西安优秀的集团门户网站建设,湖南高端网站制作公,wordpress可视化,wordpress栏目页面最近在尝试用 LGTM 来实现 Go 微服务的可观测性#xff0c;就顺便整理一下文档。
Tempo 会分为 4 篇文章#xff1a;
Tempo 的架构官网测试实操跑通gin 框架发送 trace 数据到 tempogo-zero 微服务框架使用发送数据到 tempo 根据官方文档实操跑起来 tempo#xff0c;中间根…最近在尝试用 LGTM 来实现 Go 微服务的可观测性就顺便整理一下文档。
Tempo 会分为 4 篇文章
Tempo 的架构官网测试实操跑通gin 框架发送 trace 数据到 tempogo-zero 微服务框架使用发送数据到 tempo 根据官方文档实操跑起来 tempo中间根据自己需要改了一些按照纯官网会有些跑不起来。
本文档用 docker-compose 启动单独启动组件的会在其他的文档描述。本文档主要目的在于用起来怎么用得好我现在也没研究太深。
所有本文档用到的配置文件均在zxmfke/lgtm: LGTM可观测性实战 (github.com)
git clone https://github.com/zxmfke/lgtm.git让架构告诉我们需要什么组件来完成
【GO】LGTM_Grafana_Tempo(1)—架构
第一篇讲了 tempo 的架构分为 DistributorIngesterQuierQuier FontendStroageCompatorMatrics Generator/Backend。Distributor 意味着输入所以得有个东西来发送 traces 数据。我们通过 github可以找到 grafana 用来测试的 k6-tracing(初次看到感觉就很吊)。 可能这个地方有些人会想好麻烦呀还要造数据又要写代码。但是这个步骤却又是很重要的一步相当于自测。开发前也应该要想要的我要怎么自测怎么测试我提供给别人的服务。 IngesterStorageComptor 组成(泛) 我们的 tmepo所以 tempo 肯定是必不可少的了。既然我们把数据发到tempo了那我们就得做存储为了测试所以就用 fs 来作为存储。数据存完tempo 提供 quier就表示我们可以查。Grafana 必然就是首选毕竟是其旗下因此 Grafana 也是需要的。最后一个Matrics 要记在哪里呢嗯还是得要 prometheus 用来监控。不过不开 matrics 的话也可以不用 prometheus。
这样本文档需要用到的所有组件就是grafanatempoprometheusk6-tracing。 文档使用镜像 grafanagrafana/grafana:10.1.0 tempografana/tempo:2.2.1 去 docker hub 上看 tempo 的 tag 都是仓库名commitid其实直接拉取 github 上面最新 release 版本就行 prometheusprom/prometheus:v2.46.0 k6-tracingghcr.io/grafana/xk6-client-tracing:v0.0.2 文档使用配置文件地址
都是在一个仓库可以直接 clone 下来等下直接 docker-compose 起就好
git clone https://github.com/zxmfke/lgtm.git组件配置文件说明及重点修改说明
针对我跑的过程中碰到的几个点简单说明下
grafana
grafana 的是 datasource 文件这个文件可以减少使用者手动配置 tempoprometheus 的步骤这个值得自己在开发的时候借鉴。主要就是配置 tempo 和 prometheus页面的配置也会在之后文档补上。 用 datasource 文件创建的 source在 grafana UI 上是不能编辑的只能通过文件改了。 tempo
server:http_listen_port: 3200 # tempo 监听端口distributor: # 配置的是允许接入哪些类型的 trace 数据xxxxxingester:xxxxxcompactor:xxxxxmetrics_generator: # 配置的是 metrics 的数据往哪里发主要就是写 promethus 的 URLregistry:external_labels:source: tempocluster: docker-composestorage:path: /tmp/tempo/generator/walremote_write:- url: http://promethus.ip:9090/api/v1/writesend_exemplars: truestorage:trace:backend: local # backend configuration to usewal:path: /tmp/tempo/wal # where to store the the wal locallylocal:path: /tmp/tempo/blocksoverrides:metrics_generator_processors: [service-graphs, span-metrics]有看过第一篇架构的朋友应该对配置文件里面的几个标题都很熟悉了。
解释(看的时候查的资料)
wal
“wal” 是指 Write-Ahead Log预写日志。Write-Ahead Log 是一种持久化数据的技术在系统发生崩溃或故障时可以确保数据的可靠性和一致性。对于 Tempo 来说“wal” 是一个配置项用于指定预写日志文件的位置和设置。
通过使用 Write-Ahead LogTempo 可以将跟踪数据持久化到磁盘以便在系统故障后能够恢复数据并保持数据的完整性。该日志文件记录了写入 Tempo 的跟踪数据的操作以及相关的元数据。这种方式可以确保即使在系统崩溃时跟踪数据也不会丢失并且可以在系统恢复后重新加载。
overrides
“overrides” 是用于覆盖默认配置的配置项。它允许您对 Tempo 的行为进行细粒度的定制以满足特定的需求和场景。
