കുബർനെറ്റസ് ലോഗിൻ ചെയ്യുന്നു: EFK vs PLG

വിതരണ സംവിധാനങ്ങളുടെ സങ്കീർണ്ണത വർദ്ധിക്കുന്നതിനനുസരിച്ച് വളരുന്ന ക്ലൗഡ് സൊല്യൂഷനുകളുടെ വളരെ പ്രധാനപ്പെട്ട ഘടകമായി മോണിറ്ററിംഗ് മാറിയിരിക്കുന്നു. അവരുടെ പെരുമാറ്റം മനസ്സിലാക്കേണ്ടത് ആവശ്യമാണ്. എല്ലാ സേവനങ്ങളിൽ നിന്നും ഡാറ്റ ശേഖരിക്കാൻ കഴിയുന്ന സ്കേലബിൾ ടൂളുകൾ ഞങ്ങൾക്ക് ആവശ്യമാണ് - കൂടാതെ പ്രകടന വിശകലനം, പിശക് പ്രദർശനം, ലഭ്യത, ലോഗുകൾ എന്നിവയുള്ള ഒരൊറ്റ ഇന്റർഫേസ് സ്പെഷ്യലിസ്റ്റുകൾക്ക് നൽകുന്നു.

ഇതേ ഉപകരണങ്ങൾ കാര്യക്ഷമവും ഉൽപ്പാദനക്ഷമവുമായിരിക്കണം. ഈ ലേഖനത്തിൽ, ഞങ്ങൾ രണ്ട് ജനപ്രിയ ടെക്നോളജി സ്റ്റാക്കുകൾ നോക്കും: EFK (Elasticsearch), PLG (Loki) കൂടാതെ അവയുടെ ആർക്കിടെക്ചറുകളും വ്യത്യാസങ്ങളും പരിശോധിക്കും.

EFK സ്റ്റാക്ക്

വളരെ ജനപ്രിയമായ ELK അല്ലെങ്കിൽ EFK-യെ കുറിച്ച് നിങ്ങൾ ഇതിനകം കേട്ടിട്ടുണ്ടാകും. സ്റ്റാക്കിൽ നിരവധി വ്യത്യസ്ത ഭാഗങ്ങൾ അടങ്ങിയിരിക്കുന്നു: ഇലാസ്റ്റിക് സെർച്ച് (ഒബ്ജക്റ്റ് സ്റ്റോറേജ്), ലോഗ്സ്റ്റാഷ് അല്ലെങ്കിൽ ഫ്ലൂന്റ്ഡി (ലോഗ് കളക്ഷനും അഗ്രഗേഷനും), വിഷ്വലൈസേഷനായി കിബാന.

ഒരു സാധാരണ വർക്ക്ഫ്ലോ ഇതുപോലെ കാണപ്പെടുന്നു:

ഇലാസ്റ്റിസെര്ച്ച് - തിരയലും തത്സമയ അനലിറ്റിക്‌സും ഉപയോഗിച്ച് ഒബ്‌ജക്റ്റ് സംഭരണം വിതരണം ചെയ്തു. ലോഗുകൾ പോലെയുള്ള അർദ്ധ ഘടനാപരമായ ഡാറ്റയ്ക്കുള്ള മികച്ച പരിഹാരം. വിവരങ്ങൾ JSON പ്രമാണങ്ങളായി സംരക്ഷിച്ചു, തത്സമയം സൂചികയിലാക്കുകയും ക്ലസ്റ്റർ നോഡുകളിലുടനീളം വിതരണം ചെയ്യുകയും ചെയ്യുന്നു. അപ്പാച്ചെ ലൂസീൻ സെർച്ച് എഞ്ചിൻ അടിസ്ഥാനമാക്കിയുള്ള പൂർണ്ണ-ടെക്സ്റ്റ് തിരയലിനായി എല്ലാ അദ്വിതീയ പദങ്ങളും അനുബന്ധ രേഖകളും അടങ്ങുന്ന ഒരു വിപരീത സൂചിക ഉപയോഗിക്കുന്നു.

ഒഴുക്കൻ ഡി ഡാറ്റ ശേഖരിക്കുകയും ഉപയോഗിക്കുകയും ചെയ്യുമ്പോൾ അത് ഏകീകരിക്കുന്ന ഒരു ഡാറ്റ കളക്ടറാണ്. JSON-ൽ കഴിയുന്നത്ര ഡാറ്റ ഓർഗനൈസുചെയ്യാൻ ഇത് ശ്രമിക്കുന്നു. അതിന്റെ വാസ്തുവിദ്യ വിപുലീകരിക്കാവുന്നതാണ്, കൂടുതൽ ഉണ്ട് നൂറുകണക്കിന് വ്യത്യസ്ത വിപുലീകരണങ്ങൾ, കമ്മ്യൂണിറ്റി പിന്തുണയുള്ള, എല്ലാ അവസരങ്ങളിലും.

കിബാന - വിവിധ അധിക കഴിവുകളുള്ള ഇലാസ്റ്റിക് സെർച്ചിനുള്ള ഒരു ഡാറ്റ വിഷ്വലൈസേഷൻ ടൂൾ, ഉദാഹരണത്തിന്, സമയ ശ്രേണി വിശകലനം, ഗ്രാഫ് വിശകലനം, മെഷീൻ ലേണിംഗ് എന്നിവയും അതിലേറെയും.

ഇലാസ്റ്റിക് സെർച്ച് ആർക്കിടെക്ചർ

ഇലാസ്റ്റിക് സെർച്ച് ക്ലസ്റ്റർ ഡാറ്റ അതിന്റെ എല്ലാ നോഡുകളിലും വ്യാപിച്ചുകിടക്കുന്നു. ലഭ്യതയും പ്രതിരോധശേഷിയും മെച്ചപ്പെടുത്തുന്നതിനായി ഒരു ക്ലസ്റ്ററിൽ ഒന്നിലധികം നോഡുകൾ അടങ്ങിയിരിക്കുന്നു. ഏതൊരു നോഡിനും ക്ലസ്റ്ററിന്റെ എല്ലാ റോളുകളും നിർവഹിക്കാൻ കഴിയും, എന്നാൽ വലിയ തോതിലുള്ള വിന്യാസങ്ങളിൽ, നോഡുകൾക്ക് സാധാരണയായി വ്യക്തിഗത ചുമതലകൾ നൽകാറുണ്ട്.

ക്ലസ്റ്റർ നോഡ് തരങ്ങൾ:

• മാസ്റ്റർ നോഡ് - ക്ലസ്റ്റർ നിയന്ത്രിക്കുന്നു, കുറഞ്ഞത് മൂന്ന് ആവശ്യമാണ്, ഒന്ന് എപ്പോഴും സജീവമാണ്;
• ഡാറ്റ നോഡ് - ഇൻഡെക്സ് ചെയ്ത ഡാറ്റ സംഭരിക്കുകയും അത് ഉപയോഗിച്ച് വിവിധ ജോലികൾ ചെയ്യുകയും ചെയ്യുന്നു;
• ഇൻജസ്റ്റ് നോഡ് - സൂചികയിലാക്കുന്നതിന് മുമ്പ് ഡാറ്റ രൂപാന്തരപ്പെടുത്തുന്നതിന് പൈപ്പ്ലൈനുകൾ സംഘടിപ്പിക്കുന്നു;
• ഏകോപിപ്പിക്കുന്ന നോഡ് - റൂട്ടിംഗ് അഭ്യർത്ഥനകൾ, തിരയൽ പ്രോസസ്സിംഗ് ഘട്ടം കുറയ്ക്കൽ, മാസ് ഇൻഡക്സിംഗ് ഏകോപിപ്പിക്കൽ;
• മുന്നറിയിപ്പ് നോഡ് - അലേർട്ട് ടാസ്ക്കുകൾ സമാരംഭിക്കുന്നു;
• മെഷീൻ ലേണിംഗ് നോഡ് - മെഷീൻ ലേണിംഗ് ജോലികൾ പ്രോസസ്സ് ചെയ്യുന്നു.

ഉയർന്ന ഡാറ്റ ലഭ്യത കൈവരിക്കുന്നതിന് നോഡുകളിലുടനീളം ഡാറ്റ എങ്ങനെ സംഭരിക്കുകയും പകർത്തുകയും ചെയ്യുന്നുവെന്ന് ചുവടെയുള്ള ഡയഗ്രം കാണിക്കുന്നു.

ഓരോ പകർപ്പിന്റെയും ഡാറ്റ ഒരു വിപരീത സൂചികയിൽ സംഭരിച്ചിരിക്കുന്നു, ഇത് എങ്ങനെ സംഭവിക്കുന്നുവെന്ന് ചുവടെയുള്ള ഡയഗ്രം കാണിക്കുന്നു:

ഇൻസ്റ്റലേഷൻ

വിശദാംശങ്ങൾ കാണാൻ കഴിയും ഇവിടെ, ഞാൻ ഹെൽം ചാർട്ട് ഉപയോഗിക്കും:

$ helm install efk-stack stable/elastic-stack --set logstash.enabled=false --set fluentd.enabled=true --set fluentd-elastics

PLG സ്റ്റാക്ക്

നിങ്ങൾക്ക് ഈ ചുരുക്കെഴുത്ത് കണ്ടെത്താൻ കഴിയുന്നില്ലെങ്കിൽ ആശ്ചര്യപ്പെടേണ്ടതില്ല, കാരണം ഇത് ഗ്രാഫാന ലോക്കി എന്നാണ് അറിയപ്പെടുന്നത്. ഏത് സാഹചര്യത്തിലും, തെളിയിക്കപ്പെട്ട സാങ്കേതിക പരിഹാരങ്ങൾ ഉപയോഗിക്കുന്നതിനാൽ ഈ സ്റ്റാക്ക് ജനപ്രീതി നേടുന്നു. ഒരു ജനപ്രിയ ദൃശ്യവൽക്കരണ ഉപകരണമായ ഗ്രാഫാനയെക്കുറിച്ച് നിങ്ങൾ ഇതിനകം കേട്ടിരിക്കാം. അതിന്റെ സ്രഷ്‌ടാക്കൾ, പ്രോമിത്യൂസിൽ നിന്ന് പ്രചോദനം ഉൾക്കൊണ്ട്, തിരശ്ചീനമായി അളക്കാവുന്ന, ഉയർന്ന പ്രവർത്തനക്ഷമതയുള്ള ലോഗ് അഗ്രഗേഷൻ സിസ്റ്റമായ ലോകി വികസിപ്പിച്ചെടുത്തു. ലോകി മെറ്റാഡാറ്റയെ മാത്രം സൂചികയിലാക്കുന്നു, ജേണലുകളല്ല, അത് ഉപയോഗിക്കാൻ എളുപ്പമുള്ളതും ചെലവ് കുറഞ്ഞതുമായ ഒരു സാങ്കേതിക പരിഹാരമാണ്.

പ്രോംടെയിൽ - ഓപ്പറേറ്റിംഗ് സിസ്റ്റത്തിൽ നിന്ന് ലോകി ക്ലസ്റ്ററിലേക്ക് ലോഗുകൾ അയയ്ക്കുന്നതിനുള്ള ഒരു ഏജന്റ്. ഗ്രാഫാന ലോകിയിൽ നിന്നുള്ള ഡാറ്റയെ അടിസ്ഥാനമാക്കിയുള്ള ഒരു ദൃശ്യവൽക്കരണ ഉപകരണമാണ്.

പ്രോമിത്യൂസിന്റെ അതേ തത്വങ്ങളിലാണ് ലോക്കി നിർമ്മിച്ചിരിക്കുന്നത്, ഇത് കുബർനെറ്റസ് ലോഗുകൾ സംഭരിക്കുന്നതിനും വിശകലനം ചെയ്യുന്നതിനും അനുയോജ്യമാണ്.

ലോകി വാസ്തുവിദ്യ

ലോക്കി ഒറ്റ പ്രക്രിയയായോ ഒന്നിലധികം പ്രക്രിയകളായോ പ്രവർത്തിപ്പിക്കാം, ഇത് തിരശ്ചീന സ്കെയിലിംഗ് അനുവദിക്കുന്നു.

