生成AIでのYAMLファイルの記述ミスの作成とパターンマッチングによるKubernetes Podのエラー原因の検出率向上

東京工科大学クラウド・分散システム研究室では，Kubernetes のCronJob とシェルスクリプトを組み合わせてPrometheus のメトリクスデータを定期的にバックアップをするための開発作業を行っている．開発時にYAML ファイルやスクリプトの記述ミスがあると，それらを修正し変更の適用を繰り返す必要があり，エラーの原因箇所の特定に時間がかかっている．提案方式では，エラーの原因特定にかかる時間を短縮するために，kubectl describe コマンドの結果とルールのパターンマッチングによりYAML ファイルのエラーの原因箇所を特定する．研究室では，Prometheus のメトリクスデータをバックアップするために開発作業でYAML ファイルが作成されている．ルールの作成では，生成AI によって開発作業で作成した記述ミスを含まないYAML ファイルから記述ミスを想定したルールを作成する．ルールには，ルール名，キーワードリスト，エラーの原因箇所で構成されている．キーワードリストには，kubectl describeコマンドの結果のEvents に含まれるMessage から取り出した単語がカンマ区切りで含まれる．エラーの原因箇所にはYAML ファイルの行番号と行の内容が含まれる．生成AI のプロンプトには，バックアップを行うことができる開発作業で作成された記述ミスを含まない6 個のYAML ファイル，生成AI に対しての指示，ルールの形式，開発作業で作成された記述ミスを含むYAML ファイルを指定した．開発作業で作成された記述ミスを含むYAML ファイルとkubectl describe コマンドの結果をルールと照合し，ルールに合致した箇所をエラーの原因箇所と判断し出力する．評価実験では，12 個の開発作業で作成された記述ミスを含むYAML ファイルを対象に，提案ソフトウェアが検出した割合を検出率で評価した．検出率は，12個のうち5 個検出されたため，約41.7%であった． ...