Méadrachtaí, monatóirí, foláirimh

Ábhar:

Achoimre
Sonraí
Gaolmhar
Nótaí

Achoimre

Saincheist

Ba mhaith linn méadrachtaí, monatóirí, agus foláirimh a úsáid, mar ba mhaith linn a fháil amach cé chomh maith agus atá ár bhfeidhmchláir ag obair, agus a fháil amach cathain a bhíonn fadhb ann.

Cinneadh

Obair ar siúl (WIP).

Stádas

Faisnéis á bailiú. Táimid ag tosú le deireadh sochreidte an speictrim: an uirlis shaor níos sine is mó a mholtar (Nagios) agus an uirlis íoctha níos nuaí is mó a mholtar (New Relic).

Sonraí

Toimhdeanna

Ba mhaith linn feidhmchláir ghréasáin a chruthú atá nua-aimseartha, tapa, iontaofa, freagrúil, srl.

Ba mhaith linn ceannach seachas tógáil.

Srianta

Ba mhaith linn uirlisí a oibríonn go maith lenár bpíblíne devops agus lenár scamaill imlonnaithe.

Seasaimh

Táimid ag taighde seasamh anois.

AlertManager
AppDynamics
AppOptics
Azure Monitor/Analytics/Insights/Dashboards
Bosun
Checkly
Circonus
Cloudwatch
EFK
ELK
Grafana
Grafana
Graphite
Graylog
Healthchecks.io
Heroku
icinga2
InfluxDB
Instana
Kafka
Logagent
Logz.io
Loki
Monitis
Nagios
Nagios
Nagiosgraph
NewRelic
OpsGenie
Outlyer
PagerDuty
Pagerduty
PagerDuty
Papertrail
Prometheus
Rollbar
Scalyr
Sematext Metrics, Logs, Experience, Tracing
Sensu
SignalFX
Slack
Splunk
Stackdriver
Stackstorm
Telegraf
Telegraf
Thanos
VictorOps
Wavefront
Zabbix

Argóint

Go dtí seo, is iad Nagios agus New Relic deireadh an speictrim. Is é Nagios an uirlis is sine, is simplí, saor in aisce, inmharthana. Is é New Relic an uirlis is nuaí-ghnéithe, is iomláine, íoctha, inmharthana. Tosóimid le meastóireachtaí ar na cinn seo. Más gá, aistreoimid isteach sa speictream.

Go dtí seo, tá na moltaí is fearr ag Zabbix, agus tairgeann sé na cumais is iomláine freisin.

Go dtí seo, tá an tóir is fearr ag ELK i measc na dtógálacha foinse oscailte seachas ceannach.

Go dtí seo, tá an tóir is fearr ag Prometheus + Graphana.

Impleachtaí

TODO.

Gaolmhar

Cinntí gaolmhara

Beidh tionchar ag na roghanna ar inthástálacht, teilmeatrú, agus is dócha ar chórais eile amhail do sheirbhís chustaiméirí, innealtóireacht iontaofachta suímh, srl.

Riachtanais ghaolmhara

TODO.

Déantáin ghaolmhara

TODO.

Prionsabail ghaolmhara

Inaisiompaithe go héasca.

Gá le luas.

Nótaí

Is cruach foinse oscailte measartha maith é:

Prometheus do mhéadrachtaí agus foláirimh bunaithe ar mhéadrachtaí
Grafana chun méadrachtaí a thaispeáint
Elasticsearch/Logstash/Kibana (ELK) do logaí agus teagmhais struchtúrtha
Pushover do fhógraí gluaiste

Teachtaireachtaí téacs saor-fhoirme vs teachtaireachtaí teagmhais struchtúrtha

Teachtaireachtaí téacs saor-fhoirme: mar shampla, an cineál nithe randamacha a gheobhfá i /var/log/messages, agus rud a ghineann an feidhmchlár d'aon turas. Tá na teachtaireachtaí úsáideach chun rudaí eile a aithint atá ag tarlú ar an mbosca cosúil le heaspa cuimhne nó earráidí crua-earraí, ach tá go leor truflais iontu.

Teachtaireachtaí teagmhais struchtúrtha: ginte ag an bhfeidhmchlár, le tacar seasta nó dinimiciúil tréithe, m.sh. log iarratais HTTP, log cuntasaíochta, logáil isteach úsáideora.

Go ginearálta, is deas sonraí a logáil faoi gach iarratas ar bhealach ar féidir leat tochailt síos bunaithe ar thréithe. Mar sin ligeann userid nó sessionid a chur le gach rud duit rianú a dhéanamh. Tá rianú follasach go maith freisin, ar ndóigh. Is cineál https://www.honeycomb.io/ an fhir bhoicht é ELK a úsáid chuige seo.

Tá Graylog níos éasca

Tá Graylog níos éasca a chur ar bun, de réir mo thaithí.

Teastaíonn roinnt tiúnadh ó Prometheus

Táim sásta le Prometheus do mhéadrachtaí go ginearálta. Teastaíonn roinnt tiúnadh ó fholáirimh, ach tá sé measartha maith. Braitheann sé ar d'fheidhmchlár. Sílim gurb fearr foláirimh a thabhairt ar choinníollacha atá infheicthe don úsáideoir deiridh, ní ar bhunchúiseanna. Mar shampla, tá am luchtaithe leathanaigh go maith, níl líon na n-iarratas in aghaidh an tsoicind. Cé go léiríonn nialas iarratas in aghaidh an tsoicind go bhfuil rud éigin mícheart.

Is é buntáiste seirbhíse ná go dtairgeann siad faisnéis bhreise amach as an mbosca. Is maith liom Datadog go ginearálta. Is féidir leis na seirbhísí a bheith eaglach de dhaor má tá go leor sonraí agat, agus uaireanta bíonn múnlaí praghsála acu nach bhfuil cairdiúil don scamall, m.sh. muirear in aghaidh an chás, nuair atá cásanna dinimiciúla. Tá difríocht ann freisin idir seirbhísí ina bhfuil gach iarratas ó úsáideoir íoctha agus cinn a bhaineann le fógraíocht, mar sin ní thugann ach céatadán beag de na hiarratais airgead duit. Is féidir leat deireadh a chur le go leor sonraí agus buiséad nach bhfuil chomh mór sin.

Oibrím ar roinnt seirbhísí a fhaigheann 1B iarratas in aghaidh an lae, mar sin tá ciall le monatóireacht agus logáil féin a óstáil. Má tá do mhéideanna níos ísle, tá seirbhísí óstáilte níos éasca.

Tá seirbhísí AWS measctha

Tá mo thaithí ar sheirbhísí AWS measctha. Bhí a seirbhís Elasticsearch neamhiontaofa, mar sin ritheann muid ár gcásanna féin le haghaidh sin. Tá méadrachtaí CloudWatch daor, mar sin ní úsáidimid iad go ginearálta ach le haghaidh méadrachtaí ar leibhéal “bonneagair” seachas an feidhmchlár, i.e. méadrachtaí a bhaineann le sláinte nuair is féidir le AWS a fhios a bheith aige níos fearr cad atá ag tarlú ná bogearraí atá ag rith ar an gcás. Is féidir le CloudWatch Logs a bheith mall le nuashonrú agus níl an oiread sin meiteashonraí acu. Cabhraíonn ELK a rith leis sin. Más mian liom sonraí fíor-ama i ndáiríre, ansin tá Kafka a úsáid mar an iompar do logaí níos fearr. Tá sé sin tacaithe go measartha maith ag Logstash. Níl bainistiú braisle Kafka do lucht lag-chroí, áfach, tá go leor pluiméireachta nochta ann.

Kafka

Tuairim: Is féidir Kafka a bheith an-chasta uaireanta, nó is féidir le Kafka a bheith cobhsaí mar charraig agus beagnach déanann tú dearmad go bhfuil sé ann ag ceangal gach rud le chéile.

Tuairim: Tá Kafka cobhsaí, ach bhí méid iontach oibre ann é a chur ag obair. Smaoiním air mar bhunachar sonraí coibhneasta ach nach bhfuil tú ag obair ach ag an sraith “fhisiciúil”, m.sh. spásanna táblaí, comhaid agus deighiltí. Bhí amanna go luath nuair a bhí uirlisí bainistíochta easnamhach, agus bhí orainn cláir a scríobh chun m.sh. grúpa tomhaltóirí a athshocrú. http://howfuckedismydatabase.com/nosql/

Tuairim: Úsáidimid Kafka mar “maolán” do theachtaireachtaí logála agus áit ina bhfuil muid in ann próiseáil sruth fíor-ama a dhéanamh ar shonraí ag teacht ó fhreastalaithe iomadúla. Má fhaighimid ionsaí DDOS, ansin teastaíonn bealach uainn chun sonraí a anailísiú ar fud cásanna iomadúla. Má tá muid ag logáil go díreach ó na freastalaithe go dtí ELK, is féidir leis an ualach braisle Elasticsearch a phléascadh.

Tuairim: Tá Kafka go maith dúinn mar má fhaighimid ionsaí DDOS, ansin teastaíonn bealach uainn chun sonraí a anailísiú ar fud cásanna iomadúla. Má tá muid ag logáil go díreach ó na freastalaithe go dtí ELK, is féidir leis an ualach braisle Elasticsearch a phléascadh.

Tuairim: Déanann Kafka níos lú oibre agus tá sé níos éifeachtúla, mar sin is féidir leis an ualach a láimhseáil níos fearr. Agus cuirimid obair Kafka i scuaine agus déanaimid iarracht arís. Agus ní chuireann Kafka a bheith ró-ualaithe isteach ar úsáideoirí atá ag iarraidh obair idirghníomhach a dhéanamh le Kibana, mar a dhéanfadh sé dá mbeadh Elasticsearch ag streachailt.

Tuairim: Is é an phróiseáil sruth go príomha ag lorg mí-úsáide, m.sh. an iomarca tráchta ó IP amháin ar fud na braisle iomláine, agus ansin an bloc a roinnt ar fud na braisle iomláine.

Tuairim: Tá an breiseán logstash-output-kafka measartha neamhiontaofa faoi láthair, áfach. Tá mé ciaptha ag roinnt de na saincheisteanna ar a leathanach saincheisteanna GitHub, nach cosúil go ndéantar iad a dheisiú. Ba mhaith liom bogadh ar shiúl ón úsáid, chun seoladh díreach ónár n-aipeanna go dtí Kafka.

Tuairim: Táimid ag seoladh teagmhais struchtúrtha go díreach ón aip go dtí Kafka anois. Ba é an príomh-spreagadh ná teagmháil a dhéanamh leis na sonraí logála níos lú uaireanta agus léamh agus scríobh an diosca arís agus arís eile a sheachaint. I gcórais ardmhéide, is féidir le logáil níos mó oibre a thógáil ná an aip féin. Táim ag smaoineamh ar journald a dhéanamh logaí a sheoladh go díreach freisin, ó chlár C.

Loki

Coinnigh súil ghéar ar Loki. Níl sé réidh go fóill ach nuair a bheidh, bheinn ag súil go mbeadh sé níos oiriúnaí sa chruach seo. Is comhiomlánóir logaí é Loki a chruthaigh grafana labs, úsáideann sé scríobadh agus comhréir clibe cosúil le Prometheus.

Prometheus + alertmanager + Rollbar + Graylog + Grafana

Prometheus + alertmanager do mhéadrachtaí. <3 Prometheus.

Rollbar/Graylog do logáil/tuairisciú earráidí (tá roinnt forluí anseo; is dócha nach dteastaíonn an dá cheann ó sheirbhís bheag).

Faoi láthair, téann foláirimh chuig ceann de chúpla cainéal Slack ar a bhfuil fógraí casta ag páirtithe leasmhara. Dá mbeimis níos tromchúisí faoi ghlaoch ar ghlaoch rachaidís chuig PagerDuty/VictorOps/srl.

Grafana do ghraif agus painéil. Táim ag tnúth go fonnmhar freisin le feiceáil an gcuirfidh a n-áiseanna logála atá le teacht Graylog as an áireamh.

Thanos

Úsáidimid Thanos mar thaobh tosaigh dár socrú HA. Tá a fhios aige conas péirí HA a dhí-dhúbailt.

Táimid ag coinneáil 6 mhí de shonraí áitiúla Prometheus faoi láthair. Oibríonn sé seo measartha maith dúinn. Ach táim i lár stóráil buicéid a chur amach dár socrú Thanos le haghaidh stórála fadtéarmaí sonraí. I dteoiric, beidh stóráil GCS thart ar 30% níos saoire ná an diosca marthanach caighdeánach GCE a úsáidimid faoi láthair.

Ní dhéanaimid cúltaca de shonraí Prometheus faoi láthair. Níl na sonraí tábhachtach dúinn i ndáiríre seachas go bhfuil go leor againn le haghaidh foláirimh. Athraíonn ár bhfeidhmiú iomlán cabhlach an oiread sin ó bhliain go bliain nach bhfuil suim ar bith in sonraí stairiúla níos sine ná cúpla mí. D'fhéadfadh sé a bheith suimiúil cúpla príomhstaitisticí a bheith againn bliain ar bhliain, b'fhéidir go suiteoidh mé tacar rialacha taifeadta príomhstaitisticí agus iad a stóráil le Federation nó ligean do Thanos aire a thabhairt dó.

EDIT: Séanadh beag, is forbróir Prometheus mé.

Prometheus HA

Déantar HA i Prometheus trí dhúbailt; ritheann tú pollers (aschuartaitheoirí) iomadúla agus tá bealaí ann chun iomadúla a pholladh agus na sonraí a dhí-dhúbailt

Is trí chinneadh a dhéanamh ar an líonra agus Prometheus difriúla a bheith ag polladh codanna difriúla den líonra a dhéantar an scálú

Ní hé stóráil fhadtéarmach láidreacht Prom ach tugtar ar iontaobhas í do rud éigin cosúil le influx nó timescaledb (a bhaineann amach an ticeáil HA go teicniúil freisin) alt a léigh mé air https://blog.timescale.com/prometheus-ha-postgresql-8de68d19b6f5?gi=7df160f10e07

Níor thriail mé an rud fadtéarmach go fóill mar tá mé fós ag déanamh turgnaimh amháin agus á úsáid le haghaidh graif ghearrthéarmacha agus librenms ag monatóireacht mo líonra le haghaidh fadtéarmach

Datadog + PagerDuty + Threat Stack

Úsáidimid Datadog (le PagerDuty) agus Threat Stack agus ní fhéadfaimis a bheith níos sásta. Is é m'aon ghearán faoi DD ná costas measartha ard stórála méadrachtaí.

Zabbix

Zabbix le scripteanna saincheaptha chun monatóireacht a dhéanamh ar beagnach gach rud. Oibríonn sé go hálainn.

Outlyer

Táim ag úsáid Outlyer, ach caithfidh mé séanadh a dhéanamh go n-oibrím anseo, agus tá dog fooding riachtanach.

Teastaíonn Graylog, Sentry agus Statuscake fós chun feabhsú.

Fuaimeann sé claonta, ach tar éis dom Nagios agus córais monatóireachta eile a rith go sásta go hinmheánach, cheannóinn réiteach óstáilte in aon jab nua agus d'aistreoinn an phian sin uaim.

Nagios + Nagiosgraph

Ritheann muid Nagios do gach monatóireacht agus foláireamh. Tarlaíonn foláirimh trí ríomhphost (rabhaidh agus fógraí criticiúla) agus fógraí fuaimnithe aipe (d'fholáirimh chriticiúla).

