🥇Postgres monitorozás az Openshift-en

Jó napot kívánok, Habra lakói!

Ma szeretném elmondani, hogyan szerettük volna monitorozni a Postgres-t és még néhány entitást az OpenShift klaszterben, és hogyan sikerült ezt megtennünk.

A bemenet az alábbi volt:

OpenShift
Helm
Prometheus

A Java alkalmazással való munka meglehetősen egyszerű és átlátható volt, ha pontosabban akarom fogalmazni:

1) Hozzáadás a build.gradle fájlhoz

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

2) Prometheus indítása konfigurációval

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

3) Megjelenítés hozzáadása a Grafanához

Minden meglehetősen egyszerű és unalmas volt addig, amíg el nem jött a pillanat, amikor monitorozni kellett a környező adatbázisokat a névtérben (igen, ez rossz, senki sem csinál ilyet, de előfordul).

Hogyan is működik ez?

A Postgres és a Prometheus pod mellett szükségünk van még egy entitásra – exporterre.

Az exporter elvont értelemben egy ügynök, amely az alkalmazástól vagy akár a szerver. A Postgres exporter Go nyelven íródott, és úgy működik, hogy SQL szkripteket indít a bázison, majd az eredményeket a Prometheus gyűjti be. Ez lehetővé teszi a gyűjtött metrikák bővítését is, saját távlatok hozzáadásával.

Így deployáljuk (példa deployment.yaml, semmire sem kötelező):


---
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

Szintén szükség volt egy szolgáltatásra és image stream-re

A deployálás után nagyon szeretnénk, ha mindenki látná egymást.

Hozzáadunk a Prometheus konfigurációhoz egy ilyen szakaszt:

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

És itt minden működni kezdett, már csak ezt az egészet hozzá kell adni a Grafanához és élvezni az eredményt.

A prometheus lehetőségein túl, testreszabhatja a beállításokat, hogy a szükséges metrikák célzottan gyűjthetők legyenek.

Hasonló módon készült: