थानोस - स्केलेबल प्रोमिथियस

लेखाचा अनुवाद विशेषतः अभ्यासक्रमाच्या विद्यार्थ्यांसाठी तयार केला होता "DevOps सराव आणि साधने".

फॅबियन रेनर्ट्झ सॉफ्टवेअर डेव्हलपर, गो फॅनॅटिक आणि समस्या सोडवणारा आहे. तो प्रोमिथियस मेंटेनर आणि कुबर्नेट्स एसआयजी इन्स्ट्रुमेंटेशनचा सह-संस्थापक देखील आहे. भूतकाळात, तो साउंडक्लाउडमध्ये उत्पादन अभियंता होता आणि CoreOS मधील मॉनिटरिंग टीमचे नेतृत्व करत होता. सध्या Google वर काम करते.

बार्टेक प्लॉटका - इंप्रोबॅबल येथे पायाभूत सुविधा अभियंता. त्याला नवीन तंत्रज्ञान आणि वितरण प्रणालीच्या समस्यांमध्ये रस आहे. त्याला इंटेलमध्ये निम्न-स्तरीय प्रोग्रामिंगचा अनुभव आहे, मेसोसमध्ये योगदानकर्त्याचा अनुभव आहे आणि इम्प्रोबेबल येथे जागतिक दर्जाचा SRE उत्पादन अनुभव आहे. मायक्रो सर्व्हिसेसचे जग सुधारण्यासाठी समर्पित. गोलांग, ओपन सोर्स आणि व्हॉलीबॉल हे त्याचे तीन आवडते.

आमचे फ्लॅगशिप उत्पादन SpatialOS बघून, तुम्ही अंदाज लावू शकता की इम्प्रोबेबलला डझनभर कुबर्नेट्स क्लस्टर्ससह उच्च गतिमान, जागतिक स्तरावरील क्लाउड इन्फ्रास्ट्रक्चरची आवश्यकता आहे. आम्ही मॉनिटरिंग सिस्टम वापरणाऱ्यांपैकी पहिले होतो Prometheus. Prometheus रिअल टाइममध्ये लाखो मेट्रिक्सचा मागोवा घेण्यास सक्षम आहे आणि एक शक्तिशाली क्वेरी भाषेसह येतो जी आपल्याला आवश्यक असलेली माहिती काढू देते.

प्रोमिथियसची साधेपणा आणि विश्वासार्हता हा त्याच्या मुख्य फायद्यांपैकी एक आहे. तथापि, एकदा आम्ही एका विशिष्ट स्केलवर पोहोचलो की, आम्हाला अनेक कमतरतांचा सामना करावा लागला. या समस्यांचे निराकरण करण्यासाठी आम्ही विकसित केले आहे थानोस विद्यमान प्रोमिथियस क्लस्टर्सना अमर्यादित ऐतिहासिक डेटा स्टोरेजसह एकाच मॉनिटरिंग सिस्टममध्ये अखंडपणे रूपांतरित करण्यासाठी Improbable द्वारे तयार केलेला एक मुक्त स्त्रोत प्रकल्प आहे. थॅनोस गिथबवर उपलब्ध आहे येथे.

Improbable च्या ताज्या बातम्यांसह अद्ययावत रहा.

Thanos सह आमचे ध्येय

एका विशिष्ट प्रमाणात, समस्या उद्भवतात ज्या व्हॅनिला प्रोमिथियसच्या क्षमतेच्या पलीकडे असतात. ऐतिहासिक डेटाचे पेटाबाइट्स विश्वसनीय आणि आर्थिकदृष्ट्या कसे संग्रहित करावे? प्रतिसाद वेळेत तडजोड न करता हे करता येईल का? एकाच API विनंतीसह भिन्न प्रोमिथियस सर्व्हरवर असलेल्या सर्व मेट्रिक्समध्ये प्रवेश करणे शक्य आहे का? Prometheus HA वापरून संकलित केलेला प्रतिकृती डेटा एकत्र करण्याचा कोणताही मार्ग आहे का?

या समस्यांचे निराकरण करण्यासाठी, आम्ही थानोस तयार केले. आम्ही या समस्यांकडे कसे पोहोचलो आणि आमची उद्दिष्टे कशी स्पष्ट केली याचे पुढील विभाग वर्णन करतात.

एकाधिक प्रोमिथियस उदाहरणांमधून डेटा क्वेरी करणे (जागतिक क्वेरी)

प्रोमिथियस शार्डिंगसाठी कार्यात्मक दृष्टीकोन देते. अगदी एकल प्रोमिथियस सर्व्हर देखील वापरकर्त्यांना क्षैतिज शार्डिंगच्या गुंतागुंतीपासून मुक्त करण्यासाठी पुरेशी स्केलेबिलिटी प्रदान करतो.

हे एक उत्तम उपयोजन मॉडेल असताना, अनेकदा एकाच API किंवा UI - जागतिक दृश्याद्वारे वेगवेगळ्या प्रोमिथियस सर्व्हरवरील डेटामध्ये प्रवेश करणे आवश्यक असते. अर्थात, एका Grafana पॅनेलमध्ये एकाधिक क्वेरी प्रदर्शित करणे शक्य आहे, परंतु प्रत्येक क्वेरी केवळ एका Prometheus सर्व्हरवर कार्यान्वित केली जाऊ शकते. दुसरीकडे, थानोससह तुम्ही एकाधिक प्रोमिथियस सर्व्हरवरून डेटा क्वेरी करू शकता आणि एकत्रित करू शकता कारण ते सर्व एकाच एंडपॉईंटवरून प्रवेशयोग्य आहेत.

पूर्वी, अशक्य मध्ये जागतिक दृश्य मिळविण्यासाठी, आम्ही आमच्या प्रोमिथियस उदाहरणे बहु-स्तरीय मध्ये आयोजित केली श्रेणीबद्ध फेडरेशन. याचा अर्थ एक प्रोमिथियस मेटा सर्व्हर तयार करणे जो प्रत्येक लीफ सर्व्हरवरून काही मेट्रिक्स गोळा करतो.

हा दृष्टिकोन समस्याप्रधान ठरला. यामुळे अधिक क्लिष्ट कॉन्फिगरेशन, अपयशाच्या अतिरिक्त संभाव्य बिंदूची भर पडली आहे आणि संघटित एंडपॉईंटला फक्त आवश्यक डेटा प्राप्त होईल याची खात्री करण्यासाठी जटिल नियमांचा वापर झाला आहे. याव्यतिरिक्त, या प्रकारचे फेडरेशन तुम्हाला खरे जागतिक दृश्य मिळविण्याची परवानगी देत ​​नाही, कारण एकाच API विनंतीवरून सर्व डेटा उपलब्ध नाही.

उच्च-उपलब्धता (HA) प्रोमिथियस सर्व्हरवर गोळा केलेल्या डेटाचे एकत्रित दृश्य याच्याशी जवळून संबंधित आहे. प्रोमिथियसचे HA मॉडेल स्वतंत्रपणे दोनदा डेटा संकलित करते, जे इतके सोपे आहे की ते सोपे असू शकत नाही. तथापि, दोन्ही प्रवाहांचे एकत्रित आणि डुप्लिकेट केलेले दृश्य वापरणे अधिक सोयीचे असेल.

अर्थात, अत्यंत उपलब्ध प्रोमिथियस सर्व्हरची आवश्यकता आहे. Improbable वर, आम्ही मिनिट-दर-मिनिट डेटा मॉनिटरिंग खरोखरच गांभीर्याने घेतो, परंतु प्रत्येक क्लस्टरमध्ये एक प्रोमिथियस उदाहरण असणे हे अपयशाचा एकच मुद्दा आहे. कोणतीही कॉन्फिगरेशन त्रुटी किंवा हार्डवेअर अयशस्वी झाल्यामुळे संभाव्य डेटा गमावला जाऊ शकतो. अगदी साध्या उपयोजनामुळे मेट्रिक्स कलेक्शनमध्ये किरकोळ व्यत्यय येऊ शकतो कारण रीस्टार्ट स्क्रॅपिंग मध्यांतरापेक्षा लक्षणीय असू शकते.

ऐतिहासिक डेटाचे विश्वसनीय संचयन

स्वस्त, जलद, दीर्घकालीन मेट्रिक्स स्टोरेज हे आमचे स्वप्न आहे (बहुतेक Prometheus वापरकर्त्यांनी शेअर केलेले). असंभव मध्ये, आम्हाला मेट्रिक्स धारणा कालावधी नऊ दिवसांपर्यंत कॉन्फिगर करण्यास भाग पाडले गेले (प्रोमेथियस 1.8 साठी). हे आपण किती मागे पाहू शकतो याला स्पष्ट मर्यादा जोडते.

या संदर्भात प्रोमिथियस 2.0 मध्ये सुधारणा झाली आहे, कारण वेळ मालिकेची संख्या यापुढे सर्व्हरच्या एकूण कार्यक्षमतेवर परिणाम करत नाही (पहा. प्रोमिथियस 2 बद्दल कुबेकॉन मुख्य सूचना). तथापि, प्रोमिथियस स्थानिक डिस्कवर डेटा संग्रहित करतो. जरी उच्च-कार्यक्षमता डेटा कॉम्प्रेशन स्थानिक SSD वापर लक्षणीयरीत्या कमी करू शकते, तरीही संग्रहित केल्या जाऊ शकणाऱ्या ऐतिहासिक डेटाची मर्यादा आहे.

याव्यतिरिक्त, Improbable वर आम्ही विश्वासार्हता, साधेपणा आणि खर्चाची काळजी घेतो. मोठ्या स्थानिक डिस्क ऑपरेट करणे आणि बॅकअप घेणे अधिक कठीण आहे. त्यांची किंमत जास्त आहे आणि अधिक बॅकअप साधने आवश्यक आहेत, परिणामी अनावश्यक जटिलता येते.

डाउनसॅम्पलिंग

एकदा आम्ही ऐतिहासिक डेटासह काम सुरू केल्यावर, आम्हाला लक्षात आले की big-O च्या मूलभूत अडचणी आहेत ज्यामुळे आम्ही आठवडे, महिने आणि वर्षांच्या डेटासह कार्य करत असताना क्वेरी हळू आणि हळू करतात.

या समस्येचे मानक समाधान असेल डाउनसॅम्पलिंग (डाउनसॅम्पलिंग) - सिग्नल सॅम्पलिंग वारंवारता कमी करणे. डाउनसॅम्पलिंगसह, आम्ही मोठ्या कालावधीसाठी "स्केल डाऊन" करू शकतो आणि प्रश्नांना प्रतिसाद देत समान नमुने राखू शकतो.

जुन्या डेटाचे नमुने काढणे ही कोणत्याही दीर्घकालीन स्टोरेज सोल्यूशनची अपरिहार्य आवश्यकता आहे आणि ती व्हॅनिला प्रोमिथियसच्या कार्यक्षेत्राबाहेर आहे.

अतिरिक्त लक्ष्ये

थानोस प्रकल्पाच्या मूळ उद्दिष्टांपैकी एक म्हणजे कोणत्याही विद्यमान प्रोमिथियस स्थापनेशी अखंडपणे समाकलित करणे. दुसरे ध्येय म्हणजे प्रवेशासाठी कमीत कमी अडथळ्यांसह ऑपरेशन सुलभ करणे. लहान आणि मोठ्या दोन्ही वापरकर्त्यांसाठी कोणतेही अवलंबित्व सहज समाधानी असले पाहिजे, ज्याचा अर्थ कमी मूळ किंमत देखील आहे.

थानोस आर्किटेक्चर

मागील विभागात आमची उद्दिष्टे सूचीबद्ध केल्यानंतर, चला त्याद्वारे कार्य करूया आणि थानोस या समस्या कशा सोडवतात ते पाहू.

जागतिक दृश्य

विद्यमान प्रोमिथियस उदाहरणांच्या शीर्षस्थानी जागतिक दृश्य मिळविण्यासाठी, आम्हाला सर्व सर्व्हरशी एकल विनंती एंट्री पॉइंट लिंक करणे आवश्यक आहे. थानोस घटक नेमके हेच करतो. साइडकार. हे प्रत्येक प्रोमिथियस सर्व्हरच्या शेजारी तैनात केले जाते आणि प्रॉक्सी म्हणून कार्य करते, जीआरपीसी स्टोअर API द्वारे स्थानिक प्रोमिथियस डेटा प्रदान करते, टॅग आणि वेळ श्रेणीद्वारे वेळ मालिका डेटा पुनर्प्राप्त करण्यास अनुमती देते.

दुसऱ्या बाजूला स्केल-आउट, स्टेटलेस क्वेरियर घटक आहे, जो मानक Prometheus HTTP API द्वारे PromQL प्रश्नांची उत्तरे देण्यापेक्षा थोडे अधिक करतो. Querier, Sidecar आणि इतर Thanos घटक द्वारे संवाद साधतात गपशप प्रोटोकॉल.

1. Querier, विनंती प्राप्त झाल्यावर, संबंधित Store API सर्व्हरशी, म्हणजेच आमच्या Sidecars शी कनेक्ट होते आणि संबंधित Prometheus सर्व्हरकडून वेळ मालिका डेटा प्राप्त करते.
2. त्यानंतर, ते प्रतिसाद एकत्र करते आणि त्यांच्यावर एक PromQL क्वेरी कार्यान्वित करते. Querier Prometheus HA सर्व्हरमधील डेटा आणि डुप्लिकेट डेटा दोन्ही एकत्र करू शकतो.

हे आमच्या कोडेचा एक मोठा भाग सोडवते - वेगळ्या प्रोमिथियस सर्व्हरवरील डेटा एकाच दृश्यात एकत्र करणे. खरं तर, Thanos फक्त या वैशिष्ट्यासाठी वापरले जाऊ शकते. विद्यमान प्रोमिथियस सर्व्हरमध्ये कोणतेही बदल करण्याची आवश्यकता नाही!

अमर्यादित शेल्फ लाइफ!

तथापि, लवकरच किंवा नंतर आम्ही सामान्य प्रोमिथियस प्रतिधारण वेळेच्या पलीकडे डेटा संग्रहित करू इच्छितो. ऐतिहासिक डेटा संग्रहित करण्यासाठी आम्ही ऑब्जेक्ट स्टोरेज निवडले. हे कोणत्याही क्लाउडमध्ये तसेच ऑन-प्रिमाइसेस डेटा सेंटरमध्ये मोठ्या प्रमाणावर उपलब्ध आहे आणि ते खूप किफायतशीर आहे. याव्यतिरिक्त, सुप्रसिद्ध S3 API द्वारे जवळजवळ कोणतीही ऑब्जेक्ट स्टोरेज उपलब्ध आहे.

प्रोमिथियस RAM वरून डिस्कवर अंदाजे दर दोन तासांनी डेटा लिहितो. संग्रहित डेटा ब्लॉकमध्ये निश्चित कालावधीसाठी सर्व डेटा असतो आणि तो अपरिवर्तनीय असतो. हे अतिशय सोयीचे आहे कारण थॅनोस साइडकार फक्त प्रोमिथियस डेटा डिरेक्टरी पाहू शकते आणि जसे नवीन ब्लॉक्स उपलब्ध होतील तसे ते ऑब्जेक्ट स्टोरेज बकेटमध्ये लोड करू शकतात.

डिस्कवर लिहिल्यानंतर ताबडतोब ऑब्जेक्ट स्टोरेजमध्ये लोड केल्याने तुम्हाला स्क्रॅपरची साधेपणा (प्रोमेथियस आणि थानोस साइडकार) राखता येते. जे समर्थन, खर्च आणि सिस्टम डिझाइन सुलभ करते.

जसे आपण पाहू शकता, डेटा बॅकअप खूप सोपे आहे. पण ऑब्जेक्ट स्टोरेजमधील डेटाची चौकशी करण्याबद्दल काय?

थॅनोस स्टोअर घटक ऑब्जेक्ट स्टोरेजमधून डेटा पुनर्प्राप्त करण्यासाठी प्रॉक्सी म्हणून कार्य करतो. Thanos Sidecar प्रमाणे, ते गॉसिप क्लस्टरमध्ये भाग घेते आणि Store API लागू करते. अशा प्रकारे, विद्यमान Querier वेळ मालिकेतील डेटाचा आणखी एक स्रोत म्हणून, Sidecar प्रमाणे वागू शकतो - विशेष कॉन्फिगरेशनची आवश्यकता नाही.

टाइम सीरीज डेटा ब्लॉक्समध्ये अनेक मोठ्या फाइल्स असतात. त्यांना मागणीनुसार लोड करणे खूपच अकार्यक्षम असेल आणि त्यांना स्थानिकरित्या कॅश करण्यासाठी मोठ्या प्रमाणात मेमरी आणि डिस्क स्पेसची आवश्यकता असेल.

त्याऐवजी, प्रोमिथियस स्टोरेज फॉरमॅट कसे हाताळायचे हे स्टोअर गेटवेला माहीत आहे. स्मार्ट क्वेरी शेड्यूलर आणि ब्लॉक्सचे फक्त आवश्यक निर्देशांक भाग कॅश केल्यामुळे धन्यवाद, ऑब्जेक्ट स्टोरेज फाइल्ससाठी HTTP विनंत्या किमान संख्येपर्यंत जटिल क्वेरी कमी करणे शक्य आहे. अशाप्रकारे, तुम्ही विनंत्यांची संख्या चार ते सहा ऑर्डरच्या परिमाणाने कमी करू शकता आणि प्रतिसाद वेळा साध्य करू शकता जे सामान्यतः स्थानिक SSD वरील डेटामधील विनंत्यांपासून वेगळे करणे कठीण आहे.

वरील आकृतीमध्ये दर्शविल्याप्रमाणे, थॅनोस क्वेरियर प्रोमिथियस स्टोरेज फॉरमॅटचा फायदा घेऊन आणि संबंधित डेटा शेजारी ठेवून ऑब्जेक्ट स्टोरेज डेटाच्या प्रति क्वेरी खर्चात लक्षणीय घट करते. हा दृष्टिकोन वापरून, आम्ही अनेक एकल विनंत्या कमीत कमी मोठ्या प्रमाणात ऑपरेशन्समध्ये एकत्र करू शकतो.

कॉम्पॅक्शन आणि डाउनसॅम्पलिंग

एकदा का टाइम सीरीज डेटाचा नवीन ब्लॉक ऑब्जेक्ट स्टोरेजमध्ये यशस्वीरित्या लोड झाला की, आम्ही त्याला “ऐतिहासिक” डेटा मानतो, जो स्टोअर गेटवेद्वारे त्वरित उपलब्ध होतो.

तथापि, काही काळानंतर, एका स्त्रोतावरील ब्लॉक्स (साइडकारसह प्रोमिथियस) जमा होतात आणि यापुढे पूर्ण अनुक्रमणिक क्षमता वापरत नाहीत. या समस्येचे निराकरण करण्यासाठी, आम्ही कॉम्पॅक्टर नावाचा दुसरा घटक सादर केला. हे फक्त प्रोमिथियसचे स्थानिक कॉम्पॅक्शन इंजिन ऑब्जेक्ट स्टोरेजमधील ऐतिहासिक डेटावर लागू करते आणि सामान्य नियतकालिक बॅच जॉब म्हणून चालवले जाऊ शकते.

कार्यक्षम कॉम्प्रेशनबद्दल धन्यवाद, दीर्घ कालावधीसाठी स्टोरेजची चौकशी केल्याने डेटा आकाराच्या बाबतीत समस्या उद्भवत नाही. तथापि, एक अब्ज मूल्ये अनपॅक करणे आणि त्यांना क्वेरी प्रोसेसरद्वारे चालविण्याच्या संभाव्य खर्चाचा परिणाम अपरिहार्यपणे क्वेरी अंमलबजावणी वेळेत नाट्यमय वाढ होईल. दुसरीकडे, स्क्रीनवर प्रति पिक्सेल शेकडो डेटा पॉइंट्स असल्याने, पूर्ण रिझोल्यूशनमध्ये डेटाची कल्पना करणे देखील अशक्य होते. अशा प्रकारे, डाऊनसॅम्पलिंग केवळ शक्य नाही, परंतु अचूकतेचे लक्षणीय नुकसान देखील होणार नाही.

