วิธีตั้งค่าและใช้งาน AI‑Powered Log Summarization ด้วย Loki + ChatGPT บน Kubernetes อย่างปลอดภัย

Overview – Overview

การสรุปบันทึก (log) ด้วย AI ช่วยลดเวลาในการวิเคราะห์เหตุการณ์และเพิ่มความแม่นยำของระบบเฝ้าระวัง ในบทความนี้คุณจะได้เรียนรู้ วิธีตั้งค่า Loki + ChatGPT บน Kubernetes พร้อมแนวทางรักษาความปลอดภัยอย่างครบวงจร

Prerequisites – Requirements

ก่อนเริ่มควรเตรียมสภาพแวดล้อมให้พร้อมตามรายการต่อไปนี้

• Kubernetes Cluster (ขั้นต่ำ 3 โหนด)
• kubectl เวอร์ชันที่รองรับกับคลัสเตอร์ของคุณ
• Helm 3 สำหรับการติดตั้งแอปพลิเคชันบน K8s
• บัญชี OpenAI API Key ที่มีสิทธิ์เรียกใช้ ChatGPT

**Tip: เก็บ API Key ไว้ใน Secret ของ Kubernetes แทนการเก็บเป็น plaintext เพื่อหลีกเลี่ยงการรั่วไหล

Deploy Loki – Install Loki

Loki เป็นระบบจัดเก็บบันทึกแบบแนวนอนที่ทำงานร่วมกับ Promtail ได้อย่างไร้รอยต่อ

• **ขั้นตอนที่ 1: เพิ่ม Helm repository ของ Grafana

```bash helm repo add grafana https://grafana.github.io/helm-charts helm repo update ```

• **ขั้นตอนที่ 2: สร้าง namespace `logging` เพื่อแยกส่วนบริการ

```bash kubectl create namespace logging ```

• **ขั้นตอนที่ 3: ติดตั้ง Loki ด้วยค่าเริ่มต้น (ใช้ PersistentVolume)

```bash helm install loki grafana/loki-stack \ --namespace=logging \ --set persistence.enabled=true \ --set persistence.size=20Gi ```

• **ขั้นตอนที่ 4: ตรวจสอบว่า Pod ของ Loki ทำงานครบทุกตัวแล้ว

```bash kubectl get pods -n logging -l app=loki ```

**ข้อควรระวัง: ปรับค่า `replicas` ให้สอดคล้องกับโหลดของระบบ หากมีการบันทึกปริมาณมาก ควรกำหนด Resource Limits อย่างเหมาะสม

Deploy Promtail – Collect Logs

Promtail ทำหน้าที่ส่งบันทึกจากโหนดเข้าสู่ Loki

• **ขั้นตอนที่ 1: ติดตั้ง Promtail ผ่าน Helm ใน namespace เดียวกัน

```bash helm install promtail grafana/promtail \ --namespace=logging \ --set config.lokiAddress=http://loki:3100 ```

• **ขั้นตอนที่ 2: แก้ไข ConfigMap ของ Promtail เพื่อเพิ่มการกรองบันทึกสำคัญ (เช่น `error`, `warning`)

```yaml scrape_configs:

• job_name: system

static_configs:

• targets:
• localhost

labels: job: varlogs __path__: /var/log//*.log ```

• **ขั้นตอนที่ 3: รีสตาร์ท Promtail เพื่อให้การตั้งค่าใหม่มีผล

```bash kubectl rollout restart daemonset/promtail -n logging ```

Integrate ChatGPT – AI Summarization Service

สร้าง microservice ที่รับบันทึกจาก Loki แล้วส่งไปยัง OpenAI API เพื่อนำมาสรุป

• **ขั้นตอนที่ 1: สร้าง Dockerfile สำหรับแอปพลิเคชัน Python

```dockerfile FROM python:3.11-slim WORKDIR /app COPY requirements.txt . RUN pip install -r requirements.txt COPY . . CMD ["python","app.py"] ```

• **ขั้นตอนที่ 2: รายการ dependencies (`requirements.txt`)

``` fastapi uvicorn[standard] httpx pydantic ```

• **ขั้นตอนที่ 3: ตัวอย่างโค้ดสรุปบันทึก (`app.py`)

```python import os, httpx from fastapi import FastAPI, Body

app = FastAPI() OPENAI_KEY = os.getenv("OPENAI_API_KEY") LOKI_URL = "http://loki.logging.svc.cluster.local:3100/loki/api/v1/query_range"

def fetch_logs(query): resp = httpx.get(LOKI_URL, params={"query": query, "limit": 100}) return resp.json()["data"]["result"]

def summarize(text): payload = { "modelgpt-4o-mini", "messages":[{"roleuser","content":f"สรุปบันทึกต่อไปนี้ในหนึ่งประโยค: {text}"}] } headers = {"Authorization": f"Bearer {OPENAI_KEY}"} resp = httpx.post("https://api.openai.com/v1/chat/completions", json=payload, headers=headers) return resp.json()["choices"][0]["message"]["content"]