Úsáidtear Nagiosgraph le haghaidh léirshamhluithe.

Bhí an socrú seo an-éifeachtach chun muid a choinneáil ar an eolas go cuimsitheach faoi cad atá ag tarlú inár dtimpeallacht. Ritheann agus déanaimid monatóireacht ar thart ar 110 freastalaí ríthábhachtach don mhisean agus thart ar 760 pointe sonraí, agus tá an córas maidin seo againn le breis agus seacht mbliana.

Ba mhaith liom logaí a chomhiomlánú le Graylog nó ELK ag pointe éigin freisin.

Prometheus + Grafana + AlertManager

Prometheus + Grafana + AlertManager trí chairt helm iontach Prometheus Operator. Téann logaí fós go dtí plean LogDNA birch mar thugamar faoi deara go bhfuil ELK ró-throm dár nóid umhal íosmhéid 3 uasmhéid 5 ar GKE.

DataDog + Sentry + PagerDuty.

Bhíodh mé ag rith mo réitigh monatóireachta féin ag baint úsáide as gach cineál bogearraí lena n-áirítear Nagios, Icinga, Zabbix, ELK, Greylog2, Influx, agus go leor uirlisí eile, ach is í an fhírinne go bhfuil an iomarca iarrachta i gceist le do bhonneagar monatóireachta féin a rith, go háirithe nuair is féidir leat ráta íseal a íoc le duine eile é a dhéanamh duit!

Saorann íoc le daoine eile bonneagar monatóireachta a rith mo chliaint chun díriú ar a n-ardáin a rith in ionad monatóireacht a dhéanamh ar an monatóireacht, rud a chiallaíonn go bhfuil an luach a fhaigheann siad ó chobhsaíocht a n-ardáin i bhfad níos mó ná aon chostais Monatóireachta mar Sheirbhís.

Sensu + Graphite + ELK

Tá mo chuideachta an-mhór ar rudaí féin-óstáilte.

Sensu -> PagerDuty

Graphite/Grafana

ELK (Elasticsearch, Logstash, Kibana)

Prometheus + Alertmanager

Prometheus + Alertmanager do fholáireamh, creideann mo fhoireann gur monatóireacht mhaith í monatóireacht shimplí.

Soláthróidh córais eile cosúil le logáil agus rianú comhthéacs saibhir chun diagnóis a dhéanamh nuair a fhaigheann an duine ar ghlaoch foláireamh, ach ní thógaimid foláireamh orthu seo riamh.

Sensu + Grafana + Graylog + Kibana + NewRelic.

Sensu, grafana, graylog, kibana, newrelic.

Prometheus + Circonus

Seirbhísí ionstraimithe Prometheus => anailísíocht agus léirshamhlú Circonus

icinga2 + VictorOps + NewRelic + Sentry + Slack

Táimid ag úsáid na seirbhísí thíos:

icinga2 le haghaidh monatóireachta agus VictorOps le haghaidh foláirimh

NewRelic le haghaidh monatóireachta mionsonraithe ar an tseirbhís

Sentry le haghaidh rianú earráidí sa tseirbhís

Is cuid de fholáireamh é Slack/Ríomhphost a spreagann ó NewRelic nó icinga2

AppDynamics + Papertrail + PagerDuty + Healthchecks.io + Stackdriver

AppDynamics

Papertrail

PagerDuty

Healthchecks.io

Stackdriver

icinga2 + elasticsearch

icinga2 le comhtháthú elasticsearch d'anailís agus comhtháthú graphite+grafana do ghraif.

a bhuíochas le solúbthacht rialacha apply in icinga2, ní féidir leis na forbróirí ach seirbhísí a fheiceáil a fhaigheann siad fógraí dóibh.

agus trí icinga2 director, is féidir le ríomhchláraitheoirí a seiceálacha féin a shainiú go héasca (rud a dhéanann siad, gach cúpla lá - téann 100 seiceáil amach, tagann 100 seiceáil eile isteach) ar scála mór gan aon trioblóid.

