学习笔记丨基于MaxKB实现JumpServer堡垒机自动化巡检

企业IT资产定期巡检是保障企业整体运维安全的关键环节。而传统的巡检模式存在诸多痛点。首先是费时费力，登录服务器、敲命令、查日志、看监控大盘，一台台机器折腾下来，半天时间就没了；然后是数据离散分布，技术指标（CPU、内存、数据库性能数据等）分散在Prometheus的各类监控面板中，而业务状态等非技术指标则记录在JumpServer等业务系统里，各系统之间缺乏关联，难以形成完整的资产健康视图；报告方面，不同的人执行巡检，得出的结论和报告格式往往五花八门，难以标准化和存档。而巡检操作通常也比较僵化，大部分的巡检报告只是数据的堆砌，缺乏对潜在风险的预判和根因分析。

在AI时代，系统巡检应该有更好的解决办法。基于MaxKB开源企业级智能体平台的工作流编排能力，结合Prometheus和大语言模型（LLM），我们尝试为JumpServer堡垒机打造了一套自动化、智能化的巡检系统。这套巡检系统可以将系统巡检时间从数小时缩短至分钟级别，并且可以输出具有一致性和专业性的巡检报告。

一、系统架构设计

本方案采用的是"数据采集+智能分析+报告渲染"的分层架构设计，通过MaxKB工作流串联各个环节。该系统的核心组件包括：

■ MaxKB：作为总控大脑，负责工作流编排、Python脚本执行、LLM调度以及对话交互；

■ Prometheus+Exporter：作为数据源，采集主机、MySQL等核心指标；

■ Alertmanager：提供实时告警事件数据；

■ JumpServer API：获取组件状态及运营统计数据；

■ LLM（大语言模型）：负责解读数据，生成人类可读的分析建议；

■ WeasyPrint：负责将HTML模板渲染为精美的PDF报告。

▲图1 MaxKB实现JumpServer自动化巡检流程示意

▲图2 MaxKB实现JumpServer自动化巡检工作流

二、核心实战步骤

基于MaxKB搭建JumpServer自动化巡检工作流主要涉及三个核心环节，分别是数据采集、数据分析、渲染与交付。其实现步骤的注意事项如下：

1.数据采集层：打破数据孤岛

利用MaxKB的工具扩展能力编写Python脚本，实现智能体编排，并行采集多维度的数据。

■ 主机性能采集：通过Prometheus API查询node_exporter指标。为了解决Prometheus中instance标签格式不统一（含有IP或主机名）的问题，在代码中设计了双重匹配逻辑，以确保数据的准确抓取。同时在代码中内置了"阈值计算"逻辑，直接在采集阶段标记出告警状态；

▲图3 创建MaxKB主机性能采集工具

■ 数据库深度巡检：不仅监控基础连接数，更引入了TPS/QPS、Buffer Pool命中率、行锁等待等深度指标，让数据库健康状况一目了然；

▲图4 创建MaxKB数据库深度巡检工具

■ 业务组件联动：通过JumpServer API，实时获取Core、Koko、Lion等组件的存活状态及运行负载。

▲图5 创建MaxKB业务运营数据抓取工具

2.智能分析层：让报告"开口说话"

这是本方案的核心创新点。我们将采集到的结构化数据喂给LLM：

Prompt 示例： "当前JumpServer01磁盘使用率99.69%，JumpServer02使用率 94.73%。请分析风险并给出建议。"

LLM会给出分析结果：

AI 分析结果： "系统整体功能运行正常，但存在严重的磁盘空间告警风险...磁盘满将直接导致JumpServer服务崩溃------无法写入会话录像...根因分析：JumpServer 默认长期保留全量会话录像，未配置自动清理策略..."

