🥇Nadzor postgres unutar Openshifta

Dobar dan, stanovnici Habra!

Danas želim da vam ispričam kako smo želeli da nadgledamo Postgres i još nekoliko entiteta unutar OpenShift klastera i kako smo to uradili.

Na ulazu smo imali:

OpenShift
Helm
Prometheus

Za rad sa Java aplikacijom sve je bilo prilično jednostavno i jasno, a ako budem precizniji:

1) Dodavanje u build.gradle

 implementation "io.micrometer:micrometer-registry-prometheus"

2) Pokretanje Prometheusa sa konfiguracijom

 - job_name: 'job-name'
    metrics_path: '/actuator/prometheus'
    scrape_interval: 5s
    kubernetes_sd_configs:
    - role: pod
      namespaces:
        names: 
          - 'name'

3) Dodavanje prikaza u Grafanu

Sve je bilo prilično jednostavno i prozaično sve do trenutka kada smo trebali nadgledati baze koje se nalaze pored nas u namespace-u (da, to nije u redu, niko to ne radi, ali dešava se).

Kako to funkcioniše?

Pored poda sa Postgresom i samog Prometheusa potrebna nam je još jedna jedinica — exporter.

Exporter u apstraktnom smislu je agent koji prikuplja metrike iz aplikacije ili čak poslužitelja. Za Postgres, exporter je napisan na Go-u, funkcioniše na principu izvršavanja SQL skripti na bazi i zatim prikupljene rezultate preuzima Prometheus. Ovo takođe omogućava proširivanje prikupljenih metrika dodavanjem vlastitih.

Deployamo ga na sledeći način (primer deployment.yaml, bez obaveza):


---
apiVersion: extensions/v1beta1
kind: Deployment
metadata:
  name: postgres-exporter
  labels:
    app: {{ .Values.name }}
    monitoring: prometheus
spec:
  serviceName: {{ .Values.name }}
  replicas: 1
  revisionHistoryLimit: 5
  template:
    metadata:
      labels:
        app: postgres-exporter
        monitoring: prometheus
    spec:
      containers:
      - env:
        - name: DATA_SOURCE_URI
          value: postgresdb:5432/pstgr?sslmode=disable
        - name: DATA_SOURCE_USER
          value: postgres
        - name: DATA_SOURCE_PASS
          value: postgres
        resources:
          limits:
            cpu: 100m
            memory: 50Mi
          requests:
            cpu: 100m
            memory: 50Mi
        livenessProbe:
          tcpSocket:
            port: metrics
          initialDelaySeconds: 30
          periodSeconds: 30
        readinessProbe:
          tcpSocket:
            port: metrics
          initialDelaySeconds: 10
          periodSeconds: 30
        image: exporter
        name: postgres-exporter
        ports:
        - containerPort: 9187
          name: metrics

Takođe nam je potreban servis i imidž stream.

Nakon deployanja, zaista želimo da svi mogu da se vide međusobno.

Dodajemo u Prometheusu ovakav deo konfiguracije:

  - job_name: 'postgres_exporter'
    metrics_path: '/metrics'
    scrape_interval: 5s
    dns_sd_configs:
    - names:
      - 'postgres-exporter'
      type: 'A'
      port: 9187

I tu je sve proradilo, preostalo je da se sve to doda u Grafanu i uživamo u rezultatu.

Osim mogućnosti dodavanja vlastitih upita, u prometheus se može mijenjati postavka, prikupljajući potrebne metrike više ciljano.

Na sličan način učinjeno je za: