可观测性目前属于云原生一个比较火的话题,它涉及的内容较多,不仅涉及多种遥测数据(信号),例如日志(log)、指标(metric)、分布式追踪(trace)、连续分析(continuous profiling)、事件(event)等;还涉及遥测数据各生命周期管理,比如暴露、采集、存储、计算查询、统一看板等。
目前社区相关开源产品较多,各有各的优势,今天我们就来看看如何使用 Grafana LGTM 技术栈快速构建一个自己的可观测性平台。
通过本文你将了解:
如何在 Go 程序中导出 metric、trace、log、以及它们之间的关联 TraceID
如何使用 OTel Collector 进行 metric、trace 收集
如何使用 OTel Collector Contrib 进行日志收集
如何部署 Grafana Mimir、Loki、Tempo 进行 metric、trace、log 数据存储
如何使用 Grafana 制作统一可观测性大盘
为了本次的教学内容,我们提前编写了一个 Go Web 程序,它提供 /v1/books
和 /v1/books/1
两个 HTTP 接口。
当请求接口时,会先访问 Redis 缓存,如果未命中将继续访问 MySQL;整个请求会详细记录相关日志、整个链路各阶段耗时和调用情况以及整体请求延迟,当请求延迟 >200ms 时,会通过 Prometheus examplar 记录本次请求的 TraceID,用于该请求的日志、调用链关联。
下载并体验样例
我们已经提前将样例程序上传到 github,所以您可以使用 git 进行下载:
git clone https://github.com/grafanafans/prometheus-exemplar.git
cd prometheus-exemplar
复制代码
使用 docker-compose 启动样例程序:
这个命令会启动以下程序:
使用单节点模式分别启动一个 Mimir、Loki、Tempo
启动一个 Nginx 作为统一可观测平台查询入口,后端对接 Mimir、Loki、Tempo
启动 demo app, 并启动其依赖的 MySQL 和 Redis, demo app 可以使用 http://localhost:8080
访问
启动 Grafana 并导入预设的数据源和 demo app 统一看板,可以使用 http://localhost:3000
访问
整个部署架构如下:
当程序部署完成后,我们可以使用 wrk 进行 demo app 接口批量请求:
wrk http://localhost:8080/v1/books
wrk http://localhost:8080/v1/books/1
复制代码
最后通过 http://localhost:3000
页面访问对应的统一看板:
细节说明
使用 Promethues Go SDK 导出 metrics
在 demo app 中,我们使用 Prometheus Go SDK 作为 Metrics 导出,这里没有 OpenTelmetry SDK 主要因为当前版本(v0.33.0)还不支持 Exemplar, 代码逻辑大致为:
func Metrics(metricPath string, urlMapping func(string) string) gin.HandlerFunc {
httpDurationsHistogram := prometheus.NewHistogramVec(prometheus.HistogramOpts{
Name: "http_durations_histogram_seconds",
Help: "Http latency distributions.",
Buckets: []float64{0.05, 0.1, 0.25, 0.5, 1, 2},
}, []string{"method", "path", "code"})
prometheus.MustRegister(httpDurationsHistogram)
return func(c *gin.Context) {
.....
observer := httpDurationsHistogram.WithLabelValues(method, url, status)
observer.Observe(elapsed)
if elapsed > 0.2 {
observer.(prometheus.ExemplarObserver).ObserveWithExemplar(elapsed, prometheus.Labels{
"traceID": c.GetHeader(api.XRequestID),
})
}
}
}
复制代码
使用 OTLP HTTP 导出 traces
使用 OTel SDK 进行 trace 埋点:
func (*MysqlBookService) Show(id string, ctx context.Context) (item *Book, err error) {
_, span := otel.Tracer().Start(ctx, "MysqlBookService.Show")
span.SetAttributes(attribute.String("id", id))
defer span.End()
// mysql qury random time duration
time.Sleep(time.Duration(rand.Intn(250)) * time.Millisecond)
err = db.Where(Book{Id: id}).Find(&item).Error
return
}
复制代码
使用 OLTP HTTP 进行导出:
func SetTracerProvider(name, environment, endpoint string) error {
serviceName = name
client := otlptracehttp.NewClient(
otlptracehttp.WithEndpoint(endpoint),
otlptracehttp.WithInsecure(),
)
exp, err := otlptrace.New(context.Background(), client)
if err != nil {
return err
}
tp := tracesdk.NewTracerProvider(
tracesdk.WithBatcher(exp),
tracesdk.WithResource(resource.NewWithAttributes(
semconv.SchemaURL,
semconv.ServiceNameKey.String(serviceName),
attribute.String("environment", environment),
)),
)
otel.SetTracerProvider(tp)
return nil
}
复制代码
结构化日志
这里我们使用 go.uber.org/zap
包进行结构化日志输出,并输出到 /var/log/app.log
文件,并在每个请求开始的时候,注入 traceID:
cfg := zap.NewProductionConfig()
cfg.OutputPaths = []string{"stderr", "/var/log/app.log"}
logger, _ := cfg.Build()
logger.With(zap.String("traceID", ctx.GetHeader(XRequestID)))
复制代码
使用 OTel Collector 进行 metric、trace 收集
因为 demo app 的 metrics 使用 Prometheus SDK 导出,所以 OTel Collector 需要使用 Prometheus recevier 进行抓取,然后我们再通过 Prometheus remotewrite 将数据 push 到 Mimir;而针对 traces,app 使用 OTLP HTTP 进行了导出,所有 Collector 需要用 OTP HTTP recevier 进行接收,最后再使用 OTLP gRPC 将数据 push 到 Tempo,对应配置如下:
receivers:
otlp:
protocols:
grpc:
http:
prometheus:
config:
scrape_configs:
- job_name: 'app'
scrape_interval: 10s
static_configs:
- targets: ['app:8080']
exporters:
otlp:
endpoint: tempo:4317
tls:
insecure: true
prometheusremotewrite:
endpoint: http://mimir:8080/api/v1/push
tls:
insecure: true
headers:
X-Scope-OrgID: demo
processors:
batch:
service:
pipelines:
traces:
receivers: [otlp]
processors: [batch]
exporters: [otlp]
metrics:
receivers: [prometheus]
processors: [batch]
exporters: [prometheusremotewrite]
复制代码
使用 OTel Collector Contrib 进行 log 收集
因为我们结构化日志输出到 /var/log/app.log
文件,所以这里使用 filelog
receiver 进行文件扫扫描,最后再经过 loki
exporter 进行导出,配置如下:
receivers:
filelog:
include: [/var/log/app.log]
exporters:
loki:
endpoint: http://loki:3100/loki/api/v1/push
tenant_id: demo
labels:
attributes:
log.file.name: "filename"
processors:
batch:
service:
pipelines:
logs:
receivers: [filelog]
processors: [batch]
exporters: [loki]
复制代码
以上就是有关 demo app 可观测性与 Grafana LGTM 技术栈集成的核心代码与配置,全部配置请参考 https://github.com/grafanafans/prometheus-exemplar 。
总结
本文我们通过一个简单的 Go 程序,导出了可观测性相关的遥测数据,其中包括 metrics、traces、logs, 然后统一由 OTel Collector 进行抓取,分别将三种遥测数据推送到 Grafana 的 Mimir、Tempo、Loki 进行存储,最后再通过 Grafana 统一看板进行 metrics、traces、logs 关联查询。
其关联为 Prometheus 的 exemplar 数据中的 traceID,通过该 traceID 可以查询相关日志和 trace。
更多文章,请关注我们公众号 【Grafana 爱好者】。
评论