एकटे नवीन अवशेष नाही: डेटाडॉग आणि अॅटॅटसवर एक नजर

SRE/DevOps अभियंत्यांच्या वातावरणात, एखाद्या दिवशी क्लायंट (किंवा मॉनिटरिंग सिस्टम) दिसणे आणि “सर्व काही हरवले आहे” असा अहवाल देणे हे कोणालाही आश्चर्यचकित करणार नाही: साइट कार्य करत नाही, देयके जात नाहीत, जीवन खराब होत आहे. ... अशा परिस्थितीत तुम्ही कितीही मदत करू इच्छित असाल तरीही, साध्या आणि समजण्यायोग्य साधनाशिवाय हे करणे खूप कठीण आहे. बर्‍याचदा समस्या ऍप्लिकेशन कोडमध्येच लपलेली असते; तुम्हाला फक्त ती स्थानिकीकरण करण्याची आवश्यकता असते.

आणि दुःखात आणि आनंदात...

असे घडले की आम्ही नवीन अवशेषाच्या प्रेमात दीर्घकाळ आणि खोलवर पडलो आहोत. हे ऍप्लिकेशनच्या कार्यक्षमतेचे परीक्षण करण्यासाठी एक उत्कृष्ट साधन होते आणि राहते, आणि आपल्याला मायक्रोसर्व्हिस आर्किटेक्चर (त्याचा एजंट वापरून) आणि बरेच काही वापरण्याची परवानगी देते. आणि जर ते सेवेच्या किंमत धोरणात बदल केले नसते तर सर्व काही छान होऊ शकले असते: ते खर्च 2013 वर्षापासून 3+ पट वाढले. याव्यतिरिक्त, गेल्या वर्षापासून, चाचणी खाते प्राप्त करण्यासाठी वैयक्तिक व्यवस्थापकाशी संप्रेषण आवश्यक आहे, ज्यामुळे संभाव्य ग्राहकास उत्पादन सादर करणे कठीण होते.

नेहमीची परिस्थिती: नवीन अवशेष "कायमस्वरूपी" आवश्यक नाही; समस्या सुरू झाल्यावरच त्यांना ते आठवते. परंतु तरीही तुम्हाला नियमितपणे (140 USD प्रति सर्व्हर दरमहा) पैसे द्यावे लागतील आणि आपोआप स्केलिंग क्लाउड इन्फ्रास्ट्रक्चरमध्ये बेरीज मोठ्या प्रमाणात होते. Pay-As-You-Go पर्याय असला तरी, New Relic सक्षम केल्याने तुम्हाला अॅप्लिकेशन रीस्टार्ट करावे लागेल, ज्यामुळे समस्याप्रधान परिस्थिती नष्ट होऊ शकते ज्यासाठी हे सर्व सुरू केले होते. काही काळापूर्वी, न्यू रेलिकने नवीन टॅरिफ योजना सादर केली - मूलतत्वे, - जे पहिल्या दृष्टीक्षेपात व्यावसायिकांसाठी वाजवी पर्यायासारखे दिसते... परंतु जवळून तपासणी केल्यावर असे दिसून आले की काही महत्त्वाची कार्ये गहाळ आहेत (विशेषतः, त्यात नाही प्रमुख व्यवहार, क्रॉस ऍप्लिकेशन ट्रेसिंग, वितरित ट्रेसिंग).

परिणामी, आम्ही स्वस्त पर्याय शोधण्याचा विचार करू लागलो आणि आमची निवड दोन सेवांवर पडली: Datadog आणि Atatus. त्यांच्यावर का?

स्पर्धकांबद्दल

मी लगेच सांगेन की बाजारात इतर उपाय आहेत. आम्ही ओपन सोर्स पर्यायांचाही विचार केला आहे, परंतु प्रत्येक क्लायंटला सेल्फ-होस्टेड सोल्यूशन्स होस्ट करण्याची विनामूल्य क्षमता नसते... - शिवाय, त्यांना अतिरिक्त देखभाल आवश्यक असेल. आम्ही निवडलेले जोडपे सर्वात जवळचे निघाले आमच्या गरजा:

• PHP ऍप्लिकेशन्ससाठी अंगभूत आणि विकसित समर्थन (आमच्या क्लायंटचा स्टॅक खूप वैविध्यपूर्ण आहे, परंतु नवीन रेलिकचा पर्याय शोधण्याच्या संदर्भात हे स्पष्ट नेते आहे);
• परवडणारी किंमत (प्रति होस्ट प्रति महिना 100 USD पेक्षा कमी);
• स्वयंचलित उपकरणे;
• Kubernetes सह एकत्रीकरण;
• न्यू रेलिक इंटरफेसची समानता एक लक्षणीय प्लस आहे (कारण आमच्या अभियंत्यांना याची सवय आहे).

म्हणून, प्रारंभिक निवडीच्या टप्प्यावर, आम्ही इतर अनेक लोकप्रिय उपाय काढून टाकले, आणि विशेषतः:

• Tideways, AppDynamics आणि Dynatrace - खर्चासाठी;
• Stackify रशियन फेडरेशनमध्ये अवरोधित केले आहे आणि खूप कमी डेटा दर्शविते.

उर्वरित लेख अशा प्रकारे संरचित केला आहे की प्रश्नातील निराकरणे प्रथम थोडक्यात मांडली जातील, त्यानंतर मी न्यू रेलिकशी आमच्या विशिष्ट परस्परसंवादाबद्दल आणि इतर सेवांमध्ये तत्सम ऑपरेशन्स केल्याच्या अनुभव/इम्प्रेशनबद्दल बोलेन.

निवडक स्पर्धकांचे सादरीकरण

वर नवीन रिलिक, कदाचित प्रत्येकाने ऐकले असेल? या सेवेचा विकास 10 वर्षांपूर्वी 2008 मध्ये सुरू झाला. आम्ही 2012 पासून ते सक्रियपणे वापरत आहोत आणि PHP, Ruby आणि Python मध्ये खरोखर मोठ्या संख्येने ऍप्लिकेशन्स समाकलित करण्यात आम्हाला कोणतीही समस्या आली नाही आणि आम्हाला C# आणि Go सह एकत्रित करण्याचा अनुभव देखील आला आहे. सेवेच्या लेखकांकडे ॲप्लिकेशन्स, इन्फ्रास्ट्रक्चर, मायक्रोसर्व्हिस इन्फ्रास्ट्रक्चर्स ट्रेसिंग, वापरकर्ता उपकरणांसाठी सोयीस्कर ऍप्लिकेशन तयार करणे आणि बरेच काही यासाठी उपाय आहेत.

तथापि, न्यू रेलिक एजंट मालकीच्या प्रोटोकॉलवर चालतो आणि ओपनट्रेसिंगला समर्थन देत नाही. प्रगत इन्स्ट्रुमेंटेशनसाठी विशेषत: New Relic साठी संपादने आवश्यक आहेत. शेवटी, कुबर्नेट्स समर्थन अद्याप प्रायोगिक आहे.

2010 मध्ये त्याचा विकास सुरू झाला डेटाडोग Kubernetes वातावरणात वापरण्याच्या दृष्टीने नेमकेपणे New Relic पेक्षा अधिक मनोरंजक दिसते. विशेषतः, हे एनजीआयएनएक्स इंग्रेस, लॉग कलेक्शन, स्टॅट्सडी आणि ओपनट्रेसिंग प्रोटोकॉलसह एकत्रीकरणास समर्थन देते, जे तुम्हाला वापरकर्त्याची विनंती पूर्ण होण्याच्या क्षणापासून ट्रॅक करण्यास अनुमती देते, तसेच या विनंतीसाठी लॉग शोधू देते (वेब ​​सर्व्हर बाजूला दोन्ही आणि ग्राहकांवर).

डेटाडॉग वापरताना, आम्हाला हे तथ्य आढळले की काहीवेळा तो मायक्रोसर्व्हिस नकाशा चुकीच्या पद्धतीने तयार करतो आणि काही तांत्रिक कमतरता. उदाहरणार्थ, त्याने सेवा प्रकार चुकीचा ओळखला (कॅशिंग सेवेसाठी जॅंगो चुकीचा आहे) आणि लोकप्रिय प्रिडिस लायब्ररी वापरून PHP अनुप्रयोगामध्ये 500 त्रुटी निर्माण केल्या.

