Introduzione alla raccolta di dati con deployment automatico

Questo documento descrive come configurare Google Cloud Managed Service per Prometheus con la raccolta di cui è stato eseguito il deployment autonomo. Un'applicazione di esempio viene dispiattata in un cluster Kubernetes e monitorata da un server Prometheus che memorizza le metriche raccolte in Monarch.

Questo documento illustra come:

  • Configura l'ambiente e gli strumenti a riga di comando.
  • Configura un account di servizio per la federazione delle identità per i carichi di lavoro per i cluster GKE abilitati.
  • Esegui il file binario Prometheus drop-in su Kubernetes.
  • Controlla quali metriche vengono importate in Managed Service per Prometheus.
  • Integra Managed Service per Prometheus con le configurazioni di prometheus-operator.
  • Compila ed esegui manualmente il programma binario Prometheus.

Con la raccolta dei dati di cui è stato eseguito il deployment autonomo, gestisci l'installazione di Prometheus come sempre. L'unica differenza è che esegui il programma binario di sostituzione plug-in di Managed Service per Prometheus,gke.gcr.io/prometheus-engine/prometheus:v2.45.3-gmp.9-gke.0, anziché il programma binario di Prometheus a monte.

Il file binario drop-in fornisce opzioni di configurazione aggiuntive con i flag --export.*. Per ulteriori informazioni, consulta l'output dell'opzione --help. Questo documento illustra le opzioni più importanti.

Il servizio gestito per Prometheus non supporta l'esportazione delle metriche da un server di federazione o da un server utilizzato come destinatario di scrittura remota. Puoi riprodurre tutte le funzionalità del server di federazione, inclusa la riduzione del volume di importazione aggregando i dati prima di inviarli a Monarch, utilizzando filtri e aggregazioni locali.

Lo streaming dei dati in Managed Service per Prometheus consuma risorse aggiuntive. Se esegui il deployment autonomo dei collector, ti consigliamo di aumentare i limiti di CPU e memoria di 5 volte e di regolarli in base all'utilizzo effettivo.

Per ulteriori informazioni sulla raccolta dei dati gestita e con deployment automatico, consulta Raccolta dei dati con Managed Service per Prometheus.

Prima di iniziare

Questa sezione descrive la configurazione necessaria per le attività descritte in questo documento.

Configurare progetti e strumenti

Per utilizzare Google Cloud Managed Service per Prometheus, sono necessarie le seguenti risorse:

  • Un progetto Google Cloud con l'API Cloud Monitoring abilitata.

    • Se non hai un progetto Google Cloud, segui questi passaggi:

      1. Nella console Google Cloud, vai a Nuovo progetto:

        Creare un nuovo progetto

      2. Nel campo Nome progetto, inserisci un nome per il progetto, quindi fai clic su Crea.

      3. Vai a Fatturazione:

        Vai a Fatturazione

      4. Seleziona il progetto appena creato se non è già selezionato nella parte superiore della pagina.

      5. Ti viene chiesto di scegliere un profilo pagamenti esistente o di crearne uno nuovo.

      L'API Monitoring è abilitata per impostazione predefinita per i nuovi progetti.

    • Se hai già un progetto Google Cloud, assicurati che l'API Monitoring sia abilitata:

      1. Vai ad API e servizi:

        Vai ad API e servizi

      2. Seleziona il progetto.

      3. Fai clic su Abilita API e servizi.

      4. Cerca "Monitoraggio".

      5. Nei risultati di ricerca, fai clic su "API Cloud Monitoring".

      6. Se non viene visualizzato il messaggio "API abilitata", fai clic sul pulsante Attiva.

  • Un cluster Kubernetes. Se non hai un cluster Kubernetes, segui le istruzioni riportate nella guida rapida per GKE.

Sono inoltre necessari i seguenti strumenti a riga di comando:

  • gcloud
  • kubectl

Gli strumenti gcloud e kubectl fanno parte dellGoogle Cloud CLI. Per informazioni sull'installazione, consulta Gestire i componenti dell'interfaccia a riga di comando Google Cloud. Per visualizzare i componenti gcloud CLI che hai installato, esegui il seguente comando:

gcloud components list

Configura il tuo ambiente

Per evitare di inserire ripetutamente l'ID progetto o il nome del cluster, esegui la seguente configurazione:

  • Configura gli strumenti a riga di comando come segue:

    • Configura gcloud CLI in modo che faccia riferimento all'ID del tuo progetto Google Cloud:

      gcloud config set project PROJECT_ID

    • Configura l'interfaccia a riga di comando kubectl in modo da utilizzare il cluster:

      kubectl config set-cluster CLUSTER_NAME

    Per ulteriori informazioni su questi strumenti, consulta quanto segue:

Configura uno spazio dei nomi

Crea lo spazio dei nomi Kubernetes NAMESPACE_NAME per le risorse che crei nell'ambito dell'applicazione di esempio:

kubectl create ns NAMESPACE_NAME

Verifica le credenziali dell'account di servizio

Puoi saltare questa sezione se nel tuo cluster Kubernetes è attivata la federazione delle identità per i carichi di lavoro per GKE.

