通常来讲，K8sGPT 使用一组分析仪，旨在识别和简化Kubernetes Cluster 中诊断和分类问题的过程。这些分析仪具有 SRE 经验，有助于提供最准确和相关的信息。
关于 K8sGPT 所内置的分析仪，具体可参考如下所示：
1、PodAnalyzer
此分析仪主要检查 Pod 所关联的相关配置，并检查任何可能导致 Pod 崩溃或资源过度使用等问题。
2、PVCAnalyzer
此分析仪主要检查 PVC 的配置信息，并检查任何可能导致数据丢失或其他存储相关问题的问题。
3、ServiceAnalyzer
此分析仪主要检查服务的参数配置情况，并检查可能导致服务停机或性能下降的任何问题。
4、DeploymentAnalyzer
此分析仪主要检查部署的相关配置情况，并检查可能导致资源使用不足或过度使用的任何问题。
5、NodeAnalyzer：此分析仪检查 Kubernetes Cluster 中的节点信息，并检查与节点运行状况、利用率和容量相关的任何问题。
当然，除了上述所列举的核心分析仪外，在实际的业务场景中，仍然有一些有用的分析仪可供使用，例如：入口分析仪、定时任务分析仪、事件分析仪以及其他等等。
对于 AI 后端，K8sGPT 使用 OpenAI 作为默认后端平台。我们可以切换到其他后端，例如 Azure OpenAI 提供商或 FakeAI 提供商等。
03 —
基于这款划时代的创新工具，K8sGPT 能够帮我们做的事情还真不少，具体可参考如下所示：
1、诊断 Kubernetes Cluster 故障
K8sGPT 能够帮助我分析来自 Kubernetes Cluster 的日志和其他关键数据，以识别当前系统环境所存在的潜在问题。从而可以帮助我们，特别是 SRE、平台和 DevOps 工程师快速了解其集群中发生了什么，并找到问题的根本原因。