अतास - सर्वात तरुण साधन; ही सेवा 2014 मध्ये सुरू झाली. त्याचे विपणन बजेट स्पष्टपणे सूचीबद्ध प्रतिस्पर्ध्यांपेक्षा निकृष्ट आहे, उल्लेख खूपच कमी सामान्य आहेत. तथापि, साधन स्वतःच न्यू रेलिकसारखेच आहे, केवळ त्याच्या क्षमतांमध्ये (एपीएम, ब्राउझर मॉनिटरिंग इ.) नाही तर देखावा देखील आहे.

एक महत्त्वाचा दोष म्हणजे तो फक्त Node.js आणि PHP ला सपोर्ट करतो. दुसरीकडे, हे Datadog पेक्षा लक्षणीयरित्या चांगले लागू केले आहे. नंतरच्या विपरीत, Atatus ला कोडमध्ये बदल करण्यासाठी किंवा अतिरिक्त लेबल जोडण्यासाठी अनुप्रयोगांची आवश्यकता नाही.

आम्ही New Relic सह कसे कार्य करतो

आता आपण सर्वसाधारणपणे New Relic कसे वापरतो ते पाहू. समजा आम्हाला एक समस्या आहे ज्याचे निराकरण आवश्यक आहे:

आलेखावर पाहणे सोपे आहे स्पलॅश - चला त्याचे विश्लेषण करूया. New Relic मध्ये, वेब ॲप्लिकेशनसाठी वेब व्यवहार ताबडतोब निवडले जातात, सर्व घटक कार्यप्रदर्शन आलेखामध्ये दर्शविले जातात, त्रुटी-दर, विनंती-दर पॅनेल आहेत... सर्वात महत्त्वाचे म्हणजे या पॅनेल्सवरून तुम्ही थेट वेगवेगळ्या दरम्यान हलवू शकता. अनुप्रयोगाचे काही भाग (उदाहरणार्थ, MySQL वर क्लिक केल्याने डेटाबेस विभागात जाईल).

कारण विचाराधीन उदाहरणामध्ये आपण क्रियाकलापांमध्ये वाढ पाहतो कृपया PHP, या चार्टवर क्लिक करा आणि स्वयंचलितपणे वर जा व्यवहार:

व्यवहारांची यादी, जे मूलत: MVC मॉडेलचे नियंत्रक आहेत, आधीपासून क्रमवारी लावलेले आहेत सर्वाधिक वेळ घेणारे, जे खूप सोयीस्कर आहे: अनुप्रयोग काय करतो ते आम्ही लगेच पाहतो. येथे दीर्घ क्वेरींची उदाहरणे आहेत जी New Relic द्वारे स्वयंचलितपणे संकलित केली जातात. क्रमवारी बदलून, शोधणे सोपे आहे:

• सर्वात लोड केलेले अनुप्रयोग नियंत्रक;
• वारंवार विनंती केलेला नियंत्रक;
• नियंत्रकांपैकी सर्वात हळू.

याव्यतिरिक्त, तुम्ही प्रत्येक व्यवहाराचा विस्तार करू शकता आणि कोड अंमलात आणला तेव्हा अनुप्रयोग काय करत होता ते पाहू शकता:

शेवटी, अनुप्रयोग दीर्घ विनंत्यांच्या ट्रेसची उदाहरणे संग्रहित करतो (ज्यांना 2 सेकंदांपेक्षा जास्त वेळ लागतो). दीर्घ व्यवहारासाठी हे पॅनेल आहे:

हे पाहिले जाऊ शकते की दोन पद्धतींना बराच वेळ लागतो आणि त्याच वेळी विनंती कार्यान्वित केली गेली होती तेव्हा तिचा URI आणि डोमेन देखील दर्शविला जातो. बर्याचदा हे लॉगमध्ये विनंती शोधण्यात मदत करते. जात तपशील ट्रेस करा, या पद्धती कोठून कॉल केल्या जातात ते तुम्ही पाहू शकता:

