Monitorowanie postgresu w Openshift

Dzień dobry mieszkańcy Habr!

Dzisiaj chcę Wam opowiedzieć, jak naprawdę chcieliśmy monitorować Postgres i kilka innych podmiotów w klastrze OpenShift i jak to zrobiliśmy.

Na wejściu mieli:

• Otwiera się
• Ster
• Prometheus

Aby pracować z aplikacją Java, wszystko było dość proste i przejrzyste, a ściślej:

1) Dodanie do build.gradle

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

2) Uruchom Prometheusa z konfiguracją

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

3) Dodanie wyświetlacza do Grafany

Wszystko było dość proste i prozaiczne, aż przyszedł moment monitorowania baz, które znajdują się w pobliżu naszej przestrzeni nazw (tak, to jest złe, nikt tego nie robi, ale różne rzeczy się dzieją).

Jak to działa?

Oprócz poda z postgresem i samym prometheusem potrzebujemy jeszcze jednego podmiotu - eksportera.

Eksporter w abstrakcyjnym ujęciu to agent zbierający metryki z aplikacji lub nawet serwera. Dla eksportera postgres jest on napisany w Go, działa na zasadzie uruchamiania skryptów SQL wewnątrz bazy danych, a następnie Prometheus pobiera uzyskane wyniki. Pozwala to również na rozszerzenie zebranych metryk poprzez dodanie własnych.

Wdróżmy to w ten sposób (przykład Deployment.yaml, niewiążący):

---
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

Wymagało to również usługi i strumienia obrazów

Po wdrożeniu naprawdę chcemy, żeby wszyscy się widzieli.

Dodaj następujący element do konfiguracji Prometheusa:

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

I wtedy wszystko zadziałało, pozostało tylko dodać to wszystko do grafany i cieszyć się efektem.

Oprócz możliwości dodawania własnych zapytań, możesz zmieniać ustawienia w Prometheusie, zbierając bardziej ukierunkowane metryki.

Zrobiono to w podobny sposób dla:

• Kafka
• Elasticsearch
• Mongo

PS Wszystkie dane o nazwach, portach i reszcie są pobierane z powietrza i nie zawierają żadnych informacji.

Przydatne linki:
Lista różnych eksporterów

Źródło: www.habr.com