通过这种方式，JumpServer巡检报告就包含了专家级的诊断建议。具体的提示词参考如下：

Role
你是一名拥有 10 年以上经验的资深运维专家和数据库管理员 (DBA)。你的任务是分析通过自动化工具采集的 JumpServer 应用巡检数据，并生成一份专业的《综合分析与优化建议》。
你的分析必须遵循以下原则：
1. **数据驱动**：严格基于提供的 JSON 数据进行分析，不要编造或臆测不存在的指标。
2. **风险优先**：优先关注标记为"告警"、"异常"或"离线"的指标，以及数值接近阈值（如 CPU > 80%, 磁盘 > 85%）的情况。
3. **专业深入**：
  - 对于主机问题，需结合 Linux 系统原理（如上下文切换、IO 等待）进行分析。
  - 对于数据库问题，需结合 MySQL 原理（如 InnoDB 缓冲池、锁机制、索引优化）进行分析。
  - 对于 JumpServer 应用，需考虑到其作为堡垒机的特性（如审计日志占用磁盘、会话录像占用空间）。
4. **落地可行**：提供的优化建议必须具体、可操作，包含具体的命令示例或配置修改方向。
请直接输出分析结果，不要包含任何开场白或无关的寒暄。
请根据以下巡检数据，进行综合分析并给出优化建议。
待分析数据
1. **主机性能数据**：
{{主机性能查询(Prometheus).result}}
2. **数据库性能数据**：
{{数据库性能查询(Prometheus).result}}
3. **告警事件数据**：
{{告警接收(Alertmanager).result}}
4. **JumpServer 应用运营信息**：{{JumpServer 运营数据获取.result}}
分析要求
请按照以下结构输出分析报告：
**一、整体健康度评估**
（一句话总结当前系统运行状态，如："系统整体运行平稳，但存在磁盘空间不足的风险。"）
**二、关键风险分析**
（请列出 3-5 个关键风险点，按严重程度排序。如果一切正常，请说明"当前未发现明显风险"。）
1. **[风险名称]**
- **现状**：（引用具体数据，如"主机 192.168.1.10 磁盘使用率达到 95%"）
- **影响**：（说明该问题可能导致的后果，如"可能导致 JumpServer 无法记录审计日志，影响合规性"）
- **根因分析**：（简要推测原因，如"JumpServer 会话录像文件堆积"）
**三、优化与整改建议**
（针对上述风险，给出具体的解决方案）
1. **针对磁盘空间不足**：
- **临时措施**：（如：清理 `/opt/jumpserver/data/media` 目录下 30 天前的录像文件，命令：`find ... -mtime +30 -exec rm -f {} \;`）
- **长期规划**：（如：对数据目录进行扩容或配置日志轮转策略。）
2. **针对数据库性能**：
- （如涉及慢查询，建议开启慢查询日志分析工具；如涉及缓冲池命中率低，建议调整 `innodb_buffer_pool_size`。）
**四、总结**
（简要概括本次巡检的结论，并提醒运维人员关注的重点事项。）

3.渲染与交付：打造专业级PDF报告文档

为了让JumpServer巡检报告更专业，我们选择"HTML模板+PDF渲染"的路线。在模板设计方面，使用Jinja2模板语法，设计了包含封面、目录、详细表格、AI建议模块的HTML模板。通过CSS控制white-space: pre-wrap，很好地解决了AI输出的Markdown格式在PDF中排版混乱的问题；文件名处理方面，为了避免生成的PDF文件名包含空格导致链接截断，将时间格式标准化为%Y-%m-%d_%H-%M-%S，确保用户在聊天框点击链接即可直接下载PDF报告。

三、成果展示

借助MaxKB和大模型能力，我们可以将IT资产的定期巡检工作从数小时缩短至分钟级，同时还可以渲染出专业的巡检报告。在系统搭建和调试好之后，用户只需要在MaxKB的对话框输入"巡检"字样，即可触发巡检流程，无需关心底层技术细节。巡检完成后，系统自动生成统一格式的巡检报告，符合等保及审计要求。而LLM的加入弥补了传统监控工具"只报故障、不分析原因"的短板。

▲图6 在MaxKB中通过对话生成JumpServer巡检报告

▲图7 JumpServer巡检报告示意

在此基础上，我们可以继续引入新的技术元素，增加新的功能。比如，可以通过引入RAG（检索增强生成），让LLM结合JumpServer官方文档进行更加精准的故障诊断；引入Grafana将图表插入报告中，按照每周、每月、每季度的维度进行数据趋势分析，对比历史巡检数据，预测资源增长趋势。