Pull Request来改进项目。

📞 技术支持

如有技术问题，请通过以下方式联系：17799789413/liaoyuxuan239108@qq.com

• 提交GitHub Issue
• 查看项目文档
• 参考故障排除指南