Docs: [main] README에 whole flow 그림 추가

README.md

@@ -1,14 +1,17 @@
 # 2025-capstone
+
 작성: AI / 수정: nkey
 
 라즈베리파이 k3s 클러스터(마스터/워커) + 모니터링/알람 + 자동 조치(승인/검증 포함) 데모를 위한 조직 레포입니다.  
 (Tailscale VPN 환경에서 k3s, Oracle 서버(n8n/WMS/DB), GPU 서버(Ollama/llama3)를 연동)
 
 ## 목차
+
 - [What’s Inside](#whats-inside)
 - [Docs](#docs)
 - [Architecture](#architecture)
   - [High-level (요약)](#high-level-요약)
+  - [Whole-Flow](#whole-flow)
   - [End-to-end Flow (상세)](#end-to-end-flow-상세)
   - [n8n Flow](#n8n-flow)
 - [Repositories](#repositories)
@@ -23,6 +26,7 @@
   - [실험 결과](#실험-결과)
 
 ## What’s Inside
+
 - **k3s 클러스터**
   - **master node**: 클러스터 관리 + 매니페스트 적용(데모/모니터링 K8s 리소스)
   - **worker service node**: 서비스 실행 노드(디스크 채우기 데모 Pod exec)
@@ -35,6 +39,7 @@
   - Ollama + llama3 (솔루션 생성/검증)
 
 ## Docs
+
 - 각 레포지토리별 자세한 실행/구성은 해당 레포의 README를 참고하세요.
   - `rpi-master-node/README.md`
   - `rpi-worker-monitor-node/README.md`
@@ -44,15 +49,23 @@
 ## Architecture
 
 ### High-level (요약)
+
 ![high-level-architecture](docs/assets/system_architecture.png)
 
+### Whole-Flow
+
+![capstone_project_arch](docs/assets/capstone_project_arch.png)
+
 ### End-to-end Flow (상세)
+
 ![end-to-end-flow](docs/assets/data_flow_architecture.png)
 
 ### n8n Flow
+
 ![n8n-flow](docs/assets/n8n_flow.png)
 
 ## Repositories
+
 - `rpi-master-node`
   - k3s 매니페스트(예: `k3s-manifests/disk-fill-demo.yaml`, `k3s-manifests/aam-deploy.yaml`)
   - K8s 기반 모니터링 스택 매니페스트(`k3s-monitoring/*`)
@@ -67,7 +80,9 @@
   - PHP 기반 Laravel 프레임워크를 활용하여 개발한 웹 모니터링 서비스(WMS)
 
 ## Quickstart (Demo: DiskAlmostFull 알람 → 자동 조치 → 검증)
+
 ### 1) (Master) 디스크 채우기 데모 배포
+
 ```bash
 # master 노드에서
 git clone https://nkeystudy.site/gitea/2025-capstone/rpi-master-node.git
@@ -79,7 +94,9 @@ kubectl get svc -n alert-service
 ```
 