ഇത് ഒരു മോണോലിത്തിക്ക് ആപ്ലിക്കേഷനായി അല്ലെങ്കിൽ ഒരു മൈക്രോ സർവീസ് ആയി പ്രവർത്തിക്കാം. ഒരൊറ്റ പ്രക്രിയയായി പ്രവർത്തിക്കുന്നത് പ്രാദേശിക വികസനത്തിനോ ചെറിയ നിരീക്ഷണത്തിനോ ഉപയോഗപ്രദമാകും. വ്യാവസായിക നിർവ്വഹണത്തിനും അളക്കാവുന്ന ജോലിഭാരത്തിനും, മൈക്രോ സർവീസ് ഓപ്ഷൻ ഉപയോഗിക്കാൻ ശുപാർശ ചെയ്യുന്നു. ഡാറ്റ എഴുതുന്നതിനും വായിക്കുന്നതിനുമുള്ള പാതകൾ വേർതിരിച്ചിരിക്കുന്നു, അതിനാൽ ഇത് നന്നായി ട്യൂൺ ചെയ്യാനും ആവശ്യാനുസരണം സ്കെയിൽ ചെയ്യാനും കഴിയും.

വിശദമായി പറയാതെ ലോഗ് ശേഖരണ സംവിധാനത്തിന്റെ ആർക്കിടെക്ചർ നോക്കാം:

ഇവിടെ വിവരണം (മൈക്രോ സർവീസ് ആർക്കിടെക്ചർ):

ഘടകങ്ങൾ:

പ്രോംടെയിൽ - നോഡുകളിൽ ഇൻസ്റ്റാൾ ചെയ്ത ഒരു ഏജന്റ് (സേവനങ്ങളുടെ ഒരു കൂട്ടം പോലെ), ഇത് ടാസ്ക്കുകളിൽ നിന്ന് ലോഗുകൾ നീക്കം ചെയ്യുകയും ലോഗുകൾ ടാഗ് ചെയ്യുന്ന മെറ്റാഡാറ്റ ലഭിക്കുന്നതിന് Kubernetes API ആക്സസ് ചെയ്യുകയും ചെയ്യുന്നു. അത് പിന്നീട് പ്രധാന ലോകി സേവനത്തിലേക്ക് ലോഗ് അയയ്ക്കുന്നു. മെറ്റാഡാറ്റ മാപ്പിംഗ് പ്രോമിത്യൂസിന്റെ അതേ ടാഗിംഗ് നിയമങ്ങളെ പിന്തുണയ്ക്കുന്നു.

വിതരണക്കാരൻ - ഒരു ബഫറായി പ്രവർത്തിക്കുന്ന ഒരു സേവന വിതരണക്കാരൻ. ദശലക്ഷക്കണക്കിന് റെക്കോർഡുകൾ പ്രോസസ്സ് ചെയ്യുന്നതിന്, ഇത് ഇൻകമിംഗ് ഡാറ്റ പായ്ക്ക് ചെയ്യുന്നു, അത് വരുമ്പോൾ ബ്ലോക്കുകളിൽ കംപ്രസ്സുചെയ്യുന്നു. നിരവധി ഡാറ്റ സിങ്കുകൾ ഒരേസമയം പ്രവർത്തിക്കുന്നു, എന്നാൽ ഒരു ഇൻകമിംഗ് ഡാറ്റാ സ്ട്രീമിന്റെ ലോഗുകൾ അതിന്റെ എല്ലാ ബ്ലോക്കുകൾക്കും അവയിലൊന്നിൽ മാത്രമേ ദൃശ്യമാകൂ. ഇത് സിങ്കുകളുടെയും സീക്വൻഷ്യൽ ഹാഷിംഗിന്റെയും ഒരു വളയമായി ക്രമീകരിച്ചിരിക്കുന്നു. തെറ്റ് സഹിഷ്ണുതയ്ക്കും ആവർത്തനത്തിനും, ഇത് n തവണ ചെയ്യുന്നു (3 കോൺഫിഗർ ചെയ്തിട്ടില്ലെങ്കിൽ).

ഇൻജസ്റ്റർ - സേവന റിസീവർ. ലോഗുകൾ ചേർത്തുകൊണ്ട് ഡാറ്റ ബ്ലോക്കുകൾ കംപ്രസ്സുചെയ്യുന്നു. ബ്ലോക്കിന് മതിയായ വലുപ്പം ലഭിച്ചുകഴിഞ്ഞാൽ, ബ്ലോക്ക് ഡാറ്റാബേസിലേക്ക് ഫ്ലഷ് ചെയ്യപ്പെടും. മെറ്റാഡാറ്റ സൂചികയിലേക്ക് പോകുന്നു, ലോഗ് ബ്ലോക്കിൽ നിന്നുള്ള ഡാറ്റ Chunks-ലേക്ക് (സാധാരണയായി ഒബ്ജക്റ്റ് സ്റ്റോറേജ്) പോകുന്നു. റീസെറ്റിന് ശേഷം, റിസീവർ ഒരു പുതിയ ബ്ലോക്ക് സൃഷ്ടിക്കുന്നു, അവിടെ പുതിയ എൻട്രികൾ ചേർക്കും.

സൂചിക - ഡാറ്റാബേസ്, ഡൈനാമോഡിബി, കസാന്ദ്ര, ഗൂഗിൾ ബിഗ്‌ടേബിൾ മുതലായവ.

കഷണങ്ങൾ - കംപ്രസ് ചെയ്ത രൂപത്തിൽ ലോഗ് ബ്ലോക്കുകൾ, സാധാരണയായി ഒബ്ജക്റ്റ് സ്റ്റോറേജിൽ സൂക്ഷിക്കുന്നു, ഉദാഹരണത്തിന്, S3.

ക്വറിയർ - എല്ലാ വൃത്തികെട്ട ജോലികളും ചെയ്യുന്ന വായനാ പാത. ഇത് സമയ പരിധിയും ടൈംസ്റ്റാമ്പും നോക്കുന്നു, തുടർന്ന് പൊരുത്തങ്ങൾ കണ്ടെത്താൻ സൂചികയിലേക്ക് നോക്കുന്നു. അടുത്തതായി, ഇത് ഡാറ്റയുടെ ബ്ലോക്കുകൾ വായിക്കുകയും ഫലം ലഭിക്കുന്നതിന് അവയെ ഫിൽട്ടർ ചെയ്യുകയും ചെയ്യുന്നു.

ഇപ്പോൾ എല്ലാം പ്രവർത്തനത്തിൽ നോക്കാം.

ഇൻസ്റ്റലേഷൻ

കുബർനെറ്റസിൽ ഇൻസ്റ്റാൾ ചെയ്യാനുള്ള ഏറ്റവും എളുപ്പ മാർഗം ഹെൽം ഉപയോഗിക്കുക എന്നതാണ്. നിങ്ങൾ ഇത് ഇതിനകം ഇൻസ്റ്റാൾ ചെയ്യുകയും കോൺഫിഗർ ചെയ്യുകയും ചെയ്തിട്ടുണ്ടെന്ന് ഞങ്ങൾ അനുമാനിക്കുന്നു (മൂന്നാം പതിപ്പും! ഏകദേശം. വിവർത്തകൻ)

ഒരു ശേഖരം ചേർത്ത് ഒരു സ്റ്റാക്ക് ഇൻസ്റ്റാൾ ചെയ്യുക.

$ helm repo add loki https://grafana.github.io/loki/charts
$ helm repo update
$ helm upgrade --install loki loki/loki-stack --set grafana.enabled=true,prometheus.enabled=true,prometheus.alertmanager.persistentVolume.enabled=false,prometheus.server.persistentVolume.enabled=false

Etcd മെട്രിക്‌സിനായി Prometheus-ൽ നിന്നും Etcd പോഡ് ലോഗുകൾക്കുള്ള Loki-ൽ നിന്നുള്ള ഡാറ്റ കാണിക്കുന്ന ഒരു ഉദാഹരണ ഡാഷ്‌ബോർഡ് ചുവടെയുണ്ട്.

ഇപ്പോൾ നമുക്ക് രണ്ട് സിസ്റ്റങ്ങളുടെയും ആർക്കിടെക്ചർ ചർച്ച ചെയ്യാം, കൂടാതെ അവയുടെ കഴിവുകൾ പരസ്പരം താരതമ്യം ചെയ്യാം.

താരതമ്യം

അന്വേഷണ ഭാഷ

ഫുൾ-ടെക്‌സ്‌റ്റ് തിരയൽ കഴിവുകൾ നൽകുന്നതിന് ഇലാസ്റ്റിക് സെർച്ച് ക്വറി ഡിഎസ്‌എല്ലും ലൂസീൻ അന്വേഷണ ഭാഷയും ഉപയോഗിക്കുന്നു. വിശാലമായ ഓപ്പറേറ്റർ പിന്തുണയുള്ള സ്ഥാപിതവും ശക്തവുമായ സെർച്ച് എഞ്ചിനാണിത്. ഇത് ഉപയോഗിച്ച്, നിങ്ങൾക്ക് സന്ദർഭം അനുസരിച്ച് തിരയാനും പ്രസക്തി അനുസരിച്ച് അടുക്കാനും കഴിയും.

റിങ്ങിന്റെ മറുവശത്ത് LogQL ആണ്, ഇത് PromQL-ന്റെ (പ്രോമിത്യൂസ് അന്വേഷണ ഭാഷ) പിൻഗാമിയായ ലോക്കിയിൽ ഉപയോഗിക്കുന്നു. ലോഗ് ഡാറ്റ ഫിൽട്ടർ ചെയ്യാനും തിരഞ്ഞെടുക്കാനും ഇത് ലോഗ് ടാഗുകൾ ഉപയോഗിക്കുന്നു. വിവരിച്ചതുപോലെ ചില ഓപ്പറേറ്റർമാരും ഗണിതവും ഉപയോഗിക്കാൻ കഴിയും ഇവിടെ, എന്നാൽ കഴിവുകളുടെ കാര്യത്തിൽ അത് ഇലാസ്റ്റിക് ഭാഷയേക്കാൾ പിന്നിലാണ്.

ലോകിയിലെ അന്വേഷണങ്ങൾ ടാഗുകളുമായി ബന്ധപ്പെട്ടിരിക്കുന്നതിനാൽ, അവ മെട്രിക്കുകളുമായി പരസ്പരബന്ധം പുലർത്തുന്നത് എളുപ്പമാണ്, തൽഫലമായി, അവ ഉപയോഗിച്ച് പ്രവർത്തന നിരീക്ഷണം സംഘടിപ്പിക്കുന്നത് എളുപ്പമാണ്.

സ്കേലബിളിറ്റി

രണ്ട് സ്റ്റാക്കുകളും തിരശ്ചീനമായി അളക്കാവുന്നവയാണ്, എന്നാൽ പ്രത്യേക വായനയും എഴുത്തും പാതകളും മൈക്രോ സർവീസ് ആർക്കിടെക്ചറും ഉള്ളതിനാൽ ലോകി ഇത് എളുപ്പമാക്കുന്നു. ലോകി നിങ്ങളുടെ ആവശ്യങ്ങൾക്കനുസരിച്ച് ഇഷ്‌ടാനുസൃതമാക്കാനും ലോഗ് ഡാറ്റയുടെ വലിയ അളവുകൾക്കായി ഉപയോഗിക്കാനും കഴിയും.

ബഹുസ്വരത

ക്ലസ്റ്റർ മൾട്ടിടെനൻസി എന്നത് ഒപെക്‌സിന്റെ ചുരുക്കെഴുത്തിലെ ഒരു പൊതു തീം ആണ്, രണ്ട് സ്റ്റാക്കുകളും മൾട്ടിടെനൻസി നൽകുന്നു. ഇലാസ്റ്റിക് തിരയലിനായി നിരവധി ഉണ്ട് വഴികൾ ക്ലയന്റ് വേർതിരിക്കൽ: ഓരോ ക്ലയന്റിനുമുള്ള പ്രത്യേക സൂചിക, ക്ലയന്റ് അടിസ്ഥാനമാക്കിയുള്ള റൂട്ടിംഗ്, അദ്വിതീയ ക്ലയന്റ് ഫീൽഡുകൾ, തിരയൽ ഫിൽട്ടറുകൾ. ലോകിക്കുണ്ട് പിന്തുണ ഒരു HTTP X-Scope-OrgID തലക്കെട്ടിന്റെ രൂപത്തിൽ.

