리소스 생성¶

Obsy Copilot 는 자연어와 현재 워크스페이스의 실제 메타데이터를 기반으로 대시보드 초안 및 Pipeline 파싱 규칙을 생성할 수 있습니다.

대시보드 생성 및 수정¶

Obsy Copilot 는 자연어를 통한 대시보드 생성을 지원하며, 초안 단계에서 차트, 그룹화, 표시 대상을 지속적으로 수정할 수 있습니다. 전체 프로세스는 요구사항 확인, 초안, 미리보기, 저장 단계로 구성됩니다.

사용 전 준비사항¶

• 현재 계정에 대시보드 생성 권한이 있어야 합니다.
• 현재 워크스페이스에 대상 시나리오와 일치하는 데이터 소스와 필드가 존재해야 합니다.
• 모니터링 대상, 데이터 범위, 그룹화, 주요 메트릭 및 필터 차원을 사전에 명확히 정의하는 것이 좋습니다.

"대시보드 생성"만 요청하고 모니터링 목표를 명시하지 않은 경우, Obsy Copilot 는 먼저 범위를 보완하도록 요청합니다. 생성 권한이 없는 경우 시스템은 관리자에게 문의하라는 안내를 표시하며, 대시보드 생성 프로세스로 진입하지 않습니다.

생성 프로세스 시작¶

초안 생성 및 수정¶

생성 프로세스에 진입한 후, 모니터링 또는 분석하려는 대상을 먼저 설명합니다. 복잡한 요구사항의 경우 다음 정보를 추가로 제공할 수 있습니다.

• 사용할 메트릭, 로그, 이벤트, 트레이스 또는 기타 데이터 도메인
• 대시보드 그룹화 및 각 그룹의 관심 사항
• 차트 개수, 유형 또는 반드시 포함해야 하는 분석 관점
• host, service, env 등 필터 차원 또는 기본값
• 생성하지 않을 차트 또는 데이터 범위

Obsy Copilot 는 현재 워크스페이스에 실제로 존재하는 데이터 소스, 필드 및 태그를 조회하여 대시보드 초안을 생성합니다. 초안에는 이름, 설명, 표시 범위, 뷰 변수 및 차트 카드가 포함되지만, 이 단계에서는 최종 쿼리가 생성되지 않으며 공식 대시보드로 저장되지 않습니다.

대화를 통해 초안을 계속 수정할 수 있습니다. 예를 들어 "오류 분포를 첫 번째 그룹으로 이동", "호스트 수 카드 삭제", "service별로 그룹화된 P95 지연 시간 추세 추가" 등을 요청할 수 있습니다. 수정 시에는 대상 차트, 그룹 또는 결과를 명확히 지정해야 하며, "최적화해 주세요"와 같은 모호한 입력은 피해야 합니다.

데이터 소스, 필드 또는 관련 태그가 특정 차트를 지원하기에 충분하지 않은 경우, Obsy Copilot 는 해당 내용을 축소하거나 데이터 부족을 설명하며, 확인되지 않은 필드를 사용하여 초안을 보완하지 않습니다.

미리보기 및 저장¶

초안을 확인한 후 대시보드 생성 확인을 클릭하여 미리보기로 진입합니다. 시스템은 초안을 기반으로 각 차트의 실제 구성을 생성하고, 완료된 차트 수, 진행률 및 실패 상태를 표시합니다.

생성이 완료되면 다음을 수행할 수 있습니다.

• 미리보기 페이지에서 차트 데이터를 확인하고 차트를 조정합니다.
• AI 대화로 돌아가기를 통해 요구사항을 계속 수정하고 다시 생성합니다.
• 내용을 확인한 후 대시보드 저장을 클릭합니다.

저장이 완료되어야만 대시보드가 목록에 나타납니다. 일부 차트 생성에 실패한 경우 페이지에서 Obsy Copilot 로 돌아가 조정하라는 안내가 표시되므로, 데이터를 확인하지 않은 상태에서 바로 사용해서는 안 됩니다.

초안 복구¶

초안 단계에서 나간 경우, AI 자동 대시보드 생성에 다시 진입할 때 이전 생성을 계속할지, 초안을 비우고 새로 시작할지 선택할 수 있습니다.

Obsy Copilot 를 통해 생성 및 저장된 대시보드는 대시보드 목록에 AI 표시가 나타납니다.

Pipeline 파싱 규칙 생성¶

로그 또는 라인 프로토콜 데이터를 구조화된 필드로 분할해야 하지만, 빈 규칙부터 Pipeline 작성을 시작하고 싶지 않은 경우, Obsy Copilot 가 대표 샘플과 대상 필드를 기반으로 파싱 규칙을 생성하도록 할 수 있습니다.

이 기능은 다음과 같은 일반적인 입력을 처리할 수 있습니다.

• JSON 로그
• key=value 텍스트
• 안정적인 경계를 가진 일반 로그 텍스트
• Point 메타데이터를 포함한 전체 JSON 또는 라인 프로토콜 샘플
• 로그 본문에 JSON 또는 기타 구조화된 조각이 포함된 경우

규칙 생성 및 검증¶

1. AI 생성을 지원하는 Pipeline 프로세스에 실제 대표 샘플을 하나 제공합니다.
2. 추출할 필드, 대상 필드 이름, 데이터 유형, 그리고 태그로 설정할 필드를 설명합니다.
3. 모든 필드를 추출하거나, 원본 시간을 데이터 시간으로 사용하거나, Point 외부 필드를 유지하려는 경우 명시적으로 설명합니다.
4. 생성 후 샘플을 사용하여 파싱 결과를 검증하고, 필드와 값이 예상과 일치하는지 확인한 후, 일반 Pipeline 프로세스에 따라 저장 및 적용합니다.

샘플에 변동이 있는 부분이 있는 경우, 실제 형식을 반영할 수 있는 내용을 최소한 제공해야 하며, 고정 ID, 호스트 이름 또는 시간 값으로 구조적 경계를 대체해서는 안 됩니다. 대상 필드 이름이 명확하지 않은 경우, Obsy Copilot 는 안정적인 영문 snake_case 이름을 사용합니다.

규칙 출력 및 적용¶

Obsy Copilot 는 Pipeline에 사용할 수 있는 파싱 규칙을 반환하며, 입력 구조에 따라 JSON, Grok, 키-값 분할 또는 필드 읽기 방식을 선택합니다. 생성 결과는 원본 데이터를 자동으로 삭제하지 않으며, 명시적인 요청 없이 measurement를 수정하거나 필드를 태그로 설정하지 않습니다.

규칙은 대상 Pipeline에서 검증, 저장 및 기존 Pipeline 적용 메커니즘에 따라 활성화된 후에만 후속 데이터 처리에 영향을 미칩니다. 샘플과 실제 데이터 구조가 일치하지 않는 경우 필드를 추출하지 못할 수 있으므로, 먼저 샘플을 보완하고 다시 검증해야 합니다.