DBA Agent автоматизировал 99,6 % тикетов второй линии поддержки
Сбербанк запустил автономный агент для более чем 800 экземпляров Pangolin DB, обработав 10 000 тикетов и автоматизировав почти всю вторую линию поддержки.
В четвёртой статье цикла «R&D‑исследование для небольшой команды DBA» команда Сбербанка рассказывает о запуске собственного DBA Agent. Целью проекта было упростить мониторинг и обслуживание парка из 800+ экземпляров реляционной СУБД Platform V Pangolin DB (основанной на PostgreSQL). Сначала команда доработала популярный postgres_exporter, добавив метрики, необходимые для их инфраструктуры. Затем, используя эти данные, они создали полностью автономный агент, который самостоятельно обрабатывает тикеты: освобождает дисковое пространство, запускает VACUUM/ANALYZE, планирует профилактические остановки баз.
За первые недели эксплуатации агент обработал 10 000 тикетов и достиг 99,6 % автоматизации задач второй линии поддержки, оставив лишь редкие случаи, требующие вмешательства инженера. Автоматизация позволила сократить среднее время реакции с нескольких часов до минут, а также снизить нагрузку на штат DBA‑специалистов.
Команда опубликовала подробный разбор архитектуры агента, используемых технологий и результатов тестирования в статье на Habr AI: https://habr.com/ru/companies/sberbank/articles/1086740/. Код и конфигурации планируется открыть в открытом репозитории, чтобы другие организации могли адаптировать решение под свои нужды.
Для разработчиков и студентов это яркий пример того, как можно превратить рутинные операции в полностью автоматизированный процесс, используя открытые инструменты мониторинга. Подобные агенты снижают стоимость поддержки и ускоряют реакцию, но требуют тщательного тестирования и контроля качества данных.
