LogClaw: SRE de IA de Código Aberto para Criação Automática de Chamados a partir de Logs

LogClaw é uma plataforma AI SRE de código aberto que é implantada na sua VPC e cria automaticamente tickets de incidente a partir de anomalias de logs. Criada por Robel após frustração com alertas vagos de ferramentas como Datadog, ela foca em transformar ruído de logs em tickets acionáveis sem intervenção manual.

Como Funciona

O sistema ingere logs via OpenTelemetry e detecta anomalias usando pontuação composta baseada em sinais, em vez de alertas simples por limite. Ele extrai 8 sinais de tipo de falha: OOM, travamentos, esgotamento de recursos, falhas de dependência, deadlocks de banco de dados, timeouts, erros de conexão e falhas de autenticação. Estes são combinados com análise estatística de z-score, raio de impacto, velocidade de erro e sinais de recorrência em uma pontuação composta.

Falhas críticas (OOM, panics) disparam detecção imediata. Uma vez que uma anomalia é confirmada, um motor de correlação de rastreamento de 5 camadas agrupa logs por traceId, mapeia dependências de serviço, rastreia cascatas de propagação de erro e calcula o raio de impacto entre os serviços afetados.

O Agente de Ticket então puxa a linha do tempo correlacionada, envia para um LLM para análise de causa raiz e cria um ticket deduplicado no Jira, ServiceNow, PagerDuty, OpsGenie, Slack ou Zammad. Todo o ciclo, do ruído de log ao ticket registrado, leva cerca de 90 segundos.

Arquitetura

LogClaw usa esta arquitetura: Coletor OTel → Kafka (Strimzi, modo KRaft) → Bridge (Python, 4 threads concorrentes: ETL, detecção de anomalias, indexação OpenSearch, correlação de rastreamento) → OpenSearch + Agente de Ticket.

A camada AI suporta OpenAI, Claude ou Ollama para implantações totalmente isoladas. Tudo é implantado com um único chart Helm por inquilino, isolado por namespace sem plano de dados compartilhado.

Limitações Atuais

• Métricas e rastreamentos ainda não são suportados — isso é apenas para logs. Suporte a métricas está no roteiro.
• A detecção de anomalias é baseada em sinais + estatística (pontuação composta com z-score), não em aprendizado profundo. Ela captura 99,8% das falhas críticas, mas ainda não detecta padrões sutis de desvio de desempenho.
• O painel é funcional, mas básico. Os Dashboards do OpenSearch são usados para o trabalho pesado.

Implantação e Preços

A plataforma é licenciada sob Apache 2.0. Uma versão gerenciada em nuvem está disponível por US$ 0,30/GB ingerido se você não quiser hospedar por conta própria. Segundo a fonte, o LogClaw pode proporcionar economia de 80-90% em comparação com Splunk/Datadog, com um custo anual de observabilidade de US$ 38 mil versus US$ 1,2 milhão para o Splunk em 500GB/dia.

Para desenvolvimento local, a documentação está disponível em https://docs.logclaw.ai/local-development.