आणि मध्ये डेटाबेस क्वेरी — अॅप्लिकेशन चालू असताना निष्पादित केलेल्या डेटाबेसच्या प्रश्नांचे मूल्यांकन करा:

या ज्ञानासह सशस्त्र, आम्ही अनुप्रयोगाचा वेग कमी का होत आहे याचे मूल्यांकन करू शकतो आणि समस्या सोडवण्यासाठी धोरण तयार करण्यासाठी विकसकासह कार्य करू शकतो. प्रत्यक्षात, न्यू रेलिक नेहमीच स्पष्ट चित्र देत नाही, परंतु ते तपासणीचे वेक्टर निवडण्यास मदत करते:

• लांब PDO::Construct pgpoll च्या विचित्र कार्यप्रणालीकडे नेले;
• कालांतराने अस्थिरता Memcache::Get व्हर्च्युअल मशीन चुकीच्या पद्धतीने कॉन्फिगर केले असल्याचे सुचवले;
• टेम्प्लेट प्रक्रियेसाठी संशयास्पदरीत्या वाढलेल्या वेळेमुळे ऑब्जेक्ट स्टोरेजमध्ये 500 अवतारांची उपस्थिती तपासण्यासाठी नेस्टेड लूप आला;
• इ…

असे देखील घडते की कोड कार्यान्वित करण्याऐवजी, बाह्य डेटा स्टोरेजशी संबंधित काहीतरी मुख्य स्क्रीनवर वाढते - आणि ते काय असेल याने काही फरक पडत नाही: Redis किंवा PostgreSQL - ते सर्व टॅबमध्ये लपलेले आहेत डेटाबेस.

तुम्ही संशोधनासाठी विशिष्ट आधार निवडू शकता आणि प्रश्नांची क्रमवारी लावू शकता - जसे की ते व्यवहारांमध्ये कसे केले जाते. आणि विनंती टॅबवर जाऊन, तुम्ही ही विनंती प्रत्येक ऍप्लिकेशन कंट्रोलरमध्ये किती वेळा येते ते पाहू शकता आणि किती वेळा कॉल केला जातो याचा अंदाज देखील लावू शकता. हे खूप आरामदायक आहे:

टॅबमध्ये समान डेटा आहे बाह्य सेवा, जे बाह्य HTTP सेवांसाठी विनंत्या लपवते, जसे की ऑब्जेक्ट स्टोरेजमध्ये प्रवेश करणे, सेन्ट्रीला इव्हेंट पाठवणे किंवा यासारखे. टॅबची सामग्री पूर्णपणे डेटाबेस सारखीच आहे:

प्रतिस्पर्धी: संधी आणि छाप

आता सर्वात मनोरंजक गोष्ट म्हणजे न्यू रेलिकच्या क्षमतांची प्रतिस्पर्धी काय ऑफर करतात याची तुलना करणे. दुर्दैवाने, आम्ही उत्पादनात चालू असलेल्या एका अनुप्रयोगाच्या एका आवृत्तीवर सर्व तीन साधनांची चाचणी करू शकलो नाही. तथापि, आम्ही शक्य तितक्या समान परिस्थिती/कॉन्फिगरेशनची तुलना करण्याचा प्रयत्न केला.

1. डेटाडॉग

डेटाडॉग सेवांच्या भिंतीसह पॅनेलसह आमचे स्वागत करतो:

हे ऍप्लिकेशन्सना घटक/मायक्रोसर्व्हिसेसमध्ये खंडित करण्याचा प्रयत्न करते, म्हणून उदाहरणामध्ये जॅंगो ऍप्लिकेशनमध्ये आपल्याला PostgreSQL (defaultdb и postgres), तसेच सेलेरी, रेडिस. Datadog सोबत काम करण्यासाठी तुम्हाला MVC तत्त्वांचे किमान ज्ञान असणे आवश्यक आहे: वापरकर्त्याच्या विनंत्या साधारणपणे कुठून येतात हे तुम्हाला समजणे आवश्यक आहे. हे सहसा मदत करते सेवा नकाशा:

तसे, नवीन अवशेषमध्ये असेच काहीतरी आहे:

... आणि त्यांचा नकाशा, माझ्या मते, अधिक सोपा आणि स्पष्ट केला आहे: ते एका अनुप्रयोगाचे घटक प्रदर्शित करत नाही (जे डेटाडॉगच्या बाबतीत ते अधिक तपशीलवार बनवेल), परंतु केवळ विशिष्ट सेवा किंवा मायक्रोसर्व्हिसेस.

