Prometheus & Grafana Overvågning

Hvad bruges Prometheus & Grafana Overvågning til? Prometheus og Grafana bruges sammen til at opdage og undersøge problemer i servere, applikationer og cloudmiljøer. Prometheus indsamler og gemmer målinger over tid. Grafana gør målingerne forståelige i dashboards og kan bruges til alarmering.

Prometheus arbejder med metrics. Det er numeriske målinger som CPU-belastning, hukommelsesforbrug, ledig diskplads, antal requests, svartider, fejlrate, kølængder og databaseforbindelser. Målingerne gemmes som tidsserier, så man kan se både den aktuelle tilstand og udviklingen over tid.

Prometheus henter normalt metrics fra systemernes HTTP-endpoints. Hvis et eksisterende system ikke selv udstiller Prometheus-metrics, kan en exporter oversætte systemets data til Prometheus-format. Node Exporter bruges eksempelvis til målinger fra Linux-servere, mens Blackbox Exporter kan kontrollere tjenester udefra.

PromQL er Prometheus' eget forespørgselssprog. Det bruges til at udvælge, kombinere og beregne på metrics. En specialist kan eksempelvis spørge efter fejlrate for en bestemt tjeneste, svartider på tværs af instanser eller udviklingen i ressourceforbrug.

Grafana forbindes til Prometheus som en datakilde. Her bygges dashboards, som samler de vigtigste målinger for en applikation, Kubernetes-platform eller serverpark. Grafana kan også forbinde til andre datakilder. Det gør det muligt at samle metrics med eksempelvis logs og andre observability-data i samme brugerflade.

Alarmer er en central del af opsætningen. Prometheus kan evaluere alerting rules og sende aktive alarmer til Alertmanager. Alertmanager grupperer, filtrerer og videresender notifikationer til relevante modtagere. Grafana har samtidig sit eget Grafana Alerting, som kan oprette alarmer på tværs af understøttede datakilder.

Målet er ikke bare at vise flotte grafer. Overvågningen skal opdage forhold, som kan udvikle sig til driftsproblemer. Det kan være stigende svartider, mange applikationsfejl, en disk der nærmer sig fuld kapacitet eller en tjeneste, som ikke længere svarer.

Prometheus og Grafana er særligt udbredt i cloud-native miljøer med Kubernetes og microservices, men kan også overvåge traditionelle Linux-servere, databaser, netværkstjenester og egne applikationer.

Hvem bruger Prometheus & Grafana Overvågning? Prometheus og Grafana bruges især af DevOps Engineers, Site Reliability Engineers, Platform Engineers, Cloud Engineers, systemadministratorer og softwareudviklere med ansvar for produktion.

I større organisationer bruges værktøjerne også af Network Operations, databasefolk og andre tekniske driftsteams. Udviklingsteams bruger dashboards til at se, hvordan deres egne tjenester opfører sig efter en release, mens et centralt platformteam ofte driver selve overvågningsplatformen.

SaaS-virksomheder bruger typisk Prometheus og Grafana til at følge applikationers tilgængelighed, fejlrate og svartider. Virksomheder med Kubernetes bruger løsningen til både workloads og underliggende clusterressourcer. Traditionelle driftsmiljøer kan bruge exporters til servere, databaser og andre infrastruktursystemer.

Kombinationen er også relevant i virksomheder, hvor overvågningen skal kobles til vagtordninger og incident management. Her er dashboards alene ikke nok. Alerting, routing og klare signaler om, hvornår mennesker faktisk skal reagere, bliver en vigtig del af løsningen.

Prometheus og Grafana kan både drives af virksomheden selv og indgå i managed observability-platforme. Grafana Labs tilbyder eksempelvis Grafana Cloud, mens Prometheus-formatet understøttes af flere cloud- og observability-tjenester.

Typiske opgaver for en specialist i Prometheus & Grafana Overvågning En typisk specialistopgave er at etablere overvågning fra bunden. Specialisten identificerer først de systemer, der skal overvåges, og beslutter hvilke metrics der faktisk fortæller noget om drift og brugeroplevelse. Derefter sættes Prometheus targets, service discovery, exporters, dashboards og alarmer op.

Kubernetes-monitorering er en almindelig opgave. Her skal metrics fra både cluster, noder og applikationer samles, uden at dashboards og alarmer bliver fyldt med unødvendige signaler. Dynamiske workloads gør korrekt service discovery og labels særligt vigtige.

Applikationsinstrumentering kræver ofte en specialist. Standardmålinger fra serveren kan vise, at CPU-forbruget er højt, men ikke nødvendigvis hvorfor kunderne oplever fejl. Udviklerne kan derfor tilføje Prometheus client libraries til applikationen og udstille metrics for eksempelvis requests, fejl, svartider og interne forretningsprocesser.

PromQL-fejlsøgning og dashboarddesign er et andet område. Et dashboard kan teknisk set fungere og stadig være svært at bruge under et nedbrud. Specialisten udvælger relevante målinger, skriver PromQL-queries og bygger visninger, der gør det hurtigt at se, hvilken service eller ressource der har ændret adfærd.

Alert tuning fylder meget i modne miljøer. Hvis enhver mindre afvigelse sender en alarm, får driftsteamet hurtigt for mange notifikationer. Hvis grænserne er for løse, opdages reelle problemer for sent. Specialisten arbejder derfor med alerting rules, grouping, routing, silences og inhibition i Alertmanager eller med tilsvarende funktioner i Grafana Alerting.

En særlig Prometheus-fejl er for høj cardinality. Hver unik kombination af labels skaber en ny tidsserie. Labels som bruger-id'er, e-mailadresser eller andre næsten ubegrænsede værdier kan derfor skabe meget store mængder data og gøre overvågningen dyr eller langsom. Specialisten finder sådanne metrics og redesigner labels eller instrumentation.

Performanceproblemer kan også skyldes dyre PromQL-queries eller dashboards, der gentager tunge beregninger. Recording rules kan bruges til at beregne ofte anvendte resultater på forhånd, så dashboards og alarmer ikke behøver udføre den samme komplekse beregning igen og igen.

Grafana-standardisering er relevant, når mange teams bruger platformen. Data sources, dashboards og andre dele af konfigurationen kan provisioneres som kode. Det gør opsætningen versionsstyret og lettere at reproducere på tværs af miljøer i stedet for at være afhængig af manuelle ændringer i brugerfladen.

Migration er også en typisk opgave. Virksomheder kan flytte fra traditionelle overvågningsplatforme til Prometheus og Grafana eller fra en lokal installation til en managed løsning. Her skal eksisterende checks, dashboards, alarmer, retentionbehov, integrationspunkter og vagtprocesser gennemgås. En direkte kopi af gamle alarmer giver sjældent den bedste nye løsning.

Specialister bliver også hentet ind, når der allerede findes Prometheus og Grafana, men ingen længere stoler på overvågningen. Det kan skyldes manglende metrics, alarmer der ikke udløses, døde scrape targets, uforståelige dashboards, for mange notifikationer eller dashboards, der viser andre tal end driftsteamet forventer.

Hvordan lærer man Prometheus & Grafana Overvågning? Prometheus' officielle dokumentation er det naturlige udgangspunkt. First steps with Prometheus gennemgår installation, konfiguration og den første indsamling af metrics. Derefter er dokumentationen om PromQL, exporters, instrumentation og alerting central.

PromQL bør læres praktisk. Det er svært at blive god til Prometheus uden at kunne arbejde med tidsserier, labels, rates og aggregeringer. Den officielle Prometheus-dokumentation har både grundlæggende query-dokumentation og best practices for metrics og labels.

Grafana Labs har officielle tutorials og dokumentation. Grafana fundamentals gennemgår blandt andet dataudforskning, dashboards og alerts i et praktisk miljø. Dokumentationen om data sources, dashboards, Grafana Alerting og provisioning er derefter relevant for produktionsopsætninger.

En god øvelse er at overvåge en lille applikation og en server. Tilføj Node Exporter, lad Prometheus hente målingerne og forbind Grafana til Prometheus. Byg derefter et dashboard, skriv PromQL-queries og lav en alarm på et konkret driftsproblem. Det giver forståelse for hele kæden fra metric til handling.

Monitoring Systems and Services with Prometheus, LFS241, er Linux Foundations officielle Prometheus-kursus. Det behandler blandt andet observability, Prometheus-opsætning, querying, dashboarding, host metrics, containermonitorering, instrumentation og exporters.

Prometheus Certified Associate, PCA, udbydes gennem Cloud Native Computing Foundation og Linux Foundation. Certificeringen validerer grundlæggende viden om observability, Prometheus, PromQL, instrumentation, exporters, alerting og dashboards. Den er den mest direkte produktspecifikke certificeringsvej for Prometheus.

For Grafana er Grafana Labs' egen dokumentation, tutorials og Learning Hub centrale læringsressourcer. I praksis bør en Grafana-specialist kunne mere end at tegne dashboards. Kompetencen omfatter datakilder, queries, variables, alerting, provisioning og sammenhængen mellem metrics, logs og andre observability-signaler.