@app.post("/summarize") def summarize_logs(query: str = Body(...)): logs = fetch_logs(query) raw_text = "\n".join([entry["line"] for entry in logs]) summary = summarize(raw_text) return {"summary": summary} ```

• **ขั้นตอนที่ 4: สร้าง Secret สำหรับ API Key

```bash kubectl create secret generic openai-key \ --from-literal=OPENAI_API_KEY=sk-xxxxxx \ -n logging ```

• **ขั้นตอนที่ 5: Deploy แอปพลิเคชันบน Kubernetes ด้วย Deployment + Service

```yaml apiVersion: apps/v1 kind: Deployment metadata: name: log-summarizer namespace: logging spec: replicas: 2 selector: matchLabels: app: summarizer template: metadata: labels: app: summarizer spec: containers:

• name: summarizer

image: yourrepo/log-summarizer:latest envFrom:

• secretRef:

name: openai-key ports:

• containerPort: 80

--- apiVersion: v1 kind: Service metadata: name: summarizer-svc namespace: logging spec: selector: app: summarizer ports:

• port: 80

targetPort: 80 ```

Secure Setup – Security Best Practices

เพื่อให้ระบบทำงานอย่างปลอดภัย ควรปฏิบัติตามแนวทางต่อไปนี้

• Network Policies จำกัดการเชื่อมต่อระหว่าง namespace `logging` กับส่วนอื่นของคลัสเตอร์
• RBAC ให้สิทธิ์เฉพาะ ServiceAccount ของ Promtail และ Summarizer ที่จำเป็นเท่านั้น
• Pod Security Standards เปิดใช้งาน `restricted` policy เพื่อป้องกันการรันในโหมด privileged

Tip: เปิดใช้งาน Audit Logging** ของ Kubernetes เพื่อบันทึกเหตุการณ์สำคัญ เช่น การเข้าถึง Secret

Example Workflow – Using the Service

เมื่อทุกอย่างพร้อมแล้ว คุณสามารถสรุปบันทึกได้ในขั้นตอนเดียว

• ส่งคำขอ POST ไปยัง endpoint `/summarize` พร้อม query Loki ที่ต้องการ

```bash curl -X POST http://summarizer-svc.logging.svc.cluster.local/summarize \ -H "Content-Type: application/json" \ -d '{"query{job=\"varlogs\"} |= \"error\}' ```

• ระบบจะดึงบันทึกจาก Loki, ส่งให้ ChatGPT สรุป แล้วคืนผลลัพธ์เป็นข้อความสั้น ๆ

```json { "summaryเกิดข้อผิดพลาดการเชื่อมต่อฐานข้อมูลที่พอร์ต 5432 ในช่วงเวลา 14:20-14:22" } ```

• นำผลสรุปไปแจ้งเตือนผ่าน Slack หรือระบบ Incident Management ของคุณได้ทันที

Troubleshooting – Common Issues

หากพบข้อผิดพลาดให้ตรวจสอบตามขั้นตอนต่อไปนี้

• Pod ไม่ขึ้น ตรวจสอบ Log ของ Deployment ด้วย `kubectl logs -n logging <pod-name>`
• OpenAI API คืน 401 ยืนยันว่า Secret มีค่า `OPENAI_API_KEY` ที่ถูกต้องและไม่มีช่องว่าง
• Promtail ไม่ส่งบันทึก ดู ConfigMap ของ Promtail ว่า path และ label ถูกตั้งค่าตรงกับไฟล์ log จริงหรือไม่

**ข้อควรระวัง: อย่าปรับ `limit` ของ Loki query ให้สูงเกินไป จะทำให้เวลา response ช้าและอาจเพิ่มค่าใช้จ่ายของ OpenAI API

Summary – Key Takeaways

• ติดตั้ง Loki + Promtail บน Kubernetes ผ่าน Helm เพื่อจัดการบันทึกแบบสเกลได้
• สร้าง microservice ที่เชื่อมต่อกับ ChatGPT ด้วย FastAPI แล้ว Deploy เป็น Deployment พร้อม Secret สำหรับ API Key
• ปรับใช้ NetworkPolicy, RBAC, PodSecurity เพื่อลดความเสี่ยงจากการเข้าถึงข้อมูลสำคัญ
• ใช้ endpoint `/summarize` เพื่อสรุปบันทึกโดยอัตโนมัติและผสานกับระบบแจ้งเตือน

**สิ่งที่ควรจำ: ความปลอดภัยของ Secret และการกำหนดข้อจำกัดเครือข่ายเป็นหัวใจสำคัญในการทำ AI‑Powered Log Summarization บน Kubernetes ให้มั่นคงและเชื่อถือได้.