چگونه گرافانا قابلیت مشاهده را در دسترس قرار داد

اکنون ۱۰ ساله است، پروژه عشق منبع باز که قابلیت مشاهده را باز و قابل ترکیب کرد، همچنان زندگی را برای توسعه دهندگان ساده می کند.

مشاهده‌پذیری از یک پلت‌فرم تخصصی و رشته مهندسی قابلیت اطمینان سایت به یک بازار بزرگ در عصر “شما می‌سازید، شما آن را اجرا می‌کنید” تکامل یافته است. ده سال پس از سفر متن باز Grafana، این پروژه قابلیت مشاهده را برای مخاطبان زیادی از توسعه دهندگان در دسترس قرار داده است.

Grafana نمی توانست در زمان بهتری بیاید. هنگامی که ۱۰ سال پیش، تورکل اودگارد، خالق گرافانا، پروژه منبع باز خود را برای تجسم رفتار و عملکرد خدمات معرفی کرد، شرکت ها هنوز در حالت تطبیق بودند و سعی می کردند روش های مقیاس پذیر را برای عیب یابی تکثیر قطعات متحرکی که معماری های مبتنی بر میکروسرویس ها ایجاد کرده بودند کشف کنند. . سپیده دم عصر جدیدی بود که همانطور که ورنر ووگلز، مدیر ارشد فناوری آمازون در ۲۰۰۶، “شما آن را می سازید، اجرا می کنید.”

هیجان انگیز است؟ مطمئن. بغرنج؟ اوه، بله.

به هر حال، اگرچه تحویل مداوم و ریزسرویس‌ها به طور چشمگیری سرعت بخش «ساخت» آن معادله را افزایش می‌دادند، بخش «اجرای» انواع سؤالات پیچیده‌ای را درباره نحوه عیب‌یابی و حفظ این خدمات در تولید ایجاد کرد. همان طور که او در سال ۲۰۰۸ با “ستاره مرگ” معروف خود نشان داد، عبارت صمیمانه فوگلز تا چه حد در عمل پیچیده است. ” نمودار.

Grafana به عنوان راهی برای حل این وضعیت ستاره مرگ ظاهر شد، و اکنون، ۱۰ سال از تکامل آن می گذرد، به نظر می رسد Grafana حتی بهتر شود.

تولد یک پروژه منبع باز جدید

Ödegaard مهندس و معمار در eBay سوئد در آن دوران پر سر و صدا برای ریز خدمات و تحویل مداوم بود. تلاش‌های او برای مشاهده سیستم‌های در حال اجرا، او را به سمت Graphite، پایگاه داده سری‌های زمانی پیش‌فرض قبل از Prometheus سوق داد. دارای قابلیت های گرافیکی و پرس و جو داخلی و به طرز شگفت انگیزی غنی بود. اودگارد با کار با ابزارهایی مانند StatsD و سایر چارچوب‌های اندازه‌گیری، از آسانی ارسال معیارها به Graphite برای ترسیم آن‌ها شگفت‌زده شد. این یک زمین بازی جدید برای نظارت مؤثر بر خدمات در سراسر محیط های کوچک بود.

اودگارد گفت: “من فقط دوست داشتم که برنامه ها و خدمات را در زمان واقعی ببینم.” “توانایی تجسم رفتار و عملکرد سرویس، و همچنین معیارهای رفتار کاربر – و دیدن اینکه چگونه اینها در زمان واقعی و در طول زمان با ایجاد تغییرات تاثیر می‌گذارند – واقعا برای من متحول کننده بود.”

اما همانطور که برای سازندگان پروژه های متن باز معمول است، اودگارد به دیوار برخورد کرد. گرافیت یک مشکل بزرگ داشت: قابلیت استفاده. ایجاد پرس و جوها، نمودارها و داشبوردهای واقعی بسیار پیچیده بود. همچنین بد: نمودارها تعاملی نبودند. به این ترتیب، برای مثال، نمی‌توان به سادگی یک منطقه را برای بزرگ‌نمایی علامت‌گذاری کرد. با این حال، بلافاصله پس از آن، تیم eBay Ödegaard شروع به استفاده از Kibana کرد، یک ابزار منبع باز جدید برای مشاهده و جستجوی گزارش‌های ذخیره شده در Elasticsearch. همانطور که اودگارد آن را به خاطر می‌آورد، می‌گوید کیبانا بازی را برای تجسم و تجزیه و تحلیل گزارش متمرکز تغییر داد.

پرش بین توانایی‌ها و محدودیت‌های این دو ابزار به او الهام بخشید: چه می‌شد اگر کیبانا می‌توانست Graphite را جستجو کند و معیارهای سری زمانی را تجسم کند؟ فکر جالبی بود، اما بدون راه حل آسان. از این گذشته، Kibana کاملاً بر روی Elasticsearch به عنوان یک منبع داده متمرکز بود و نگهبانان پروژه منابع داده دیگری مانند Graphite را نمی‌خواستند.

این تمام انگیزه‌ای بود که اودگارد به آن نیاز داشت تا آن را پشت سر بگذارد و چشم‌اندازش را دنبال کند.

در ۵ دسامبر ۲۰۱۳، او شروع به اصلاح بیت‌های Kibana کرد، با تجسم نمودار بازی کرد و سعی کرد داده‌هایی را که از یک جستار Graphite به دست می‌آیند تجسم کند. اودگارد گفت: «راستش در زمان گم شدم چون روزها و هفته‌ها تقریباً بدون وقفه روی این پروژه پرشور کار می‌کردم. “من یادم نمی آید که بخورم، بنوشم یا بخوابم.” او Grafana v1 را در ژانویه ۲۰۱۴ منتشر کرد. رابط کاربری تمیز و زیبا، نمودارهای سریع و غنی، ویرایش آسان و رابط کاربری سازنده پرس و جو، و افزودن متغیرهای قالب داشبورد برای عمومی‌تر کردن داشبوردها و قابل استفاده‌تر کردن داشبوردها به چیزی که او فکر می‌کرد اضافه کرد. دیگران ممکن است بخواهند.

آنها انجام دادند.

از پرومتئوس تا تمامی داده های زیرساخت

Grafana در میان توسعه‌دهندگان، به‌علاوه تیم‌های توسعه‌دهنده و پلت‌فرم که با داده‌های سری زمانی کار می‌کنند، فوراً موفق شد. این به سرعت به موتور تجسم واقعی برای داده های نظارت پرومتئوس تبدیل شد. مطمئناً شروعی عالی بود، اما فناوری نوید خیلی بیشتری را می داد. در واقع، بزرگ‌ترین دلیلی که به‌طور چشمگیری شروع به کار کرد، معماری باز و مدل پلاگین آن بود، که به توسعه‌دهندگان اجازه می‌داد به راحتی همه داده‌های متفاوت خود را بدون محدود کردن به یک منبع داده یا قفل شدن در یک راه‌حل مشاهده‌پذیر اختصاصی، متصل و تجسم کنند. p>

اودگارد از این به عنوان فلسفه “چادر بزرگ” گرافانا یاد می کند و امروز نیز به هدایت پروژه ادامه می دهد.

این تصمیم برای ایجاد منبع داده‌ای چندگانه Grafana، مدل صنعت نظارتی که توسط بازیکنان اختصاصی اداره می‌شد، معکوس کرد و کاربران را مجبور کرد که داده‌های خود را در یک راه‌حل واحد بیاورند. جامعه Grafana از این مدل پلاگین برای ایجاد ۱۵۰ پلاگین منبع داده استفاده کرد که تقریباً هر فروشگاه داده محبوب را ضبط می کند، به کاربران اجازه می دهد داده های زیرساخت خود را از داخل یک ابزار منبع باز جستجو کنند و زبان جستجوی بومی را برای هر منبع داده به Grafana بیاورند. تجربه کنید.

این یکسان سازی داده ها، همراه با تأکید بر عدم اجبار توسعه دهندگان به یادگیری زبان های جستجوی جدید، به ارگونومی بسیار نرم تری برای توسعه دهندگان تبدیل شد. یکی از روش‌های تفکر در مورد این موضوع در زمینه «جهنم تب» یا تغییر زمینه است که هنگام پیگیری علل اصلی مشکلات در تولید و مجبور به عبور از ورود به منابع داده‌های متعدد و نظارت بر فروشندگان رخ می‌دهد. رویکرد Grafana توسعه دهندگان را از این جهنم آزاد کرد. نجات هرگز به این خوبی احساس نمی شد.

علاوه بر این، Grafana به طور فزاینده‌ای یک پیش‌فرض صنعتی برای متحد کردن «سه ستون» مشاهده‌پذیری است: گزارش‌ها، ردیابی‌ها و معیارها. در طول سال‌ها، گرافانا به‌طور تدریجی انتهای پشتی مقیاس‌پذیر را برای لاگ‌ها (Loki)، ردیابی‌ها (Grafana Tempo) و متریک‌ها (Mimir) معرفی کرده است که منجر به پشته «LGTM» شده است. در این فرآیند، Grafana توسعه‌دهندگان را از درک نحوه ایستادن و کوچک‌سازی قسمت‌های پشتی این منابع داده‌های قابل مشاهده آزاد کرده است.

برای اکثر مسائل، شما واقعاً به هر سه نوع تله متری برای مشاهده کامل نیاز دارید. به عنوان مثال، اگر فقط معیارها و گزارش‌ها دارید، ممکن است بدانید که چرا اشتباه است و چه چیزی اشتباه بوده است، اما اگر این مشکل از پایگاه داده است، همچنان به ردیابی نیاز دارید تا ببینید کجا اشتباه شده است. با امکان پرس و جو و همبستگی همه این انواع تله متری از یک دیدگاه، Grafana بیش از حد بار شناختی را کاهش می دهد.

۲۰ میلیون کاربر بعدا

بر اساس IDC، امروزه بازار قابلیت مشاهده در مسیر رسیدن به ۹ میلیارد دلار تا سال ۲۰۲۵ است. گرافانا در ۱۰ سالگرد ایجاد خود، از ۲۰ میلیون کاربر در جامعه توسعه دهندگان خود در سراسر جهان عبور کرده است. امروزه موارد استفاده Grafana فراتر از نظارت بر برنامه و زیرساخت است. قابلیت‌های تجسم و ساده‌سازی یکپارچه‌سازی فروشگاه‌های داده متفاوت، Grafana را در پروژه‌های دانشجویی، بازی‌های ویدیویی و اخیراً مرکز کنترل SpaceX قرار داده است.

با محبوبیت Grafana، Grafana Labs، شرکت Ödegaard و حامی اصلی شرکت Grafana، نیز خود را در موقعیت حسادت‌آوری یافت که توسط همه ابر مقیاس‌کننده‌های ابری مورد توجه قرار می‌گیرد. Grafana Labs روابط قوی با AWS، Microsoft Azure، Tencent، Alibaba و Google Cloud ایجاد کرده است، که همگی از طریق شراکت رسمی، پیشنهادات Grafana را دارند. AWS در واقع اولین بود (که من در زمانی که برای AWS کار می کردم در مورد نوشتم)، و Grafana اعتبار زیادی برای AWS قائل است. از زمان ایجاد همکاری با AWS چند سال پیش، آن‌ها آن را گسترش دادند تا مشتریان AWS اکنون بتوانند کل Grafana Cloud LGTM Stack و موارد بیشتری را از طریق AWS Marketplace در زیرساخت‌های خود اجرا کنند.

اودگارد گفت: “ایده مشاهده پذیری منفجر شده است زیرا در نهایت در سطحی صحبت می کند که فراتر از نظارت یا عملکرد برنامه است.” “این در مورد درک وضعیت فعلی عملیات است. این یک مفهوم متحد است.”

بدون شک در GrafanaCon در سوئد این هفته، اودگارد و تیمش از یک میزبان قابلیت‌های Grafana 10 جدید به ارتقای سطح تجربه توسعه دهندگان برای تجسم داده های مشاهده پذیری ادامه دهید. این همان کاری است که اودگارد و جامعه در حال رشد گرافانا برای یک دهه در حال حاضر بدون هیچ نشانه ای از کاهش سرعت انجام می دهند.