चला डेटाडॉग वर परत येऊ: सर्व्हिस मॅपवरून आपण पाहू शकतो की वापरकर्त्याच्या विनंत्या जॅंगोकडे येतात. चला Django सेवेवर जाऊ आणि शेवटी आम्हाला काय अपेक्षित आहे ते पाहू:

दुर्दैवाने, येथे डीफॉल्टनुसार कोणताही आलेख नाही वेब व्यवहार वेळ, आम्ही मुख्य न्यू रेलिक पॅनेलवर पाहतो त्याप्रमाणे. तथापि, ते शेड्यूलच्या जागी कॉन्फिगर केले जाऊ शकते % वेळ घालवला. त्यावर स्विच करणे पुरेसे आहे प्रकारानुसार प्रति विनंती सरासरी वेळ...आणि आता ओळखीचा आलेख आमच्याकडे बघतोय!

डेटाडॉगने वेगळा चार्ट का निवडला हे आमच्यासाठी एक रहस्य आहे. आणखी एक निराशाजनक गोष्ट म्हणजे सिस्टम वापरकर्त्याची निवड लक्षात ठेवत नाही (दोन्ही स्पर्धकांच्या विपरीत), आणि म्हणूनच सानुकूल पॅनेल तयार करणे हा एकमेव उपाय आहे.

परंतु डेटाडॉगमधील या आलेखांमधून संबंधित सर्व्हरच्या मेट्रिक्सवर स्विच करण्याची, लॉग वाचण्याची आणि वेब सर्व्हर हँडलर्स (गुनिकॉर्न) वरील लोडचे मूल्यांकन करण्याची क्षमता पाहून मला आनंद झाला. सर्व काही जवळजवळ न्यू रेलिक प्रमाणेच आहे... आणि आणखी थोडे (लॉग)!

आलेखांच्या खाली पूर्णपणे नवीन अवशेष सारखे व्यवहार आहेत:

डेटाडॉगमध्ये, व्यवहार म्हणतात संसाधने. तुम्ही विनंत्यांच्या संख्येनुसार, सरासरी प्रतिसाद वेळेनुसार आणि निवडलेल्या कालावधीसाठी घालवलेल्या कमाल वेळेनुसार नियंत्रकांची क्रमवारी लावू शकता.

आपण संसाधनाचा विस्तार करू शकता आणि नवीन अवशेष मध्ये आम्ही आधीच पाहिलेले सर्व काही पाहू शकता:

संसाधनावरील आकडेवारी, अंतर्गत कॉलची एक सामान्यीकृत सूची आणि प्रतिसाद कोडद्वारे क्रमवारी लावल्या जाऊ शकणार्‍या विनंत्यांची उदाहरणे आहेत... तसे, आमच्या अभियंत्यांना ही क्रमवारी आवडली.

डेटाडॉगमधील कोणतेही उदाहरण संसाधन उघडले जाऊ शकते आणि त्याचा अभ्यास केला जाऊ शकतो:

विनंती पॅरामीटर्स, प्रत्येक घटकावर घालवलेल्या वेळेचा सारांश चार्ट आणि कॉलचा क्रम दर्शविणारा धबधबा चार्ट सादर केला आहे. तुम्ही धबधबा चार्टच्या ट्री व्ह्यूवर देखील स्विच करू शकता:

आणि सर्वात मनोरंजक गोष्ट म्हणजे होस्टचा लोड पाहणे ज्यावर विनंती अंमलात आणली गेली आणि विनंती लॉग पहा.

उत्तम एकीकरण!