डेटाचे नमुने कमी करण्यासाठी, कॉम्पॅक्टर पाच मिनिटे आणि एक तासाच्या रिझोल्यूशनवर डेटा सतत एकत्रित करतो. TSDB XOR कॉम्प्रेशन वापरून एन्कोड केलेल्या प्रत्येक कच्च्या भागासाठी, एका ब्लॉकसाठी किमान, कमाल किंवा बेरीज यासारखे विविध प्रकारचे एकूण डेटा संग्रहित केला जातो. हे Querier ला दिलेल्या PromQL क्वेरीसाठी योग्य असलेली एकुण आपोआप निवडू देते.

वापरकर्त्याला कमी अचूक डेटा वापरण्यासाठी कोणत्याही विशेष कॉन्फिगरेशनची आवश्यकता नाही. वापरकर्ता झूम इन आणि आउट करत असताना क्वेरियर आपोआप भिन्न रिझोल्यूशन आणि रॉ डेटा दरम्यान स्विच करते. इच्छित असल्यास, वापरकर्ता विनंतीमधील "स्टेप" पॅरामीटरद्वारे हे थेट नियंत्रित करू शकतो.

एक जीबी साठवण्याची किंमत कमी असल्याने, बाय डिफॉल्ट थानोस कच्चा डेटा, पाच मिनिटांचा आणि एक तासाचा रिझोल्यूशन डेटा संग्रहित करते. मूळ डेटा हटवण्याची गरज नाही.

रेकॉर्डिंग नियम

थॅनोससह, रेकॉर्डिंग नियम हे मॉनिटरिंग स्टॅकचा एक आवश्यक भाग आहेत. ते जटिलता, विलंबता आणि प्रश्नांची किंमत कमी करतात. ते वापरकर्त्यांसाठी मेट्रिक्सद्वारे एकत्रित डेटा प्राप्त करण्यासाठी देखील सोयीस्कर आहेत. थॅनोस व्हॅनिला प्रोमिथियस उदाहरणांवर आधारित आहे, म्हणून विद्यमान प्रोमिथियस सर्व्हरवर रेकॉर्डिंग नियम आणि सतर्कता नियम संग्रहित करणे पूर्णपणे स्वीकार्य आहे. तथापि, काही प्रकरणांमध्ये हे पुरेसे नाही:

• ग्लोबल अलर्ट आणि नियम (उदाहरणार्थ, जेव्हा सेवा तीनपैकी दोन पेक्षा जास्त क्लस्टरवर काम करत नाही तेव्हा इशारा).
• स्थानिक स्टोरेजच्या बाहेरील डेटासाठी नियम.
• सर्व नियम आणि सूचना एकाच ठिकाणी संग्रहित करण्याची इच्छा.

या सर्व प्रकरणांसाठी, थॅनोसमध्ये रुलर नावाचा एक वेगळा घटक समाविष्ट आहे, जो थॅनोस क्वेरीद्वारे नियम आणि सतर्कतेची गणना करतो. एक सुप्रसिद्ध StoreAPI प्रदान करून, क्वेरी नोड नवीन गणना केलेल्या मेट्रिक्समध्ये प्रवेश करू शकतो. नंतर ते ऑब्जेक्ट स्टोरेजमध्ये देखील संग्रहित केले जातात आणि स्टोअर गेटवेद्वारे उपलब्ध केले जातात.

थानोसची शक्ती

थॅनोस आपल्या गरजेनुसार सानुकूलित करण्याइतपत लवचिक आहे. साध्या प्रोमिथियसमधून स्थलांतर करताना हे विशेषतः उपयुक्त आहे. थॅनोस घटकांबद्दल आपण जे काही शिकलो ते एका झटपट उदाहरणासह पटकन पाहू. तुमचा व्हॅनिला प्रोमिथियस “अमर्यादित मेट्रिक्स स्टोरेज” च्या जगात कसा घ्यायचा ते येथे आहे:

1. तुमच्या Prometheus सर्व्हरवर Thanos Sidecar जोडा - उदाहरणार्थ, Kubernetes पॉडमध्ये साइडकार कंटेनर.
2. डेटा पाहण्यास सक्षम होण्यासाठी एकाधिक Thanos Querier प्रतिकृती तैनात करा. या टप्प्यावर स्क्रॅपर आणि क्वेरियर दरम्यान गॉसिप सेट करणे सोपे आहे. घटकांचा परस्परसंवाद तपासण्यासाठी, 'thanos_cluster_members' मेट्रिक वापरा.

संभाव्य Prometheus HA प्रतिकृतींमधून जागतिक दृश्य आणि अखंड डेटा डुप्लिकेशन प्रदान करण्यासाठी फक्त हे दोन चरण पुरेसे आहेत! फक्त तुमचे डॅशबोर्ड Querier HTTP एंडपॉइंटशी कनेक्ट करा किंवा थेट Thanos UI वापरा.

तथापि, तुम्हाला मेट्रिक्स बॅकअप आणि दीर्घकालीन स्टोरेजची आवश्यकता असल्यास, तुम्हाला आणखी तीन पायऱ्या पूर्ण कराव्या लागतील:

1. AWS S3 किंवा GCS बकेट तयार करा. या बकेटमध्ये डेटा कॉपी करण्यासाठी साइडकार कॉन्फिगर करा. स्थानिक डेटा स्टोरेज आता कमी केले जाऊ शकते.
2. स्टोअर गेटवे तैनात करा आणि ते तुमच्या विद्यमान गॉसिप क्लस्टरशी कनेक्ट करा. आता तुम्ही बॅकअप घेतलेल्या डेटाची क्वेरी करू शकता!
3. कॉम्पॅक्शन आणि डाउनसॅम्पलिंग वापरून दीर्घ कालावधीत क्वेरी कार्यक्षमता सुधारण्यासाठी कॉम्पॅक्टर तैनात करा.

तुम्हाला अधिक जाणून घ्यायचे असल्यास, आमच्याकडे पहाण्यास अजिबात संकोच करू नका kubernetes प्रकट उदाहरणे и प्रारंभ करत आहे!

केवळ पाच चरणांमध्ये, आम्ही प्रोमिथियसला जागतिक दृश्य, अमर्यादित स्टोरेज वेळ आणि मेट्रिक्सची संभाव्य उच्च उपलब्धता असलेल्या विश्वासार्ह मॉनिटरिंग सिस्टममध्ये बदलले.

पुल विनंती: आम्हाला तुमची गरज आहे!

थानोस सुरुवातीपासूनच एक मुक्त स्रोत प्रकल्प आहे. प्रोमिथियससह अखंड एकीकरण आणि थानोसचा फक्त एक भाग वापरण्याची क्षमता आपल्या मॉनिटरिंग सिस्टमला सहजतेने स्केल करण्यासाठी एक उत्कृष्ट पर्याय बनवते.

आम्ही नेहमी GitHub पुल विनंत्या आणि समस्यांचे स्वागत करतो. यादरम्यान, Github Issues किंवा slack द्वारे आमच्याशी मोकळ्या मनाने संपर्क साधा असंभाव्य-eng #thanosआपल्याकडे प्रश्न किंवा अभिप्राय असल्यास किंवा ते वापरून आपला अनुभव सामायिक करू इच्छित असल्यास! Improbable वर आम्ही जे करतो ते तुम्हाला आवडत असल्यास, आमच्याशी संपर्क साधण्यास अजिबात संकोच करू नका - आमच्याकडे नेहमी रिक्त पदे असतात!

कोर्सबद्दल अधिक जाणून घ्या.

स्त्रोत: www.habr.com