ചെലവ്

ഡാറ്റയെ സൂചികയിലാക്കുന്നില്ല, മെറ്റാഡാറ്റ മാത്രമായതിനാൽ ലോകി വളരെ ചെലവ് കുറഞ്ഞതാണ്. ഇത് കൈവരിക്കുന്നു സംഭരണത്തിൽ സേവിംഗ്സ് ഇലാസ്റ്റിക് സെർച്ച് ക്ലസ്റ്ററുകളിൽ ഉപയോഗിക്കുന്ന ബ്ലോക്ക് സ്റ്റോറേജിനേക്കാൾ ഒബ്ജക്റ്റ് സ്റ്റോറേജ് വിലകുറഞ്ഞതിനാൽ മെമ്മറി (കാഷെ).

തീരുമാനം

EFK സ്റ്റാക്ക് വിവിധ ആവശ്യങ്ങൾക്കായി ഉപയോഗിക്കാം, പരമാവധി വഴക്കവും അനലിറ്റിക്‌സ്, വിഷ്വലൈസേഷൻ, അന്വേഷണങ്ങൾ എന്നിവയ്‌ക്കായി ഒരു ഫീച്ചർ സമ്പന്നമായ കിബാന ഇന്റർഫേസും നൽകുന്നു. മെഷീൻ ലേണിംഗ് കഴിവുകൾ ഉപയോഗിച്ച് ഇത് കൂടുതൽ മെച്ചപ്പെടുത്താം.

ലോകി സ്റ്റാക്ക് അതിന്റെ മെറ്റാഡാറ്റ കണ്ടെത്തൽ സംവിധാനം കാരണം കുബർനെറ്റസ് ആവാസവ്യവസ്ഥയിൽ ഉപയോഗപ്രദമാണ്. ഗ്രാഫാനയിലെയും ലോഗുകളിലെയും സമയ ശ്രേണിയെ അടിസ്ഥാനമാക്കി നിങ്ങൾക്ക് നിരീക്ഷണത്തിനായി ഡാറ്റ എളുപ്പത്തിൽ പരസ്പരബന്ധിതമാക്കാം.

ചെലവിന്റെയും ദീർഘകാല ലോഗ് സ്റ്റോറേജിന്റെയും കാര്യത്തിൽ, ക്ലൗഡ് സൊല്യൂഷനുകളിലേക്കുള്ള ഒരു മികച്ച എൻട്രി പോയിന്റാണ് ലോകി.

വിപണിയിൽ കൂടുതൽ ബദലുകൾ ഉണ്ട് - ചിലത് നിങ്ങൾക്ക് മികച്ചതായിരിക്കാം. ഉദാഹരണത്തിന്, GKE-യ്ക്ക് ഒരു മികച്ച നിരീക്ഷണ പരിഹാരം നൽകുന്ന ഒരു Stackdriver സംയോജനമുണ്ട്. ഈ ലേഖനത്തിൽ ഞങ്ങളുടെ വിശകലനത്തിൽ ഞങ്ങൾ അവ ഉൾപ്പെടുത്തിയിട്ടില്ല.

റെഫറൻസുകൾ:

• https://github.com/grafana/loki/blob/master/docs/overview/comparisons.md
• https://www.elastic.co/blog/found-elasticsearch-from-the-bottom-up
• https://www.elastic.co/blog/found-elasticsearch-in-production/

ലേഖനം വിവർത്തനം ചെയ്ത് ഹബ്റിന് വേണ്ടി തയ്യാറാക്കിയത് ജീവനക്കാരാണ് ചേരി പരിശീലന കേന്ദ്രം - പ്രാക്ടീസ് ചെയ്യുന്ന സ്പെഷ്യലിസ്റ്റുകളിൽ നിന്നുള്ള തീവ്രമായ കോഴ്‌സുകൾ, വീഡിയോ കോഴ്‌സുകൾ, കോർപ്പറേറ്റ് പരിശീലനം (കുബർനെറ്റസ്, ഡെവോപ്‌സ്, ഡോക്കർ, അൻസിബിൾ, സെഫ്, എസ്ആർഇ, എജൈൽ)

അവലംബം: www.habr.com