तुम्हाला आश्चर्य वाटेल की टॅब कुठे आहेत डेटाबेस и बाह्य सेवा, न्यू रेलिक प्रमाणे. येथे काहीही नाही: डेटाडॉग अनुप्रयोगास घटकांमध्ये विघटित करत असल्याने, PostgreSQL विचारात घेतला जाईल एक वेगळी सेवा, आणि बाह्य सेवांऐवजी ते शोधण्यासारखे आहे aws.storage (अ‍ॅप्लिकेशन प्रवेश करू शकणार्‍या प्रत्येक बाह्य सेवेसाठी ते समान असेल).

येथे एक उदाहरण आहे postgres:

मूलत: आम्हाला हवे असलेले सर्वकाही आहे:

विनंती कोणत्या "सेवेतून" आली ते तुम्ही पाहू शकता.

तुम्हाला हे स्मरण करून देणे चुकीचे ठरणार नाही की Datadog NGINX Ingress सह उत्तम प्रकारे समाकलित होते आणि क्लस्टरमध्ये विनंती आल्यापासून तुम्हाला एंड-टू-एंड ट्रेसिंग करण्यास अनुमती देते आणि तुम्हाला statsd मेट्रिक्स प्राप्त करण्यास, लॉग गोळा करण्यास आणि होस्ट मेट्रिक्स घेण्यास अनुमती देते. .

डेटाडॉगचा एक मोठा फायदा म्हणजे त्याची किंमत विकसित होते इन्फ्रास्ट्रक्चर मॉनिटरिंग, एपीएम, लॉग मॅनेजमेंट आणि सिंथेटिक्स चाचणी, उदा. तुम्ही तुमची योजना लवचिकपणे निवडू शकता.

2.अॅटस

Atatus संघाचा दावा आहे की त्यांची सेवा "नवीन अवशेष सारखीच आहे, परंतु चांगली आहे." हे खरोखर असे आहे का ते पाहूया.

मुख्य पॅनेल सारखे दिसते, परंतु अनुप्रयोगामध्ये वापरलेले Redis आणि memcached निर्धारित करणे शक्य नव्हते.

APM सर्व व्यवहार डीफॉल्टनुसार निवडते, जरी सामान्यतः फक्त वेब व्यवहारांची आवश्यकता असते. Datadog प्रमाणे, मुख्य पॅनेलमधून इच्छित सेवेकडे नेव्हिगेट करण्याचा कोणताही मार्ग नाही. शिवाय, व्यवहार त्रुटींनंतर सूचीबद्ध केले जातात, जे APM साठी फारसे तर्कसंगत वाटत नाही.

Atatus व्यवहारांमध्ये, सर्वकाही शक्य तितके न्यू रेलिकसारखे आहे. नकारात्मक बाजू अशी आहे की प्रत्येक नियंत्रकाची गतिशीलता त्वरित दृश्यमान नसते. तुम्हाला ते कंट्रोलर टेबलमध्ये शोधावे लागेल, त्यानुसार क्रमवारी लावा सर्वाधिक वेळ वापरला जातो:

नियंत्रकांची नेहमीची यादी टॅबमध्ये उपलब्ध आहे अन्वेषण:

काही मार्गांनी, हे टेबल डेटाडॉगची आठवण करून देणारे आहे आणि मला ते न्यू रेलिकमधील तत्सम एकापेक्षा चांगले आवडते.

तुम्ही प्रत्येक व्यवहाराचा विस्तार करू शकता आणि अनुप्रयोग काय करत होता ते पाहू शकता:

पॅनेल देखील डेटाडॉगची आठवण करून देणारे आहे: अनेक विनंत्या आहेत, कॉलचे सामान्य चित्र आहे. शीर्ष पॅनेल त्रुटी टॅब प्रदान करते HTTP अयशस्वी आणि हळू प्रश्नांची उदाहरणे सत्र ट्रेस:

तुम्ही एखाद्या व्यवहारावर गेल्यास, तुम्ही ट्रेसचे उदाहरण पाहू शकता, तुम्ही डेटाबेसला विनंतीची सूची मिळवू शकता आणि विनंती शीर्षलेख पाहू शकता. सर्व काही नवीन अवशेष सारखे आहे:

