Seis expertos, un solo veredicto. SRE los convoca.

Red, infraestructura, aplicación, logs, hosts y vulnerabilidades: cada experto lee sus herramientas, el agente orquestador reúne los informes. Todo en solo lectura.

Descubre Agents

Agente orquestador

Hipótesis · línea de tiempo · informe

Logs: 14 errores de timeout a las 13:41 en el índice de la tienda. Adjunto las líneas.

Ejemplo ilustrativo · cada petición a las herramientas queda en el log de auditoría

Una investigación, de la alerta al informe.

Nadie tiene que abrir seis consolas una tras otra: el agente lo hace por quien está de guardia y cuenta lo que ha encontrado.

  1. 13:42

    Llega la alerta.

    Un mensaje, por ejemplo en Teams, inicia la investigación: dice qué no funciona y dónde.

  2. 13:42

    Se abre un contenedor aislado.

    Cada investigación trabaja en su propio entorno, separado del resto de la infraestructura.

  3. 13:43

    Los expertos leen.

    Red, infraestructura, aplicación, logs, hosts y vulnerabilidades: cada uno consulta solo sus herramientas, en solo lectura.

  4. 13:46

    El orquestador razona.

    Ordena los eventos en una línea de tiempo, busca la causa con los 5 Porqués y formula hipótesis.

  5. 13:48

    Llega el informe.

    Las hipótesis con su grado de confianza y una solución propuesta, para quien está de guardia. Su feedback vuelve al agente.

Ejemplo ilustrativo

Cada respuesta, un nuevo porqué.

El orquestador no sigue un guion: tras cada respuesta de las herramientas decide qué preguntar a continuación. Baja un porqué cada vez, descarta las pistas que no se sostienen y se detiene en la causa.

Tienda: cajas lentas desde las 13:40

  1. ¿Por qué?¿Por qué van lentas las cajas?

    La tienda informa de cajas lentas desde las 13:40. Parto del síntoma: ¿cuánto se ralentiza la aplicación y desde cuándo?

    Aplicación

    dynatrace.response_time(service="checkout", window="60m")

    Tiempos de respuesta al alza desde las 13:38. Las peticiones se acumulan en cola.

    Pista descartada · Red

    Descarto primero la causa más simple: ¿puede ser la red hacia la tienda?

    wug.packet_loss(site="store", window="30m")

    Ningún paquete perdido, latencia normal. La red no explica la lentitud.

  2. ¿Por qué?¿Por qué se ralentiza la aplicación?

    Si la aplicación se ralentiza y la red está sana, algo falla por detrás. Busco errores en torno a las 13:38.

    Logs

    splunk.search(index="store", query="timeout", window="30m")

    14 errores de timeout a las 13:41, todos hacia la base de datos.

    Pista descartada · Infraestructura

    Timeouts hacia la base de datos. ¿Está el servidor sometido a esfuerzo?

    checkmk.host_status(host="db-01")

    Accesible, CPU y memoria por debajo de los umbrales. No es un problema de recursos.

  3. ¿Por qué?¿Por qué las peticiones a la base de datos dan timeout?

    Servidor sano pero peticiones en timeout: ¿por qué? Reviso las conexiones abiertas, con un comando de la lista permitida.

    Hosts

    ssh.run(host="app-01", cmd="ss -s")

    El pool de conexiones está al límite desde el reinicio del servicio a las 13:35.

    Pista descartada · Vulnerabilidades

    Queda una duda: ¿puede explicarlo una vulnerabilidad? Busco solo ID y versiones, no envío nada más.

    cve.lookup(product="app-runtime", version="installed")

    Ninguna CVE crítica en las versiones en uso. Hipótesis no relacionada.

Causa raíz

Causa más probable: el pool de conexiones a la base de datos está saturado tras el despliegue. Confianza alta. Preparo el informe con la cronología y la solución, y espero el feedback de quien está de guardia.

Ejemplo ilustrativo · cada acción es una petición de solo lectura y queda en el registro de auditoría

Quien está de guardia recibe una hipótesis, no una alarma.

El informe no se queda en el síntoma: enumera las causas posibles por orden de confianza, muestra la línea de tiempo y propone una solución. Quien está de guardia decide qué hacer y le dice al agente si acertó.

Descubre Agents

Informe del incidente

Hipótesis de causa raíz

  • Pool de conexiones a la base de datos saturado tras el despliegueConfianza alta
  • Pico de peticiones en el servicio de aplicaciónMedia
  • Latencia de red hacia la tiendaBaja
  • CVE en una librería de la aplicaciónNo relacionada

Solución propuesta

Subir el límite del pool y reiniciar el servicio en la ventana acordada.

Feedback de quien está de guardiaCausa confirmada

Ejemplo ilustrativo

Lo mira todo, no cambia nada.

En una infraestructura que no se puede arriesgar a tocar, el agente está construido para leer y nada más.

Solo lectura
Cada experto usa únicamente las herramientas de una lista permitida. Ninguna de ellas modifica, reinicia ni configura.
Contenedor aislado
Cada investigación se ejecuta en su propio entorno, separado del resto.
Todo en el log de auditoría
Cada petición a las herramientas queda registrada.
Sin acceso a internet
La excepción son los IDs y las versiones de las CVE, hacia dominios autorizados.
Modelo AION en local
El razonamiento es de un modelo AION en las PGX: los datos del incidente se quedan donde están.

Llevemos AION SRE a tus herramientas de monitorización.

Cuéntanos qué herramientas usáis: te mostramos cómo las leen los expertos y qué sale de una investigación.

Sede
Corso Vercelli 89, 28100 Novara

Tus datos son tratados según nuestra Política de Privacidad y no serán cedidos a terceros.