 ### 2) (Master -> Service Worker) Pod exec로 디스크 채우기 / 정리 실행
+
 > 아래 명령은 **Master 노드**에서 실행되는 시나리오를 기준으로 합니다.
+
 ```bash
 # Pod 이름 확인
 POD=$(sudo kubectl get pod -n alert-service -l app=disk-fill-demo -o jsonpath='{.items[0].metadata.name}')
@@ -96,35 +113,36 @@ sudo kubectl exec -n alert-service "$POD" -- cleanup_disk.sh /tmp/disk-fill-demo
 
 ![1_cause_disk_full_demo](docs/assets/1_cause_disk_full_demo.gif)
 
-
-
 ### 3) (UI) 웹 페이지에서 확인
+
 - disk full alert prometheus로 확인(2_check_disk_full_demo_result_in_prometheus)
-![2_check_disk_full_demo_result_in_prometheus](docs/assets/2_check_disk_full_demo_result_in_prometheus.gif)
+  ![2_check_disk_full_demo_result_in_prometheus](docs/assets/2_check_disk_full_demo_result_in_prometheus.gif)
 
 - 해결책 생성 과정 워크플로우 동작 확인(3_check_make_solution_n8n_workflow)
-![3_check_make_solution_n8n_workflow](docs/assets/3_check_make_solution_n8n_workflow.gif)
+  ![3_check_make_solution_n8n_workflow](docs/assets/3_check_make_solution_n8n_workflow.gif)
 
 - 해결책 거절 및 새로운 해결책 확인(4_reject_solution_and_check_other_solution)
-![4_reject_solution_and_check_other_solution](docs/assets/4_reject_solution_and_check_other_solution.gif)
+  ![4_reject_solution_and_check_other_solution](docs/assets/4_reject_solution_and_check_other_solution.gif)
 
 - 해결책 검증(5_verify_solution)
-![5_verify_solution](docs/assets/5_verify_solution.gif)
+  ![5_verify_solution](docs/assets/5_verify_solution.gif)
 
 - 해결책 적용 및 결과 확인(6_apply_solution_and_check_result)
-![6_apply_solution_and_check_result](docs/assets/1_cause_d6_apply_solution_and_check_resultisk_full_demo.gif)
+  ![6_apply_solution_and_check_result](docs/assets/1_cause_d6_apply_solution_and_check_resultisk_full_demo.gif)
-
 
 ### 4) (Logs) 자동 조치 모듈 로그 확인
+
 - SSH로 대상 호스트에 접속해 precheck/action 수행, 결과를 Alert API로 전달하는 흐름 확인
   - check_apply_solution_in_monitor_node(해결책 적용 수행 노드):
-  ![7_check_apply_solution_in_monitor_node](docs/assets/7_check_apply_solution_in_monitor_node.gif)
+    ![7_check_apply_solution_in_monitor_node](docs/assets/7_check_apply_solution_in_monitor_node.gif)
 
   - check_apply_solution_in_service_node(해결책 적용 대상 노드):
-  ![8_check_apply_solution_in_service_node](docs/assets/8_check_apply_solution_in_service_node.gif)
+    ![8_check_apply_solution_in_service_node](docs/assets/8_check_apply_solution_in_service_node.gif)
 
 ## Report / Evaluation
-  ### Baseline 설정
+
+### Baseline 설정
+
     본 프로젝트의 성능을 평가하기 위해 AI 어시스턴트를 사용하지 않는 수동/부분 자동화 운영 방식을 baseline으로 정의한다. 두 환경 모두 Prometheus/Alertmanager의 동일한 임계치 기반(alert_rule) 설정을 사용하며, 차이는 알람 이후 대응 방식에 있다.
 
     - Prometheus/Alertmanager에서 DiskAlmostFull 임계치 기반 알람 설정
@@ -135,24 +153,25 @@ sudo kubectl exec -n alert-service "$POD" -- cleanup_disk.sh /tmp/disk-fill-demo
 
     제안 시스템은 동일한 알람을 n8n·WMS·AI 어시스턴트로 전달하여 remediation plan을 자동 생성하고, 운영자의 승인 후 자동 실행하는 점에서 baseline과 구분된다.
 
-  ### 실험 설계
+### 실험 설계
-  `평가는 DiskAlmostFull 장애를 대상으로 baseline과 제안 시스템을 동일 조건에서 아래의 내용에 따라 반복 실험하여 비교한다.`
 