DataDog + New Relic + ELK + EFK + Sentry + Alertmanager + VictorOps

Cad atá againn anois:

DataDog do mhéadrachtaí

New Relic do mhonatóireacht feidhmchlár

ELK (Elastic Search + Logstash + Kibana) do logaí

Sentry (féin-óstáilte) chun eisceachtaí a logáil

Ríomhphoist + Slack + VictorOps do fholáirimh (bunaithe ar dhéine)

Cad ba mhaith linn a bheith againn:

Prometheus do mhéadrachtaí (Grafana do léirshamhlú)

New Relic (Elastic Search APM is dócha) do mhonatóireacht feidhmchlár

EFK (elastic search + fluentd + kibana) do logáil. Is dócha go mbeadh Loki ag Grafana réidh don táirgeadh faoin am a mbeidh muid ann

Sentry d'eisceachtaí

Alertmanager + ríomhphost + VictorOps do fholáirimh

Wavefront + Scalyr + PagerDuty + Stackstorm + Slack

Wavefront + Scalyr + PagerDuty + Stackstorm + Slack (Séanadh: oibríonn ag VMware)

Telegraf + Prometheus + InfluxDB + Grafana

Telegraf do mhéadrachtaí freastalaí cosúil le CPU, Diosca, Cuimhne agus Líonra. Úsáidimid Telegraf freisin le haghaidh monatóireachta SNMP ar ár ngléasanna líonra.

Prometheus do mhéadrachtaí feidhmchláir. Códaímid seiceálacha sláinte inár bhfeidhmchlár a scríobann Prometheus.

InfluxDB do stóráil sraitheanna ama. Seo an áit a seoltar ár sonraí Telegraf.

Grafana do phainéil agus foláirimh. Níl an t-inneall foláirimh an-láidir, ach déanann sé an jab. Cuirimid foláirimh isteach i Slack freisin.

An rud nach bhfuil agam faoi láthair ná réiteach logála láraithe. Tá ELK cumhachtach ach deacair a shocrú agus a bhainistiú, agus níl aon rogha saor in aisce eile ar eolas agam atá in aice go leor chun féachaint orthu.

Sematext + Logagent + Experience

Sematext do mhéadrachtaí, do logaí, do rianta, go luath do mhonatóireacht fíor-úsáideoirí freisin. Níos simplí/níos saoire ná N uirlisí/seirbhísí éagsúla a úsáid, i mo thuairimse.

Le haghaidh loga a loingsiú d'úsáidimid rsyslog agus ansin d'aistrigh muid go Logagent.

Le haghaidh tuairisciú tuairteanna taobh tosaigh úsáidimid Sentry, ach aistreoimid go Experience go luath.

Séanadh: is Sematextach mé.

Azure Monitor/Analytics + OpsGenie

Is mian liom go mbeadh comhéadan níos fearr ag Log Analytics. Táimid ag bogadh ar shiúl ó splunk, a bhí i bhfad níos éasca nascleanúint a dhéanamh air.

Prometheus + Alertmanager + Grafana + Splunk + PagerDuty

Prometheus, Alertmanager, Grafana, Splunk, PagerDuty

Ní theastaíonn uait i ndáiríre do chóras fógraí féin a rith. Is féidir leat Splunk a chur in ionad ELK mura fearr le d'fhoireann slándála Splunk.

Telegraf + Prometheus + Grafana + Alertmanager

Telegraf mar bhailitheoir, Prometheus + Alertmanager do mhonatóireacht agus foláireamh, comhtháite le cainéil slack agus pagerduty d'fholáirimh chriticiúla. Grafana do léirshamhlú méadrachtaí óstach.

Prometheus + Grafana + Cloudwatch + sentry + kibana + elasticsearch

Prometheus do mhéadrachtaí + foláirimh

Grafana do phainéil Prometheus

Cloudwatch ag monatóireacht ar chásanna Prometheus

sentry le haghaidh rianú eisceachtaí

kibana + elasticsearch

graylog

prometheus Push Gateway d'fhoirne/cronjobs

SOP https://github.com/rapidloop/sop chun méadrachtaí a „bhrú/chur ar aghaidh“ ó chás Prometheus amháin go ceann eile

úsáideann cliaint na cliaint Prometheus. Déanaimid iarracht opencensus.io a úsáid ar thaobh an chliaint

PagerDuty + Monitis

PagerDuty + Monitis. Chomh maith le roinnt Azure Functions saincheaptha chun sláinte roinnt seirbhísí a thástáil.

Ag lorg Prometheus agus Grafana a thabhairt isteach i mbliana

Prometheus + Grafana + Bosun

Prometheus chun na sonraí sraithe ama a stóráil. Grafana le haghaidh léirshamhlaithe. Bosun le haghaidh bainistíochta foláirimh.

Azure Monitor/Analytics/Insights/Dashboards

Siopa Azure amháin, Azure Monitor, Log Analytics, App Insights, Azure Dashboards + Pager Duty

Grafana + Monitis + OpsGenie + Slack

Grafana chun seirbhísí coimeádán a mhonatóiriú i Kubernetes trí Prometheus

Monitis le haghaidh monatóireachta seirbhíse ceann go ceann go príomha d'APInna gréasáin agus d'fheidhmchláir ghréasáin

OpsGenie le haghaidh bainistíochta foláirimh

Slack chun faisnéis stádais a fháil óna gcórais

Checkly + AppOptics + Cloudwatch + Heroku + Pagerduty + Papertrail

Innealtóir (dev)ops le fada an lá anseo. D'fhás mé aníos ar Nagios. Ba bhreá liom tuairimí a fháil ar mo SaaS féinmhaoinithe https://checklyhq.com. Déanaimid monatóireacht API & monatóireacht idirbheart suímh le foláirimh measartha doimhne.

Thosaigh mé Checkly mar bhí monatóireacht ghníomhach / shintéiseach sa spás API beagán teoranta (agus costasach). Tá monatóireacht bunaithe ar bhrabhsálaí / scriptithe níos mó fós úinéireachta agus costasach. Úsáidimid Puppeteer agus coinnímid praghsáil chomh híseal agus is féidir.

Ár gcruach monatóireachta:

Checkly (dog fooding...)

AppOptics (graf saincheaptha)

AWS Cloudwatch & SNS do theachtaireachtaí SMS.

foláireamh ionsuite Heroku.

Pagerduty

Papertrail

Instana + Logz.io + slack

Cuireann Instana foláirimh orainn i slack faoi fhadhbanna bonneagair nó díghrádú feidhmíochta, agus tá logz.io cumraithe againn chun foláireamh a thabhairt i slack ar thoirt áirithe logaí ar leibhéal earráide ón sraith feidhmchláir.

SignalFX + Splunk + PagerDuty + Slack

Ag úsáid faoi láthair: SignalFX, Splunk, PagerDuty agus Slack. Níl mé ina lucht leanúna mór SignalFX cé go bhfuil a bhfoireann tacaíochta thar a bheith cairdiúil agus freagrúil. Is maith liom Splunk (fiú é má tá tú in ann íoc as), PagerDuty agus Slack.

Bhíodh mé ag úsáid an chruach TICK inar G a bhí sa chuid is mó den C i ndáiríre, is é sin Grafana cé gur úsáid mé Chronograf beagán. Bhí sé sin iontach ach bhí sé pianmhar le bainistiú. An aincheist chlasaiceach SaaS vs féin-óstáil.

D'úsáid mé DataDog, New Relic, Graylog, ELK agus BugSnag. Is maith liom DataDog agus New Relic go mór, tá Graylog go measartha maith. Níl mé ina lucht leanúna mór ELK. Tá BugSnag deas, sílim go bhfuil rianú earráidí/eisceachtaí ina ionadaí maith go leor do mhonatóireacht logaí iomlán, i go leor cásanna.

ELK + Prometheus + Grafana

Cosúil le daoine eile, úsáidimid ELK do logaí agus Prometheus+Grafana do gach rud eile.

Tá an socrú seo éasca a chothabháil má thugann tú cead duit féin sonraí a chailleadh ó am go chéile. Mar shampla, má théann ár mbunachar sonraí ElasticSearch i bhfeirm (a tharlaíonn gach 2-3 mhí dúinn ar an drochuair) ní bhacaimid le HA agus ina ionad sin dumpálaimid na sonraí agus leanaimid ar aghaidh lenár saol. Má theastaíonn HA ó cheart nó coinneáil fhadtéarmach go cinnte, go n-éirí leat.

Datadog + Prometheus + Grafana

Shocraigh mé Datadog ar bhonn míosa go míosa mar nuair a tháinig mé anseo, ní raibh aon mhonatóireacht ná aon fholáireamh ann. Ní raibh ach cúpla ceann dár suíomhanna á monatóiriú gach 5m le haghaidh uptime. Is é Datadog gan amhras an ceann is éasca le socrú. Nuair a chríochnóidh mé aghaidh a thabhairt ar na saincheisteanna eile go léir, athróidh mé go Prometheus+Grafana. Níl mé 100% cinnte faoi bhainistiú logaí go fóill.

Nagios + ELK

Tá os cionn 100+ táirge againn a thacaímid leo.

Le haghaidh ar fhoirgnimh, is Nagios agus ELK go príomha é. Don scamall, táimid ag aistriú ó DataDog go NewRelic.

Datadog vs. Site24x7 + StatusCake + PagerDuty + SumoLogic + Slack

D'úsáideamar datadog ach fuaireamar amach go raibh sé ró-chostasach dár riachtanais. Ná tuig mé go mícheart, is ionadh é, ach tá costas ollmhór leis. D'éirigh linn site24x7.com a shocrú le síntiús bliantúil ar thart ar 2-3 mhí de chostas ó DD.

Ár gcruach monatóireachta:

Site24x7 - APM, monatóireacht URL sheachtrach, monatóireacht sreabhadh poist SMTP, éaga ssl agus monatóireacht próisis.

StatusCake - le haghaidh monatóireachta agus deimhnithe URL - Is é ár gcúltaca é ar eagla go gcailleann site24x7 rud éigin (ní chailleann) ach tá SC níos solúbtha do mhonatóireacht poirt agus seirbhíse seachtraí dár riachtanais.

Éiríonn an dá uirlis le PagerDuty, agus ansin faighimid ár n-éirithe i slack.

SumoLogic - le haghaidh monatóireachta logaí (is uirlis iontach é ach beagán casta dár riachtanais)

Ó slack is féidir linn an foláireamh a ack, nó a leigheas.

Ansin tá go leor uathoibrithe site24x7 againn a nascann le commando.io le haghaidh 'BedOps' mar a thugaimid air - nuair a spreagtar foláireamh, cuirimid tús le cúpla script nó uathoibriú mar iarracht an cás a leigheas (99% den am coinníonn an t-uathoibriú + ár scripteanna muid as trioblóid).

Tá leabhair rite inmheánacha againn inár KB le haghaidh nuair a theipeann ar na huathoibrithe nó má tá rud éigin amach as scóip a gcaithfear a shocrú.

Prometheus + AlertManager + Grafana + Stackdriver

Prometheus (Operator) / AlertManager / Grafana do mhéadrachtaí inár mbraislí GKE agus VManna.

Google Stackdriver do Logaí (mar go bhfuil sé san áireamh agus gníomhach de réir réamhshocraithe agus go leor dár riachtanais faoi láthair).

Zabbix

Zabbix do gach rud. Níl aon bhogearraí breise ag teastáil.