सर्वसाधारणपणे, अताटस तपशीलवार ट्रेससह खूश झाले - स्मरणपत्र ब्लॉकमध्ये कॉलचे ठराविक नवीन अवशेष न चिकटवता:

तथापि, यात फिल्टरचा अभाव आहे जो (नवीन रेलिक प्रमाणे) अल्ट्रा-फास्ट विनंत्या (<5ms) कापून टाकेल. दुसरीकडे, मला अंतिम व्यवहार प्रतिसादाचे प्रदर्शन (यश किंवा त्रुटी) आवडले.

पॅनल डेटाबेस अनुप्रयोगाने केलेल्या बाह्य डेटाबेसच्या विनंत्यांचा अभ्यास करण्यात मदत करेल. मी तुम्हाला आठवण करून देतो की Atatus ला फक्त PostgreSQL आणि MySQL सापडले, जरी Redis आणि memcached देखील प्रकल्पात सामील आहेत.

विनंत्या नेहमीच्या निकषांनुसार क्रमवारी लावल्या जातात: प्रतिसाद वारंवारता, सरासरी प्रतिसाद वेळ आणि असेच. मला सर्वात हळू असलेल्या टॅबचा उल्लेख देखील करायचा आहे - ते खूप सोयीचे आहे. शिवाय, PostgreSQL साठी या टॅबमधील डेटा विस्तारातील डेटाशी एकरूप आहे pg_stat_statements - उत्कृष्ट परिणाम!

टॅब बाह्य विनंत्या डेटाबेसशी पूर्णपणे एकसारखे.

निष्कर्ष

दोन्ही सादर केलेल्या साधनांनी एपीएमच्या भूमिकेत चांगली कामगिरी केली. त्यापैकी कोणीही आवश्यक किमान ऑफर करू शकतो. आमच्या छापांचा थोडक्यात सारांश खालीलप्रमाणे दिला जाऊ शकतो:

डेटाडोग

साधक:

• सोयीस्कर टॅरिफ शेड्यूल (APM ची किंमत प्रति होस्ट 31 USD आहे);
• पायथनसह चांगले काम केले;
• OpenTracing सह एकत्रीकरणाची शक्यता
• Kubernetes सह एकत्रीकरण;
• NGINX Ingress सह एकत्रीकरण.

बाधक

• एकमेव APM ज्यामुळे मॉड्युल त्रुटी (predis) मुळे अनुप्रयोग अनुपलब्ध झाला;
• कमकुवत PHP स्वयं-इंस्ट्रुमेंटेशन;
• सेवांची अंशतः विचित्र व्याख्या आणि त्यांचा उद्देश.

अतास

साधक:

• खोल PHP इन्स्ट्रुमेंटेशन;
• वापरकर्ता इंटरफेस New Relic सारखाच.

बाधक

• जुन्या ऑपरेटिंग सिस्टमवर काम करत नाही (उबंटू 12.05, सेंटोस 5);
• कमकुवत स्वयं-इंस्ट्रुमेंटेशन;
• फक्त दोन भाषांसाठी समर्थन (Node.js आणि PHP);
• हळू इंटरफेस.

Atatus ची दरमहा 69 USD प्रति सर्व्हरची किंमत लक्षात घेता, आम्ही डेटाडॉग वापरू, जे आमच्या गरजा (K8s मधील वेब ऍप्लिकेशन्स) उत्तम प्रकारे एकत्रित करते आणि अनेक उपयुक्त वैशिष्ट्ये आहेत.

PS

आमच्या ब्लॉगवर देखील वाचा:

• «Kubernetes वर चालणार्‍या ऍप्लिकेशन्सच्या विकसकांसाठी साधने";
• «कुबर्नेट्स पॉड्समध्ये डीबगिंगसाठी kubectl-debug प्लगइन";
• «मायक्रोसर्व्हिसेस: तुमच्याकडे कुबर्नेट्स असले तरीही आकार महत्त्वाचा».

स्त्रोत: www.habr.com