مضمون کا ترجمہ خاص طور پر کورس کے طلباء کے لیے تیار کیا گیا تھا۔ .
ایک سافٹ ویئر ڈویلپر، گو جنونی، اور مسئلہ حل کرنے والا ہے۔ وہ پرومیتھیس مینٹینر اور کبرنیٹ ایس آئی جی انسٹرومینٹیشن کے شریک بانی بھی ہیں۔ ماضی میں، وہ SoundCloud میں پروڈکشن انجینئر تھے اور CoreOS میں مانیٹرنگ ٹیم کی قیادت کرتے تھے۔ فی الحال گوگل میں کام کرتا ہے۔
- ناممکن میں انفراسٹرکچر انجینئر۔ وہ نئی ٹیکنالوجیز اور تقسیم شدہ نظام کے مسائل میں دلچسپی رکھتا ہے۔ اس کے پاس Intel میں پروگرامنگ کا کم سطح کا تجربہ ہے، Mesos میں شراکت دار کا تجربہ ہے، اور Improbable میں SRE پروڈکشن کا عالمی سطح کا تجربہ ہے۔ مائیکرو سروسز کی دنیا کو بہتر بنانے کے لیے وقف ہے۔ اس کی تین محبتیں: گولانگ، اوپن سورس اور والی بال۔
ہمارے فلیگ شپ پروڈکٹ SpatialOS کو دیکھ کر، آپ اندازہ لگا سکتے ہیں کہ Improbable کو درجنوں Kubernetes کلسٹرز کے ساتھ ایک انتہائی متحرک، عالمی سطح کے کلاؤڈ انفراسٹرکچر کی ضرورت ہے۔ ہم نگرانی کا نظام استعمال کرنے والے پہلے لوگوں میں سے تھے۔ . Prometheus حقیقی وقت میں لاکھوں میٹرکس کو ٹریک کرنے کی صلاحیت رکھتا ہے اور ایک طاقتور استفسار کی زبان کے ساتھ آتا ہے جو آپ کو اپنی مطلوبہ معلومات نکالنے کی اجازت دیتا ہے۔
Prometheus کی سادگی اور وشوسنییتا اس کے اہم فوائد میں سے ایک ہے۔ تاہم، ایک بار جب ہم ایک خاص پیمانے سے گزر گئے، تو ہمیں کئی خرابیوں کا سامنا کرنا پڑا۔ ان مسائل کو حل کرنے کے لیے ہم نے ترقی کی ہے۔ ایک اوپن سورس پروجیکٹ ہے جسے Improbable نے بنایا ہے تاکہ موجودہ Prometheus کلسٹرز کو لامحدود تاریخی ڈیٹا اسٹوریج کے ساتھ ایک واحد مانیٹرنگ سسٹم میں تبدیل کیا جا سکے۔ Thanos Github پر دستیاب ہے۔ .
Thanos کے ساتھ ہمارے مقاصد
ایک خاص پیمانے پر، مسائل پیدا ہوتے ہیں جو ونیلا پرومیتھیس کی صلاحیتوں سے باہر ہیں۔ تاریخی ڈیٹا کے پیٹا بائٹس کو قابل اعتماد اور معاشی طور پر کیسے ذخیرہ کیا جائے؟ کیا یہ جوابی وقت پر سمجھوتہ کیے بغیر کیا جا سکتا ہے؟ کیا ایک API کی درخواست کے ساتھ مختلف پرومیتھیس سرورز پر موجود تمام میٹرکس تک رسائی ممکن ہے؟ کیا Prometheus HA کا استعمال کرتے ہوئے جمع کردہ نقل شدہ ڈیٹا کو یکجا کرنے کا کوئی طریقہ ہے؟
ان مسائل کو حل کرنے کے لیے، ہم نے Thanos بنایا۔ مندرجہ ذیل حصے بیان کرتے ہیں کہ ہم نے ان مسائل سے کیسے رجوع کیا اور اپنے مقاصد کی وضاحت کی۔
متعدد Prometheus مثالوں سے ڈیٹا کو استفسار کرنا (عالمی استفسار)
Prometheus شارڈنگ کے لئے ایک فعال نقطہ نظر پیش کرتا ہے. یہاں تک کہ ایک واحد Prometheus سرور بھی تقریباً تمام استعمال کے معاملات میں صارفین کو افقی شارڈنگ کی پیچیدگیوں سے آزاد کرنے کے لیے کافی اسکیل ایبلٹی فراہم کرتا ہے۔
اگرچہ یہ ایک زبردست تعیناتی ماڈل ہے، لیکن اکثر ایک ہی API یا UI کے ذریعے مختلف Prometheus سرورز پر ڈیٹا تک رسائی حاصل کرنا ضروری ہوتا ہے - ایک عالمی منظر۔ بلاشبہ، ایک گرافانا پینل میں متعدد سوالات کو ظاہر کرنا ممکن ہے، لیکن ہر استفسار کو صرف ایک پرومیتھیس سرور پر عمل میں لایا جا سکتا ہے۔ دوسری طرف، Thanos کے ساتھ آپ متعدد Prometheus سرورز سے ڈیٹا کو استفسار اور جمع کر سکتے ہیں کیونکہ وہ سب ایک ہی اینڈ پوائنٹ سے قابل رسائی ہیں۔
اس سے پہلے، ناممکن میں عالمی نقطہ نظر حاصل کرنے کے لیے، ہم نے اپنے پرومیتھیس مثالوں کو کثیر سطح پر ترتیب دیا . اس کا مطلب ایک Prometheus میٹا سرور بنانا تھا جو ہر لیف سرور سے کچھ میٹرکس اکٹھا کرتا ہے۔
یہ نقطہ نظر مسئلہ ثابت ہوا. اس کے نتیجے میں مزید پیچیدہ کنفیگریشنز، ناکامی کے ایک اضافی ممکنہ نقطہ کا اضافہ، اور پیچیدہ اصولوں کا اطلاق اس بات کو یقینی بنانے کے لیے ہوا ہے کہ فیڈریٹڈ اینڈ پوائنٹ کو صرف وہی ڈیٹا ملتا ہے جس کی اسے ضرورت ہے۔ اس کے علاوہ، اس قسم کی فیڈریشن آپ کو حقیقی عالمی منظر حاصل کرنے کی اجازت نہیں دیتی، کیونکہ تمام ڈیٹا ایک API درخواست سے دستیاب نہیں ہوتا ہے۔
اعلی دستیابی (HA) Prometheus سرورز پر جمع کیے گئے ڈیٹا کا اس سے قریبی تعلق ہے۔ Prometheus کا HA ماڈل آزادانہ طور پر دو بار ڈیٹا اکٹھا کرتا ہے، جو اتنا آسان ہے کہ یہ آسان نہیں ہوسکتا۔ تاہم، دونوں اسٹریمز کے مشترکہ اور ڈپلیکیٹڈ ویو کو استعمال کرنا زیادہ آسان ہوگا۔
بلاشبہ، انتہائی دستیاب Prometheus سرورز کی ضرورت ہے۔ Improbable میں، ہم لمحہ بہ لمحہ ڈیٹا کی نگرانی کو واقعی سنجیدگی سے لیتے ہیں، لیکن ہر کلسٹر میں ایک Prometheus مثال کا ہونا ناکامی کا واحد نقطہ ہے۔ کسی بھی ترتیب کی خرابی یا ہارڈویئر کی ناکامی ممکنہ طور پر اہم ڈیٹا کے ضائع ہونے کا باعث بن سکتی ہے۔ یہاں تک کہ ایک سادہ تعیناتی بھی میٹرکس جمع کرنے میں معمولی رکاوٹوں کا سبب بن سکتی ہے کیونکہ دوبارہ شروع ہونا سکریپنگ وقفہ سے کافی لمبا ہو سکتا ہے۔
تاریخی ڈیٹا کا قابل اعتماد ذخیرہ
سستا، تیز، طویل مدتی میٹرکس سٹوریج ہمارا خواب ہے (جس کا اشتراک زیادہ تر Prometheus صارفین نے کیا ہے)۔ Improbable میں، ہمیں میٹرکس برقرار رکھنے کی مدت کو نو دن تک ترتیب دینے پر مجبور کیا گیا (Prometheus 1.8 کے لیے)۔ یہ واضح حدوں کو جوڑتا ہے کہ ہم کتنا پیچھے دیکھ سکتے ہیں۔
اس سلسلے میں Prometheus 2.0 میں بہتری آئی ہے، کیونکہ ٹائم سیریز کی تعداد اب سرور کی مجموعی کارکردگی کو متاثر نہیں کرتی ہے (دیکھیں۔ )۔ تاہم، Prometheus مقامی ڈسک پر ڈیٹا ذخیرہ کرتا ہے. اگرچہ اعلی کارکردگی والے ڈیٹا کمپریشن سے مقامی SSD کے استعمال کو نمایاں طور پر کم کیا جا سکتا ہے، لیکن آخر کار تاریخی ڈیٹا کی مقدار کی ایک حد باقی ہے جسے ذخیرہ کیا جا سکتا ہے۔
مزید برآں، Improbable میں ہم وشوسنییتا، سادگی اور لاگت کا خیال رکھتے ہیں۔ بڑی مقامی ڈسکوں کو چلانے اور بیک اپ کرنا زیادہ مشکل ہوتا ہے۔ ان کی قیمت زیادہ ہے اور زیادہ بیک اپ ٹولز کی ضرورت ہوتی ہے، جس کے نتیجے میں غیر ضروری پیچیدگی پیدا ہوتی ہے۔
ڈاؤن سیمپلنگ
ایک بار جب ہم نے تاریخی ڈیٹا کے ساتھ کام کرنا شروع کیا، تو ہم نے محسوس کیا کہ big-O کے ساتھ بنیادی مشکلات ہیں جو سوالات کو سست اور سست بناتی ہیں کیونکہ ہم ہفتوں، مہینوں اور سالوں کے ڈیٹا کے ساتھ کام کرتے ہیں۔
اس مسئلے کا معیاری حل ہوگا۔ (ڈاؤن سیمپلنگ) - سگنل کے نمونے لینے کی فریکوئنسی کو کم کرنا۔ ڈاون سیمپلنگ کے ساتھ، ہم وقت کی ایک بڑی حد تک "نیچے" کر سکتے ہیں اور سوالات کو جوابدہ رکھتے ہوئے نمونوں کی اتنی ہی تعداد کو برقرار رکھ سکتے ہیں۔
پرانے ڈیٹا کا نمونہ لینا کسی بھی طویل المدتی سٹوریج حل کی ناگزیر ضرورت ہے اور یہ ونیلا پرومیتھیس کے دائرہ کار سے باہر ہے۔
اضافی اہداف
تھانوس پروجیکٹ کے اصل اہداف میں سے ایک یہ تھا کہ کسی بھی موجودہ پرومیتھیس تنصیبات کے ساتھ بغیر کسی رکاوٹ کے ضم کیا جائے۔ دوسرا مقصد داخلے میں کم سے کم رکاوٹوں کے ساتھ آپریشن میں آسانی تھا۔ کسی بھی انحصار کو چھوٹے اور بڑے دونوں صارفین کے لیے آسانی سے مطمئن کیا جانا چاہیے، جس کا مطلب کم بنیادی لاگت بھی ہے۔
تھانوس فن تعمیر
پچھلے حصے میں اپنے اہداف کو درج کرنے کے بعد، آئیے ان پر کام کریں اور دیکھیں کہ Thanos ان مسائل کو کیسے حل کرتا ہے۔
عالمی منظر
موجودہ Prometheus مثالوں کے سب سے اوپر ایک عالمی نقطہ نظر حاصل کرنے کے لئے، ہمیں تمام سرورز سے ایک درخواست کے اندراج پوائنٹ کو لنک کرنے کی ضرورت ہے۔ یہ بالکل وہی ہے جو تھانوس جزو کرتا ہے۔ . یہ ہر Prometheus سرور کے ساتھ لگایا جاتا ہے اور ایک پراکسی کے طور پر کام کرتا ہے، مقامی Prometheus ڈیٹا کو gRPC اسٹور API کے ذریعے پیش کرتا ہے، جس سے ٹائم سیریز کے ڈیٹا کو ٹیگ اور ٹائم رینج کے ذریعے بازیافت کیا جا سکتا ہے۔
دوسری طرف اسکیل آؤٹ، سٹیٹ لیس کوئئیر کا جزو ہے، جو معیاری Prometheus HTTP API کے ذریعے PromQL سوالات کا جواب دینے کے علاوہ کچھ زیادہ کرتا ہے۔ Querier، Sidecar اور دیگر Thanos اجزاء کے ذریعے بات چیت کرتے ہیں۔ .
- Querier، درخواست موصول ہونے پر، متعلقہ سٹور API سرور سے جوڑتا ہے، یعنی ہمارے Sidecars سے اور متعلقہ Prometheus سرورز سے ٹائم سیریز کا ڈیٹا حاصل کرتا ہے۔
- اس کے بعد، یہ جوابات کو یکجا کرتا ہے اور ان پر ایک PromQL استفسار کرتا ہے۔ Querier Prometheus HA سرورز سے الگ الگ ڈیٹا اور ڈپلیکیٹ ڈیٹا دونوں کو ضم کر سکتا ہے۔
یہ ہماری پہیلی کا ایک بڑا حصہ حل کرتا ہے - الگ تھلگ پرومیتھیس سرورز کے ڈیٹا کو ایک ہی منظر میں جوڑ کر۔ درحقیقت، Thanos کو صرف اس خصوصیت کے لیے استعمال کیا جا سکتا ہے۔ موجودہ Prometheus سرورز میں کوئی تبدیلی کرنے کی ضرورت نہیں ہے!
لامحدود شیلف زندگی!
تاہم، جلد یا بدیر ہم ڈیٹا کو عام پرومیتھیس برقرار رکھنے کے وقت سے زیادہ ذخیرہ کرنا چاہیں گے۔ ہم نے تاریخی ڈیٹا کو ذخیرہ کرنے کے لیے آبجیکٹ اسٹوریج کا انتخاب کیا۔ یہ کسی بھی کلاؤڈ کے ساتھ ساتھ آن پریمیسس ڈیٹا سینٹرز میں وسیع پیمانے پر دستیاب ہے اور یہ بہت سستا ہے۔ اس کے علاوہ، تقریباً کوئی بھی آبجیکٹ اسٹوریج معروف S3 API کے ذریعے دستیاب ہے۔
پرومیتھیس تقریباً ہر دو گھنٹے بعد RAM سے ڈسک پر ڈیٹا لکھتا ہے۔ ذخیرہ شدہ ڈیٹا بلاک میں ایک مقررہ مدت کے لیے تمام ڈیٹا ہوتا ہے اور یہ ناقابل تغیر ہے۔ یہ بہت آسان ہے کیونکہ Thanos Sidecar آسانی سے Prometheus ڈیٹا ڈائرکٹری کو دیکھ سکتا ہے اور، جیسے ہی نئے بلاکس دستیاب ہوتے ہیں، انہیں آبجیکٹ اسٹوریج کی بالٹیوں میں لوڈ کر سکتے ہیں۔
ڈسک پر لکھنے کے فوراً بعد آبجیکٹ اسٹوریج میں لوڈ کرنا آپ کو کھرچنے والے (Prometheus اور Thanos Sidecar) کی سادگی کو برقرار رکھنے کی بھی اجازت دیتا ہے۔ جو سپورٹ، لاگت اور سسٹم ڈیزائن کو آسان بناتا ہے۔
جیسا کہ آپ دیکھ سکتے ہیں، ڈیٹا بیک اپ بہت آسان ہے۔ لیکن آبجیکٹ اسٹوریج میں ڈیٹا سے استفسار کرنے کا کیا ہوگا؟
تھانوس اسٹور کا جزو آبجیکٹ اسٹوریج سے ڈیٹا بازیافت کرنے کے لیے پراکسی کے طور پر کام کرتا ہے۔ Thanos Sidecar کی طرح، یہ گپ شپ کلسٹر میں حصہ لیتا ہے اور اسٹور API کو لاگو کرتا ہے۔ اس طرح، موجودہ Querier وقت سیریز کے ڈیٹا کے ایک اور ذریعہ کے طور پر، ایک Sidecar کی طرح اس کا علاج کر سکتا ہے - کسی خاص ترتیب کی ضرورت نہیں ہے۔
ٹائم سیریز ڈیٹا بلاکس کئی بڑی فائلوں پر مشتمل ہوتے ہیں۔ انہیں ڈیمانڈ پر لوڈ کرنا کافی غیر موثر ہوگا، اور انہیں مقامی طور پر کیش کرنے کے لیے بہت زیادہ میموری اور ڈسک کی جگہ درکار ہوگی۔
اس کے بجائے، اسٹور گیٹ وے جانتا ہے کہ پرومیتھیس اسٹوریج فارمیٹ کو کیسے ہینڈل کرنا ہے۔ سمارٹ کوئوری شیڈیولر کی بدولت اور بلاکس کے صرف ضروری انڈیکس حصوں کو کیش کرنے کی بدولت، پیچیدہ سوالات کو کم سے کم HTTP درخواستوں کو آبجیکٹ اسٹوریج فائلوں تک کم کرنا ممکن ہے۔ اس طرح، آپ درخواستوں کی تعداد میں چار سے چھ آرڈرز کی شدت کو کم کر سکتے ہیں اور جوابی اوقات حاصل کر سکتے ہیں جو کہ عام طور پر مقامی SSD پر ڈیٹا کی درخواستوں سے فرق کرنا مشکل ہوتا ہے۔
جیسا کہ اوپر دیے گئے خاکے میں دکھایا گیا ہے، تھانوس کوئئیر نے پرومیتھیس اسٹوریج فارمیٹ کا فائدہ اٹھا کر اور متعلقہ ڈیٹا کو ساتھ رکھ کر آبجیکٹ اسٹوریج ڈیٹا کی فی استفسار لاگت کو نمایاں طور پر کم کیا ہے۔ اس نقطہ نظر کو استعمال کرتے ہوئے، ہم بہت سی واحد درخواستوں کو کم از کم بڑی تعداد میں کارروائیوں میں جوڑ سکتے ہیں۔
کومپیکشن اور ڈاون سیمپلنگ
ایک بار ٹائم سیریز ڈیٹا کا ایک نیا بلاک آبجیکٹ اسٹوریج میں کامیابی کے ساتھ لوڈ ہو جاتا ہے، ہم اسے "تاریخی" ڈیٹا کے طور پر دیکھتے ہیں، جو اسٹور گیٹ وے کے ذریعے فوری طور پر دستیاب ہوتا ہے۔
تاہم، کچھ وقت کے بعد، ایک ذریعہ سے بلاکس (Sidecar کے ساتھ Prometheus) جمع ہو جاتے ہیں اور مکمل اشاریہ سازی کی صلاحیت کو مزید استعمال نہیں کرتے۔ اس مسئلے کو حل کرنے کے لیے، ہم نے کمپیکٹر نامی ایک اور جزو متعارف کرایا۔ یہ صرف پرومیتھیس کے لوکل کمپیکشن انجن کو آبجیکٹ اسٹوریج میں تاریخی ڈیٹا پر لاگو کرتا ہے اور اسے ایک سادہ متواتر بیچ جاب کے طور پر چلایا جا سکتا ہے۔
موثر کمپریشن کی بدولت، طویل عرصے تک سٹوریج کے بارے میں استفسار کرنا ڈیٹا کے سائز کے لحاظ سے کوئی مسئلہ پیدا نہیں کرتا۔ تاہم، ایک ارب ویلیو کو پیک کرنے اور ان کو استفسار پروسیسر کے ذریعے چلانے کی ممکنہ لاگت لامحالہ استفسار پر عمل درآمد کے وقت میں ڈرامائی اضافہ کا باعث بنے گی۔ دوسری طرف، چونکہ اسکرین پر فی پکسل سیکڑوں ڈیٹا پوائنٹس ہیں، اس لیے مکمل ریزولوشن میں ڈیٹا کا تصور کرنا بھی ناممکن ہو جاتا ہے۔ اس طرح، نمونے کی کمی نہ صرف ممکن ہے، بلکہ درستگی کے نمایاں نقصان کا باعث بھی نہیں بنے گی۔
ڈیٹا کو کم کرنے کے لیے، کمپیکٹر پانچ منٹ اور ایک گھنٹے کے ریزولوشن میں ڈیٹا کو مسلسل جمع کرتا ہے۔ TSDB XOR کمپریشن کا استعمال کرتے ہوئے انکوڈ کیے گئے ہر خام حصے کے لیے، مختلف قسم کے مجموعی ڈیٹا کو محفوظ کیا جاتا ہے، جیسے کہ ایک بلاک کے لیے کم از کم، زیادہ سے زیادہ یا رقم۔ یہ Querier کو خود بخود ایک مجموعی منتخب کرنے کی اجازت دیتا ہے جو کہ دیئے گئے PromQL استفسار کے لیے موزوں ہو۔
صارف کو کم صحت سے متعلق ڈیٹا استعمال کرنے کے لیے کسی خاص ترتیب کی ضرورت نہیں ہے۔ Querier خود بخود مختلف ریزولوشنز اور خام ڈیٹا کے درمیان سوئچ کرتا ہے جیسے ہی صارف زوم ان اور آؤٹ کرتا ہے۔ اگر چاہیں تو، صارف اسے براہ راست درخواست میں "اسٹیپ" پیرامیٹر کے ذریعے کنٹرول کر سکتا ہے۔
چونکہ ایک جی بی کو ذخیرہ کرنے کی لاگت کم ہے، اس لیے ڈیفالٹ تھانوس خام ڈیٹا، پانچ منٹ اور ایک گھنٹے کا ریزولوشن ڈیٹا اسٹور کرتا ہے۔ اصل ڈیٹا کو حذف کرنے کی ضرورت نہیں ہے۔
ریکارڈنگ کے قوانین
Thanos کے ساتھ بھی، ریکارڈنگ کے قوانین مانیٹرنگ اسٹیک کا ایک لازمی حصہ ہیں۔ وہ پیچیدگی، تاخیر، اور سوالات کی لاگت کو کم کرتے ہیں۔ یہ صارفین کے لیے میٹرکس کے ذریعے مجموعی ڈیٹا حاصل کرنے کے لیے بھی آسان ہیں۔ تھانوس ونیلا پرومیتھیس مثالوں پر مبنی ہے، اس لیے موجودہ پرومیتھیس سرور پر ریکارڈنگ کے قوانین اور الرٹ کرنے والے قوانین کو ذخیرہ کرنا بالکل قابل قبول ہے۔ تاہم، بعض صورتوں میں یہ کافی نہیں ہو سکتا:
- عالمی الرٹ اور قاعدہ (مثال کے طور پر، ایک انتباہ جب کوئی سروس تین میں سے دو سے زیادہ کلسٹرز پر کام نہیں کرتی ہے)۔
- مقامی اسٹوریج سے باہر ڈیٹا کے لیے اصول۔
- تمام قواعد اور انتباہات کو ایک جگہ پر ذخیرہ کرنے کی خواہش۔
ان تمام معاملات کے لیے، Thanos میں Ruler نامی ایک الگ جزو شامل ہے، جو Thanos Queries کے ذریعے اصول اور الرٹ کی گنتی کرتا ہے۔ ایک معروف StoreAPI فراہم کر کے، Query نوڈ تازہ شمار شدہ میٹرکس تک رسائی حاصل کر سکتا ہے۔ بعد میں انہیں آبجیکٹ اسٹوریج میں بھی محفوظ کیا جاتا ہے اور اسٹور گیٹ وے کے ذریعے دستیاب کرایا جاتا ہے۔
تھانوس کی طاقت
Thanos آپ کی ضروریات کے مطابق اپنی مرضی کے مطابق کرنے کے لیے کافی لچکدار ہے۔ یہ خاص طور پر مفید ہے جب سادہ پرومیتھیس سے ہجرت کریں۔ آئیے ایک فوری مثال کے ساتھ تھانوس کے اجزاء کے بارے میں جو کچھ سیکھا ہے اس کا فوری جائزہ لیں۔ اپنے ونیلا پرومیتھیس کو "لامحدود میٹرکس اسٹوریج" کی دنیا میں لے جانے کا طریقہ یہاں ہے:
- Thanos Sidecar کو اپنے Prometheus سرورز میں شامل کریں - مثال کے طور پر، Kubernetes pod میں ایک سائڈ کار کنٹینر۔
- ڈیٹا دیکھنے کے قابل ہونے کے لیے ایک سے زیادہ Thanos Querier نقلیں متعین کریں۔ اس مرحلے پر سکریپر اور کوئئیر کے درمیان گپ شپ لگانا آسان ہے۔ اجزاء کے تعامل کو چیک کرنے کے لیے، 'thanos_cluster_members' میٹرک استعمال کریں۔
صرف یہ دو اقدامات عالمی منظر فراہم کرنے کے لیے کافی ہیں اور ممکنہ Prometheus HA نقلوں سے بغیر کسی رکاوٹ کے ڈیٹا کی تخفیف! بس اپنے ڈیش بورڈز کو Querier HTTP اینڈ پوائنٹ سے جوڑیں یا Thanos UI کو براہ راست استعمال کریں۔
تاہم، اگر آپ کو میٹرکس بیک اپ اور طویل مدتی اسٹوریج کی ضرورت ہے، تو آپ کو مزید تین مراحل مکمل کرنے ہوں گے:
- AWS S3 یا GCS بالٹی بنائیں۔ ان بکٹس میں ڈیٹا کاپی کرنے کے لیے سائیڈ کار کو کنفیگر کریں۔ مقامی ڈیٹا اسٹوریج کو اب کم سے کم کیا جا سکتا ہے۔
- اسٹور گیٹ وے تعینات کریں اور اسے اپنے موجودہ گپ شپ کلسٹر سے جوڑیں۔ اب آپ بیک اپ ڈیٹا سے استفسار کر سکتے ہیں!
- کمپیکشن اور ڈاؤن سیمپلنگ کا استعمال کرتے ہوئے طویل عرصے تک استفسار کی کارکردگی کو بہتر بنانے کے لیے کمپیکٹر کو تعینات کریں۔
اگر آپ مزید جاننا چاہتے ہیں، تو ہمارے پر ایک نظر ڈالنے میں سنکوچ نہ کریں۔ и !
صرف پانچ مراحل میں، ہم نے پرومیتھیس کو عالمی منظر، لامحدود ذخیرہ کرنے کا وقت اور میٹرکس کی ممکنہ اعلیٰ دستیابی کے ساتھ ایک قابل اعتماد نگرانی کے نظام میں تبدیل کر دیا۔
پل کی درخواست: ہمیں آپ کی ضرورت ہے!
شروع سے ہی ایک اوپن سورس پروجیکٹ رہا ہے۔ Prometheus کے ساتھ ہموار انضمام اور Thanos کے صرف ایک حصے کو استعمال کرنے کی صلاحیت اسے آپ کے مانیٹرنگ سسٹم کو آسانی سے سکیل کرنے کے لیے ایک بہترین انتخاب بناتی ہے۔
ہم ہمیشہ GitHub پل کی درخواستوں اور مسائل کا خیرمقدم کرتے ہیں۔ اس دوران، گیتھب ایشوز یا سلیک کے ذریعے ہم سے بلا جھجھک رابطہ کریں۔اگر آپ کے سوالات یا تاثرات ہیں، یا اس کا استعمال کرتے ہوئے اپنے تجربے کا اشتراک کرنا چاہتے ہیں! اگر آپ کو پسند ہے کہ ہم Improbable پر کیا کرتے ہیں، تو ہم سے رابطہ کرنے میں ہچکچاہٹ نہ کریں - !
ماخذ: www.habr.com