🥇Monitoraggio di postgres all'interno di Openshift

Buongiorno a tutti voi del Habr!

Oggi voglio raccontarvi di come ci siamo impegnati a monitorare PostgreSQL e un paio di altre entità all'interno del cluster OpenShift e come ci siamo riusciti.

Abbiamo iniziato con:

OpenShift
Helm
Prometheus

Per lavorare con l'applicazione Java, tutto era piuttosto semplice e trasparente, per essere più precisi:

1) Aggiunta a build.gradle

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

2) Avvio di Prometheus con la configurazione

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

3) Aggiunta della visualizzazione in Grafana

Tutto era piuttosto semplice e banale fino al momento in cui è arrivato il momento di monitorare i database che si trovano nel nostro spazio dei nomi (sì, è sbagliato, nessuno lo fa, ma a volte succede).

Come funziona?

In aggiunta al pod con PostgreSQL e al Prometheus, abbiamo bisogno di un'altra entità: l'exporter.

Un exporter, in termini generali, è un agente che raccoglie metriche dall'applicazione o addirittura server. L'exporter per PostgreSQL è scritto in Go e funziona sul principio di eseguire script SQL sul database, e poi i risultati ottenuti vengono prelevati da Prometheus. Questo consente anche di ampliare le metriche raccolte, aggiungendo le proprie.

Lo distribuiamo in questo modo (un esempio di deployment.yaml, non vincolante):


---
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

Avremo anche bisogno di un servizio e di un image stream.

Dopo il deployment, desideriamo che tutti possano vedersi tra di loro.

Aggiungiamo questa parte alla configurazione di Prometheus:

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

E qui tutto ha iniziato a funzionare, ora non resta che aggiungere tutto questo in Grafana e godere del risultato.

Oltre alla possibilità di aggiungere le proprie richieste, in prometheus è possibile modificare le impostazioni per raccogliere metriche necessarie in modo più mirato.

Lo stesso metodo è stato applicato per: