statsd

Exceptionless 5.0.0 本地Docker快速部署介绍

旧时模样 提交于 2021-02-16 05:42:02
在之前我有专门写两篇文章介绍过 Exceptionless这款开源日志项目的使用和部署 ,但是当时是基于4.1.0版本(2017年的release),时隔两年多Exceptionless也推出了5.0.0版本。 一、关于Exceptionless 5.0.0   Exceptionless 是一个开源的实时的好用的日志收集框架,它将日志收集变得简单易用并且不需要了解太多的相关技术细节及配置。但是之前的版本将其Web和API绑定在了Windows平台通过IIS运行,对于已经步入云原生时代的我们显得有点格格不入。5.0.0的发布解决了这一痛点,其最大的变化就是基于ASP.NET Core重写并支持跨平台,也就是说当初我们设想的要是能够基于Docker部署在Linux服务器下就更好了的愿望已经实现了,在此真心 感谢Exceptionless项目的各位贡献者 。本文就Exceptionless 5.0.0版本介绍一下快速地部署开发环境和生产环境,相信对有兴趣的朋友会有一点帮助。   至此我也可以将我们之前的Exceptionless从Windows Server迁移到Linux上了! 二、快速本地部署步骤 2.1 安装Docker 18.09+   由于Exceptionless 5.0.0的一个前置要求是Docker版本(CE)在18.09及以上,因此我们需要安装一个18.09

牛逼了| 从0到1 搭建Web性能监控系统

大憨熊 提交于 2020-11-21 15:02:53
本文原文2017年首发在我的个人博客 www.ipengtao.com ,今天想到后续文章可能会提及,提前给大家分享一下,方便提及的时候大家有印象。 之前给研发团队简单做了一次技术分享,主要讲了为什么我们要自己做监控,监控的指标维度,监控基本流程及常见监控工具介绍,最后如何从零快速开始搭建一套自己的监控工具,更多请在「涛哥聊Python」后台回复「 PPT 」。 工具介绍 1. Statsd 是一个使用Node开发网络守护进程,它的特点是通过UDP(性能好,及时挂了也不影响主服务)或者TCP来监听各种数据信息,然后发送聚合数据到后端服务进行处理。常见支持的「Graphite」,「ElasticaSearch」,「InfluxDB」 等等 ,它集成了各种语言的客户端API,这里我们使用了jsocol/pystatsd: A Python client for statsd进行数据收集。 2. Graphite 是一套Python写的开源编程接口,主要是用来收集服务器的及时状态,在这里主要作为statsd的数据后端。分为了三个子项目 - carbon 守护进程,接收StatsD发送过来的原始统计数据。 - whisper 用来存储统计数据 的时间序列数据库。 - graphite webapp 用来图形化展示统计数据的web项目 3. Grafana 使用Go开发

decops实践

泪湿孤枕 提交于 2020-08-12 10:10:54
总览 将 DevOps 实施的过程分为了这么几个步骤: 建立愿景与方向 度量:组织、系统现状 准入条件 。查看是否满足实施 DevOps 的准入条件。 探索可行方案 。即 MVP 尝试 MVP 。一次快速的 DevOps 过程和结果的 showcase。 精细的 DevOps 实施 回顾优化 规模化 DevOps 落地 对应的在手册中,还包含了 附录 1:移动应用的自动化测试 附录 2:可信软件系统 10 要素 附录 3:基本概念 建立愿景与方向 启动会议 利益相关者会议 业务关注点 组成部分标题 内容 问题 为什么对组织来说引入 DevOps 实践是有好处的? 成本 引入 DevOps 实践的预期成本是什么? 干系人影响 对内部和外部干系人的影响是什么? 风险和缓解 与引入 DevOps 实践相关联的组织和技术风险是什么?如何减缓这些风险? 推出计划 推出 DevOps 的实践计划是什么? 成功标准 我们如何知道 DevOps 实践的引入是成功的 ? —— 《DevOps 架构师行动指南》 识别目标和现状 自评 差距分析 确认团队 优先选择优秀的团队? 设立里程碑 时间节点-团队-活动-产出表 落地策略 DevOps 转型策略 自行落地 1. 组织层级解决跨团队协作 2. 建立 DevOps 知识库 顺带一提,Ledge 已经成为了多个 DevOps

Elastic Stack

我们两清 提交于 2020-08-11 23:52:14
Logstash https://www.elastic.co/cn/logstash 集中、转换和存储数据 Logstash 是免费且开放的服务器端数据处理管道,能够从多个来源采集数据,转换数据,然后将数据发送到您最喜欢的“存储库”中。 Logstash is an open source data collection engine with real-time pipelining capabilities. Logstash can dynamically unify data from disparate sources and normalize the data into destinations of your choice. Cleanse and democratize all your data for diverse advanced downstream analytics and visualization use cases. How Logstash Works https://www.elastic.co/guide/en/logstash/current/pipeline.html#pipeline The Logstash event processing pipeline has three stages: inputs → filters

Exceptionless 5.0.0 本地Docker快速部署介绍

拥有回忆 提交于 2020-05-09 06:38:37
在之前我有专门写两篇文章介绍过 Exceptionless这款开源日志项目的使用和部署 ,但是当时是基于4.1.0版本(2017年的release),时隔两年多Exceptionless也推出了5.0.0版本。 一、关于Exceptionless 5.0.0   Exceptionless 是一个开源的实时的好用的日志收集框架,它将日志收集变得简单易用并且不需要了解太多的相关技术细节及配置。但是之前的版本将其Web和API绑定在了Windows平台通过IIS运行,对于已经步入云原生时代的我们显得有点格格不入。5.0.0的发布解决了这一痛点,其最大的变化就是基于ASP.NET Core重写并支持跨平台,也就是说当初我们设想的要是能够基于Docker部署在Linux服务器下就更好了的愿望已经实现了,在此真心 感谢Exceptionless项目的各位贡献者 。本文就Exceptionless 5.0.0版本介绍一下快速地部署开发环境和生产环境,相信对有兴趣的朋友会有一点帮助。   至此我也可以将我们之前的Exceptionless从Windows Server迁移到Linux上了! 二、快速本地部署步骤 2.1 安装Docker 18.09+   由于Exceptionless 5.0.0的一个前置要求是Docker版本(CE)在18.09及以上,因此我们需要安装一个18.09

Exceptionless 5.0.0 本地Docker快速部署介绍

匆匆过客 提交于 2020-05-08 15:37:41
在之前我有专门写两篇文章介绍过 Exceptionless这款开源日志项目的使用和部署 ,但是当时是基于4.1.0版本(2017年的release),时隔两年多Exceptionless也推出了5.0.0版本。 一、关于Exceptionless 5.0.0   Exceptionless 是一个开源的实时的好用的日志收集框架,它将日志收集变得简单易用并且不需要了解太多的相关技术细节及配置。但是之前的版本将其Web和API绑定在了Windows平台通过IIS运行,对于已经步入云原生时代的我们显得有点格格不入。5.0.0的发布解决了这一痛点,其最大的变化就是基于ASP.NET Core重写并支持跨平台,也就是说当初我们设想的要是能够基于Docker部署在Linux服务器下就更好了的愿望已经实现了,在此真心 感谢Exceptionless项目的各位贡献者 。本文就Exceptionless 5.0.0版本介绍一下快速地部署开发环境和生产环境,相信对有兴趣的朋友会有一点帮助。   至此我也可以将我们之前的Exceptionless从Windows Server迁移到Linux上了! 二、快速本地部署步骤 2.1 安装Docker 18.09+   由于Exceptionless 5.0.0的一个前置要求是Docker版本(CE)在18.09及以上,因此我们需要安装一个18.09

Unknown number of metrics received with statsd and graphite

扶醉桌前 提交于 2020-01-05 08:48:24
问题 I'm trying to gather some data on the performance of graphite and the carbon daemon. Luckily for me the carbon daemon reports to graphite every 60 seconds with some stats on its workings such as the number of metrics received. I'm using statsd to aggregate stats and flush them to the carbon daemon every second, but noticed some weird behavior when setting up to show the number of metrics received in a certain time interval. I'm using grafana to connect to my Graphite instance and pull data

Migrating from graphite to graph-explorer

痴心易碎 提交于 2020-01-05 02:49:23
问题 The graphite-webapp does not encourage ad-hoc graphing. Graphiti et al are just fancy UIs that, while improve UI-UX, do not do much regarding the inherent linear metric search that plagues the graphite-webapp. Correct me if wrong here, but the only option I came across that encourages ad-hoc graphing has been Graph-Explorer. Assuming, that Graph-Explorer is the only way ahead. I have some 1000 distinct metrics currently. Named in the following fashion- stats.beta.pluto.ip-10-0-1-81.helios.pa

Fabric区块链基于Prometheus和StatsD的运维监控

梦想的初衷 提交于 2019-12-27 19:16:06
【推荐】2019 Java 开发者跳槽指南.pdf(吐血整理) >>> Hyperledger Fabric是强调运维的区块链,Fabric自1.4版本开始就包含了用于peer和orderer节点运维的特性。本教程将介绍如何配置Fabric网络节点的运维管理服务,以及如何使用Prometheus和statsD/Graphite来可视化监控Hyperledger Fabric网络中各节点的实时运行指标。 相关教程: Fabric区块链Java开发详解 | Fabric区块链Node.JS开发详解 1、配置Hyperledger Fabric节点的运维服务 Hyperledger Fabric 1.4提供了如下的特性用于peer和orderer节点的运维服务API: 日志等级管理:/logspec 节点健康检查:/healthz 运行监控指标:/metrics 配置Fabric区块链节点的运维服务虽然不是尖端的火箭科技,但是如果你漏掉了某些细节也会觉得不那么容易。 首先修改core.yaml来配置peer节点的运维服务,主要包括监听地址的配置和TLS的配置(我们先暂时禁用这部分)。 用编辑器打开core.yaml: $ vi ~/fabric-samples/config/core.yaml 下图显示了peer节点的运维服务监听地址 listenAddress 的默认值:

How to set up StatsD (along with Grafana & Graphite) as backend for Kamon?

狂风中的少年 提交于 2019-12-25 06:38:55
问题 I want to track Akka actor's metrics and for that I am using Kamon a JVM monitoring tool, which requires a backend service to post it's stats data so for this purpose I've decided to use open source StatsD with the combination of Grafana & Graphite. Here is the Grafana image which I ran in the docker (with the help of docker tool since I am on Mac), everything thing is working fine. I am able to see Grafana UI screen but its showing some random data in the graphs, may be these are example