Rohityadav9575/AI-Log-Analyser-and-Ticket-creator
GitHub: Rohityadav9575/AI-Log-Analyser-and-Ticket-creator
一个基于Spring Boot、MongoDB和RabbitMQ的可扩展日志分析平台，通过正则和AI双引擎检测异常并自动创建Jira工单。
Stars: 0 | Forks: 0
# Java 日志分析器：项目特性与架构
本项目是一个多租户日志分析和事件自动化平台。该平台摄取日志，使用基于规则和 AI 驱动的引擎检测异常，并自动创建工单或发送通知。
## 核心特性
1. **多租户摄取 API**：
* 提供用于日志提交的 REST 端点。
* 支持使用 `X-Tenant-ID` 的租户特定上下文。
* 处理文件上传并逐行处理。
2. **异步处理管道**：
* 使用 **RabbitMQ** 将日志摄取与分析和解耦。
* 通过将日志事件和异常排队来确保可扩展性和容错性。
3. **混合异常检测引擎**：
* **正则规则引擎**：快速、确定性检测已知模式（例如 "Exception"、"ERROR"）。
* **LLM 规则引擎（AI 驱动）**：利用大型语言模型检测传统模式可能遗漏的微妙、复杂或未知异常。
4. **自动化事件管理**：
* **Jira 集成**：为检测到的异常自动创建 Jira 工单。
* **通知系统**：向相关人员发送电子邮件通知。
5. **存储与持久化**：
* 使用 **MongoDB** 存储日志事件和检测到的异常，提供灵活的、无模式（schema-less）的存储。
## 技术架构流程
以下序列图展示了从日志摄取的端到端流程到工单创建。
```
sequenceDiagram
participant U as Client/User
participant I as Ingestion Controller
participant RI as RabbitMQ (Ingestion Queue)
participant AS as Analysis Service
participant RE as Rule Engine (Regex/LLM)
participant DB as MongoDB
participant RA as RabbitMQ (Anomaly Queue)
participant DL as Dispatch Listener
participant J as Jira/Email Service
U->>I: Post Logs (with Tenant ID)
I->>RI: Publish Log Event
RI->>AS: Consume Log Event
AS->>RE: Analyze Content
RE-->>AS: Anomaly Detected
AS->>DB: Save Anomaly
AS->>RA: Publish Anomaly Event
RA->>DL: Consume Anomaly
DL->>J: Create Jira Ticket / Send Email
```
## 组件概述
| 组件 | 职责 |
| :--- | :--- |
| `com.loganalyzer.ingestion` | 处理入口点、文件解析和初始排队。 |
| `com.loganalyzer.analysis` | 检测威胁和异常的核心逻辑。 |
| `com.loganalyzer.dispatch` | 告警和工单创建的外部集成。 |
| `com.loganalyzer.auth` | 管理用户、角色和租户隔离。 |
| `com.loganalyzer.core` | 共享模型和跨领域配置。 |
标签：AI驱动, C2, Jira集成, JS文件枚举, LLM大语言模型, MongoDB, NoSQL数据库, RabbitMQ, RESTful API, Spring Boot, 分布式系统, 可扩展架构, 响应大小分析, 多租户架构, 安全运营, 工单系统, 异常检测, 扫描框架, 提示词优化, 故障排查, 日志采集, 消息队列, 网络研究, 自动化运维, 通知系统