DataBuff 是一款面向云原生与微服务场景的开源 AI Native OpenTelemetry APM，采用 OTLP 标准接入、Apache Doris 统一存储，Web 端提供拓扑 / Trace / 指标与多 Agent 排障。项目已在 OSCHINA 软件库收录：https://www.oschina.net/p/databuff

今天，DataBuff 正式发布 v0.1.7。相对 v0.1.6 共 31 个提交，含 Schema 迁移 V007（新增 metric_platform 表承载平台自监控分钟级指标）。这版最大的变化是平台能「看自己」：收数、查数、写 Doris 哪里堵了、哪里在丢，页面上直接看；说不清就让产品答疑专家帮你巡检、顺着链路查原因，还能按建议登录改配置。

本版本亮点摘要

• 平台自监控与自排障：新增部署状态页（安装部署 → 部署状态），总览入站 TPS、写出失败、Doris 磁盘、查询失败；ingest / web / Doris 分 tab；每个指标标题可点开看计算口径与可调环境变量。

• AI 一键巡检与修复：产品答疑专家可读指标清单、查平台自监控数据，输出 HTML 巡检报告；发现写出丢弃等问题可沿链路诊断，v0.1.7 起还可按建议执行登录、改参数、重启 ingest 并复查。

• 答疑专家 Doris 只读查询：platform.queryDoris 与 Web API，平台配置与遥测只读核验，无需手工连库。

• 非 HTTP 接口分析完善：resourceInfo / resourceRelation 支持非 HTTP componentTypes；接口下钻的资源筛选、慢调用与错误路径覆盖 DB / MQ / RPC 等。

• 服务分类与拓扑：应用服务按 span/componentId 识别 web 与虚拟中间件；全局拓扑在无调用边时仍展示孤立服务。

• 多 FE / 多 BE：DORIS_FE_HOST / DORIS_BE_HTTP_HOST 支持逗号分隔地址列表；查询走多 FE（JDBC loadbalance），写入 Stream Load 直连多 BE 并健康轮询。

• 链路查询加速：span 查询按分钟键裁剪并跳过 call_spans COUNT；按 TraceID 过滤时 Trace 图从 span 聚合。

• 告警与 MCP：监控规则支持 lt / lte / gte 比较符与 warning 阈值；远程 MCP headers 修正；AI 对话 Mermaid 按节点渲染并带语法修复兜底。

怎么用：平台自监控

• 路径：安装部署 → 部署状态。先看总览四张卡片，写出失败或 Pipeline 丢弃持续非 0 就要处理。点图标题可看指标说明书。

在 AI 平台对产品答疑专家说「对 DataBuff 平台进行巡检，并出一份 html 巡检报告」，可得到可转发的 HTML 报告；继续追问可沿写出丢弃链路查根因并给出参数调整建议。

完整案例见仓库 docs/运维参考/平台自监控与自排障.md。

怎么用：配置多 FE / 多 BE

• 生产多节点 Doris：查询配 DORIS_FE_HOST=fe1,fe2（默认 JDBC 9030），写入配 DORIS_BE_HTTP_HOST=be1,be2 + DORIS_BE_HTTP_PORT=8040（Stream Load 直连 BE，健康轮询）。也可写成 be1:8040,be2:8041。Web 与 Ingest 的 FE 地址都要改；BE 只配在 Ingest。Docker 写 docker-compose.override.yml 后重启 web/ingest；K8s 改 ConfigMap ai-apm-config 后 rollout。详见 docs/运维参考/参数配置.md §3。

安装与升级

• 新用户：

curl -fsSL https://databuff.ai/databuff/ai-apm-install.sh | bash

• 现有用户升级（保留 data/）：

curl -fsSL https://databuff.ai/databuff/ai-apm-update.sh | bash

本版含 V007 Schema 迁移，升级脚本自动执行。K8s 本版不支持原地升级。详见 deploy/docker/UPGRADE.md。

链接

• GitHub：https://github.com/databufflabs/databuff

• Release：https://github.com/databufflabs/databuff/releases/tag/v0.1.7

• 在线 Demo：https://demo.databuff.ai

• 文档：https://databuff.ai/docs/zh/product/intro