通过使用 “overrides” 配置项您可以在 Tempo 中针对某些特定的组件、服务或操作进行个性化配置。这些覆盖配置可以覆盖全局配置中的默认设置以便对特定组件或场景进行定制化设置。 Docker Compose YAML
# 如果有 git clone 的话直接 cd tempo/docker-compose/local 即可
wget https://github.com/zxmfke/lgtm/blob/main/tempo/docker-compose/local/docker-compose.yaml -O docker-compose.yamlversion: 3
services:tempo:image: grafana/tempo:2.2.1command: [ -config.file/etc/tempo.yaml ]volumes:- ./tempo.yaml:/etc/tempo.yaml- ./tempo-data:/tmp/tempoports:- 14268:14268 # jaeger ingest- 3200:3200 # tempo- 9095:9095 # tempo grpc- 4317:4317 # otlp grpc- 4318:4318 # otlp http- 9411:9411 # zipkink6-tracing:image: ghcr.io/grafana/xk6-client-tracing:v0.0.2environment:- ENDPOINTtempo:4317restart: alwaysdepends_on:- tempoprometheus:image: prom/prometheus:v2.46.0command:- --config.file/etc/prometheus.yaml- --web.enable-remote-write-receiver- --enable-featureexemplar-storagevolumes:- ./prometheus.yaml:/etc/prometheus.yamlports:- 9090:9090grafana:image: grafana/grafana:10.1.0volumes:- ./grafana-datasources.yaml:/etc/grafana/provisioning/datasources/datasources.yamlenvironment:- GF_FEATURE_TOGGLES_ENABLEtraceqlEditorports:- 3000:3000注意事项 tempo 的 ports 是根据配置文件中 distributor 来的开放哪些 receiver 就开哪些端口。 单点部署 tempo 的有一个很容易出错的地方docker run 的时候只知道开放 3200 端口以为 tempo 就起好了但是往里面发 traces 数据的时候又写不进去。 k6-tracing 是往 tempo 发数据所以必须得等 tempo 启动好 配置文件改动位置
grafana-dataresources.yaml
# 如果有 git clone 的话直接 cd tempo/docker-compose/local 即可
wget https://github.com/zxmfke/lgtm/blob/main/tempo/docker-compose/local/grafana-dataresources.yaml -O grafana-dataresources.yamlL9prometheus.ip改成部署的服务器IP
L20tempo.ip改成部署的服务器IP
prometheus.yaml
# 如果有 git clone 的话直接 cd tempo/docker-compose/local 即可
wget https://github.com/zxmfke/lgtm/blob/main/tempo/docker-compose/local/prometheus.yaml -O prometheus.yamlL11tempo.ip改成部署的服务器IP
tempo.yaml
# 如果有 git clone 的话直接 cd tempo/docker-compose/local 即可
wget https://github.com/zxmfke/lgtm/blob/main/tempo/docker-compose/local/tempo.yaml -O tempo.yamlL34promethus.ip改成部署的服务器IP 我是本地 docker-compose 起所以改的都是部署的服务器IP地址。后面部署在别的地方 或者用创建docker network都是可以的。 启动
docker-compose 的安装就不在这边描述了Install Docker Desktop on Debian | Docker Docs有完整的教程。
docker-compose up -d启动过程可能会出现如下画面 容器名称可能会不一样这个没关系。启动完成后执行 docker ps就可以看到我们想要启动的 4 个容器。 停止
docker-compose down页面访问
在通过之前描述k6-tracing 是定时往 tempo 里面发数据我们就来看一下 grafana 上面怎么看。
登入 grafana
浏览器请求 IP:3000访问 grafana 的主页。第一次登入的话账号密码是 admin/admin。 进入 explore 页面 选择一个 trace 查看 查看 service Graph
详细可看Service graph view | Grafana Tempo documentation Metrics
我们在 tempo 的配置项里面开启了 metrics_generator所以可以通过 explore 里面选择 prometheus 来当做数据源查看。在筛选器里面的 Metric 里面有非常多可选项。