-  | 구분 | 내용 |
+`평가는 DiskAlmostFull 장애를 대상으로 baseline과 제안 시스템을 동일 조건에서 아래의 내용에 따라 반복 실험하여 비교한다.`
-  |------|------|
-  | 실험환경 | - Prometheus + Alertmanager + Grafana + AAM<br>- 테스트용 서버(라즈베리파이) + n8n·WMS·AI 어시스턴트로 구성 |
-  | 시나리오 | - 공통: 디스크 사용량을 임계치 이상까지 증가시켜 DiskAlmostFull 알람 유발<br>- Baseline: 운영자가 직접 분석·SSH 조치<br>- 제안 시스템: AI가 생성한 plan을 WMS에서 승인 후 자동 실행 |
-  | 평가지표 | - 장애 감지 정확도: 의도적으로 유발한 장애 중 알람이 정상 발생한 비율<br>- 대응 지연 시간: 알람 발생 시각 ~ 첫 조치 실행 시각까지 시간<br>- 자동화 성공률: 자동 실행되는 모든 워크플로우가 완전히 실행된 비율<br>- 해결 성공률(해결책 정확도): 단일 조치로 장애가 완전히 해소된 비율 |
 
+| 구분     | 내용                                                                                                                                                                                                                                                                                 |
+| -------- | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------ |
+| 실험환경 | - Prometheus + Alertmanager + Grafana + AAM<br>- 테스트용 서버(라즈베리파이) + n8n·WMS·AI 어시스턴트로 구성                                                                                                                                                                          |
+| 시나리오 | - 공통: 디스크 사용량을 임계치 이상까지 증가시켜 DiskAlmostFull 알람 유발<br>- Baseline: 운영자가 직접 분석·SSH 조치<br>- 제안 시스템: AI가 생성한 plan을 WMS에서 승인 후 자동 실행                                                                                                  |
+| 평가지표 | - 장애 감지 정확도: 의도적으로 유발한 장애 중 알람이 정상 발생한 비율<br>- 대응 지연 시간: 알람 발생 시각 ~ 첫 조치 실행 시각까지 시간<br>- 자동화 성공률: 자동 실행되는 모든 워크플로우가 완전히 실행된 비율<br>- 해결 성공률(해결책 정확도): 단일 조치로 장애가 완전히 해소된 비율 |
 
-  ### 실험 결과
+### 실험 결과
-  `아래는 4가지 지표에 대한 실험결과이다. baseline과 제안 시스템 환경에서 각 10번씩 실험을 진행하였다.`
 
-  | 평가 지표 | Baseline | 제안 시스템 | 목표치 |
+`아래는 4가지 지표에 대한 실험결과이다. baseline과 제안 시스템 환경에서 각 10번씩 실험을 진행하였다.`
-  |----------|----------|-------------|--------|
-  | 장애 감지 정확도 | 100% | 100% | ≥ 90% |
-  | 평균 대응 지연 시간 | 9.2분 | 5.3분 | ≤ 5min (43% 감소) |
-  | 자동화 성공률 | 0%<br>(자동화 미사용) | 100% | ≥ 80% |
-  | 해결 성공률<br>(1차 조치로 완전 해결된 비율) | 60%<br>(수동 1차 조치) | 80%<br>(AI plan 1회) | ≥ 80% |
 
-  `이를 통해 제안 시스템이 baseline에 비해 대응 시간 단축, 자동화 수준 향상, 해결 성공률 개선에 기여함을 확인할 수 있다.`
+| 평가 지표                                    | Baseline               | 제안 시스템          | 목표치            |
+| -------------------------------------------- | ---------------------- | -------------------- | ----------------- |
+| 장애 감지 정확도                             | 100%                   | 100%                 | ≥ 90%             |
+| 평균 대응 지연 시간                          | 9.2분                  | 5.3분                | ≤ 5min (43% 감소) |
+| 자동화 성공률                                | 0%<br>(자동화 미사용)  | 100%                 | ≥ 80%             |
+| 해결 성공률<br>(1차 조치로 완전 해결된 비율) | 60%<br>(수동 1차 조치) | 80%<br>(AI plan 1회) | ≥ 80%             |
+
+`이를 통해 제안 시스템이 baseline에 비해 대응 시간 단축, 자동화 수준 향상, 해결 성공률 개선에 기여함을 확인할 수 있다.`