grafana

概述 为什么需要监控 在编写应用程序的时候，通常会记录日志以便事后分析，在很多情况下是产生了问题之后，再去查看日志，是一种事后的静态分析。 在很多时候，我们可能需要了解整个系统在当前，或者某一时刻运行的情况，比如当前系统中对外提供了多少次服务，这些服务的响应时间是多少， 随时间变化的情况是什么样的，系统出错的频率是多少。这些动态的准实时信息对于监控整个系统的运行健康状况来说很重要。 由于业务系统数量大，每天都会产生大量的系统日志和业务日志，单流式业务的一台服务器产生的日志达400M 想直接查看内容打开可能几分钟， 而且内容之多根本无法查看，给开发和运维带来诸多不便，现业务都是分布式的，日志也是分布在每台服务器上， 所以查看日志和统计更是效率低下。实时收集分布在不同节点或机器上的日志，供离线或在线查阅及分析来提升工作效率的需求异常迫切， 这些动态的准实时信息对于监控整个系统的运行健康状况来说很重要。 Profiling特别重要。如果能有一个特别强大的Profiling系统，就知道整个系统在哪个地方，哪台机器上，花了多少CPU、内存、磁盘IO或者网络带宽等资源，才能知道优化什么地方效益最大。 监控需要的信息从哪里获得？ 这些信息需要数据作为基础直接获得或者计算获得，那么实时数据怎么去获取，什么标准来作为测量标准。也就是信息采集的时候，怎么去获得。如下面这些实时数据如何获得 响应时间

metrics 客户端 数据采集使用 go-metrics 传输使用UDP, 仿StatsD上传采集数据, InfluxDB进行数据存储, Grafana进行展示。 实现github 地址 https://github.com/solate/metrics 该地址有已经改好的配置文件可以直接使用。 使用的all-in-one : git docker-statsd-influxdb-grafana docker hub 地址 数据封装 //挂载配置文件，已修改statsd模版 docker run --ulimit nofile=66000:66000 -v /root/telegraf.conf:/etc/telegraf/telegraf.conf -d --name docker-statsd-influxdb-grafana -p 3003:3003 -p 3004:8888 -p 8086:8086 -p 8125:8125/udp samuelebistoletti/docker-statsd-influxdb-grafana:latest register register 使用的name 必须是不同的 telegraf 配置修改 将 [[inputs.statsd]] 部分配置打开, 修改templates为: templates = [ "*

I have Grafana set up in a Docker container ( grafana/grafana image from Docker repo) with port 3000 forwarded to my localhost. My docker-compose.yml below: version: '2.1' services: grafana: image: grafana/grafana ports: - 3000:3000 Originally I also have link to Graphite and some volumes and environment configuration ( GF_SECURITY_ADMIN_PASSWORD only) but I suppose it does not matter. I can get a response from Grafana via simple curl call: $ curl http://localhost:3000 <a href="/login">Found</a>. But when I am trying to get it via AJAX call, it gives me a weird result: $.ajax({url: 'http:/

原文链接： Grafana 6.4 正式发布！ 2019 年 10 月 2 日，也就是国内小伙伴们的放假期间， Grafana 实验室正式发布了 Grafana 6.4 版本。这个版本主要围绕数据模型和指标查询对原有的功能进行增强，同时增加了一些新特性。 1. Grafana 6.4 新特性 Explore : 支持跳转到仪表盘面板 Explore : 改进日志的实时查看功能 Loki : 在仪表盘中将日志显示为注释 Loki : 支持在仪表盘面板中使用 Loki 面板 : 新增日志面板 面板 : Data Link 功能增强 图形 : 借助 [Series Override]( https://grafana.com/docs/features/panels/graph/#series-overrides 将点变成线 仪表盘 : 支持在不同面板间共享查询结果 插件 : grafana-toolkit 发布 Alpha 版 图形渲染 : 弃用 PhantomJS Docker : 基础镜像改为 Alpine LDAP : 新增 LDAP Debug UI 2. 从 Explore 回到仪表盘 为了让使用者能够在 Explore 和仪表盘之间来回快速切换，Grafana 6.4 新增了一个功能，当你从仪表盘的下拉菜单中跳转到 Explore 后，还可以回到先前的仪表盘。

部署步骤 准备工作 下载部署代码，并且下载granafa插件 12 git clone https://github.com/liqiang311/zabbix-grafana.gitgit clone https://github.com/alexanderzobnin/grafana-zabbix.git zabbix-grafana/grafana/plugins/grafana-zabbix 下载docker镜像 如何安装Docker和Docker-Compose见 http://liqiang311.com/docker-install/ 1234 docker pull mysql:5.7docker pull zabbix/zabbix-server-mysql:latestdocker pull zabbix/zabbix-web-nginx-mysql:latestdocker pull grafana/grafana:latest 启动命令 12 cd zabbix-grafanadocker-compose up -d 配置 Zabbix 登录 ip:10052 ，帐号为 Admin ，密码为 zabbix 进入后右上角可以更改语言为中文 Grafana web ip:3000 默认帐号 admin / admin Plugins -> app ->

国庆假期发生了两件小事，其一是我默默度过 35 周岁生日，其二是玩了下 grafana `并在节后第一天被工程师 M 称赞：相当专业。 1、我为什么要玩 grafana 呢？ 数月前我提交了一份数据后台需求给工程师 M，他选用和部署了 grafana 这个第三方开源的工具，仅用两三天就完成了这份需求。这效率相当快，令我对 M 和 grafana 印象深刻。但我仍不满足，M提交的成品所有数据都图形化的而我更想要表格样式的数据。为了进一步整合其它数据进行统计分析，我还需手动导出数据，并写了复杂的 python 脚本用 pandas 做统计分析，每周至少运行一次。我常常冒出新的数据需求，它们并不大，但走一遍需求评审、排期开发验收的流程，似乎还挺麻烦的。 这些都还只算铺垫，真正的导火索是国庆假期前的 sprint 总结会上提及我们几个产品的数据将整合到 grafana 统一实现。 CTO 曾对我提及如果我懂些 sql 语句，可以自己写。——哈？我懂点 sql 语句的吖，这不刚整理了一份笔记 《【总结】python如何与mysql实现交互及常用sql语句》 嘛。我处于 “sql 不过如此，放马过来啊”的大无畏状态 -_-|| 国庆假期来了，那就玩玩儿看呗。 2、短时间如何上手 grafana ？ M之前为了开发我的需求，已经完成了 grafana 的部署，并设置好了 数据源

前期准备 安装git [root@node1 ~]# yum install git 下载Prometheus+Grafana的yaml配置文件 git clone https://github.com/redhatxl/k8s-prometheus-grafana.git 安装Prometheus+Grafana daemonset方式部署node-exporter组件 [root@node1 ~]# cd k8s-prometheus-grafana/ [root@node1 k8s-prometheus-grafana]# kubectl apply -f node-exporter.yaml k8s从1.16开始，ApiVersion版本不再是beta版本，成为正式版，所以需要修改api的版本，否则k8s就会报错 还有一个问题就是Deployment，daemonSet等控制器的spec里面必须要和selector的参数相匹配，否则也会报错，缺少selector所需参数 修改如下 部署prometheus组件 [root@node1 ~]# kubectl create -f k8s-prometheus-grafana/prometheus/rbac-setup.yaml [root@node1 ~]# kubectl create -f k8s-prometheus

一、编写docker-cmpose文件 docker-compose.yml文件如下： 1 version: "3.3" 2 services: 3 grafana: 4 image: grafana/grafana:latest 5 environment: 6 GF_SECURITY_ADMIN_PASSWORD: aibili_grafana 7 ports: 8 - 3000:3000 9 user: "472" 10 volumes: 11 - ./grafana_data:/var/lib/grafana 12 - ./log/grafana:/var/log/grafana 13 influxdb: 14 image: influxdb:latest 15 environment: 16 INFLUXDB_GRAPHITE_ENABLE: "true" 17 ports: 18 - 8086:8086 19 - 8083:8083 20 - 2003:2003 21 volumes: 22 - ./influxdb_data:/var/lib/influxdb 23 influxproxy: 24 image: juris/influxdb-timeshift-proxy 25 environment: 26 INFLUXDB : "influxdb:8086" 27

一、安装步骤 　　 （1）进入官网选择合适的操作系统版本下载Grafana：https://grafana.com/grafana/download?platform=linux [root@zabbix-server-center ~]# wget https://dl.grafana.com/oss/release/grafana-6.3.6-1.x86_64.rpm [root@zabbix-server-center ~]# sudo yum localinstall grafana-6.3.6-1.x86_64.rpm 　　 （2）启动grafana：systemctl start grafana-server.service，发现启动失败，出现下面的报错，根据报错信息得知：可能polkit.service未打开。 　　 （3）检查polkit.service服务状态信息，果然发现该服务是关闭状态。 　　 查了网上资料说是一个bug，我通过重启系统后，发现该服务又自动打开了。可参考：https://blog.csdn.net/minxihou/article/details/52831152 　　 （4）开启grafana服务 [root@zabbix-server-center ~]# systemctl start grafana-server.service 　　

Istio 0.8 的 Helm Chart 解析 作者 崔秀龙 | 2300字 | 阅读大约需要5分钟 | 归档于 istio | 发表于 2018-06-04 标签 #Istio #Helm #Chart ，来自 https://servicemesher.github.io/blog/helm-chart-for-istio-0.8/ 儿童节期间，拖拉了一个多月的 Istio 0.8 正式发布了，这可能是 Istio 1.0 之前的最后一个 LTS 版本，意义重大。 新版本中，原来的 Kubernetes 安装文件 install/kubernetes/istio.yaml ，变成了 install/kubernetes/istio-demo.yaml ，是的，你没看错，这个 LTS 的安装文件名字叫 demo。查看了一下文档，大概察觉到不靠谱的 Istio 发布组的意图了：这个项目的组件相对比较复杂，原有的一些选项是靠 ConfigMap 以及 istioctl 分别调整的，现在通过重新设计的 Helm Chart，安装选项用 values.yml 或者 helm 命令行的方式来进行集中管理了。下面就由看看 Istio 的 Helm Chart 的安装部署及其结构。 使用 Helm 安装 Istio 安装包内的 Helm 目录中包含了 Istio 的 Chart