Quando viene eseguito su GKE, Managed Service per Prometheus recupera automaticamente le credenziali dall'ambiente in base all'account di servizio predefinito di Compute Engine. L'account di servizio predefinito ha le autorizzazioni necessarie, monitoring.metricWriter e monitoring.viewer, per impostazione predefinita. Se non utilizzi la federazione delle identità di lavoro per GKE e hai precedentemente rimosso uno di questi ruoli dall'account di servizio del nodo predefinito, dovrai aggiungere di nuovo le autorizzazioni mancanti prima di continuare.

Se non esegui l'operazione su GKE, consulta Fornire le credenziali in modo esplicito.

Configura un account di servizio per Workload Identity Federation for GKE

Puoi saltare questa sezione se nel tuo cluster Kubernetes non è attivata la federazione delle identità per i carichi di lavoro per GKE.

Managed Service per Prometheus acquisisce i dati delle metriche utilizzando l'API Cloud Monitoring. Se il tuo cluster utilizza la federazione delle identità per i carichi di lavoro per GKE, devi concedere all'account di servizio Kubernetes l'autorizzazione all'API Monitoring. Questa sezione descrive quanto segue:

Crea e associa l'account di servizio

Questo passaggio viene visualizzato in diversi punti della documentazione di Managed Service per Prometheus. Se hai già eseguito questo passaggio nell'ambito di un'attività precedente, non devi ripeterlo. Vai a Autorizzare l'account di servizio.

La seguente sequenza di comandi crea l'account di servizio gmp-test-sa e lo associa all'account di servizio Kubernetes predefinito nello spazio dei nomi NAMESPACE_NAME:

gcloud config set project PROJECT_ID \
&&
gcloud iam service-accounts create gmp-test-sa \
&&
gcloud iam service-accounts add-iam-policy-binding \
  --role roles/iam.workloadIdentityUser \
  --member "serviceAccount:PROJECT_ID.svc.id.goog[NAMESPACE_NAME/default]" \
  gmp-test-sa@PROJECT_ID.iam.gserviceaccount.com \
&&
kubectl annotate serviceaccount \
  --namespace NAMESPACE_NAME \
  default \
  iam.gke.io/gcp-service-account=gmp-test-sa@PROJECT_ID.iam.gserviceaccount.com

Se utilizzi uno spazio dei nomi o un account di servizio GKE diverso, aggiusta i comandi di conseguenza.

Autorizza l'account di servizio

I gruppi di autorizzazioni correlate vengono raccolti in ruoli e li concedi a un entità, in questo esempio l'account di servizio Google Cloud. Per ulteriori informazioni sui ruoli di monitoraggio, consulta Controllo dell'accesso.

Il seguente comando concede all'account di servizio Google Cloud gmp-test-sa i ruoli dell'API Monitoring di cui ha bisogno per scrivere i dati delle metriche.

Se hai già concesso all'account di servizio Google Cloud un ruolo specifico nell'ambito di un'attività precedente, non devi ripetere l'operazione.

gcloud projects add-iam-policy-binding PROJECT_ID\
  --member=serviceAccount:gmp-test-sa@PROJECT_ID.iam.gserviceaccount.com \
  --role=roles/monitoring.metricWriter

Eseguire il debug della configurazione di Workload Identity Federation for GKE

Se hai difficoltà a far funzionare Workload Identity Federation per GKE, consulta la documentazione per la verifica della configurazione di Workload Identity Federation per GKE e la guida alla risoluzione dei problemi di Workload Identity Federation per GKE.

Poiché gli errori ortografici e i copia e incolla parziali sono le fonti di errori più comuni durante la configurazione della federazione delle identità per i carichi di lavoro per GKE, ti consigliamo vivamente di utilizzare le variabili modificabili e le icone di copia e incolla cliccabili incorporate negli esempi di codice in queste istruzioni.

Workload Identity Federation for GKE negli ambienti di produzione

L'esempio descritto in questo documento lega l'account di servizio Google Cloud all'account di servizio Kubernetes predefinito e concede all'account di servizio Google Cloud tutte le autorizzazioni necessarie per utilizzare l'API Monitoring.

In un ambiente di produzione, ti consigliamo di utilizzare un approccio più granulare, con un account di servizio per ogni componente, ciascuno con autorizzazioni minime. Per ulteriori informazioni sulla configurazione degli account di servizio per la gestione delle identità dei carichi di lavoro, consulta Utilizzare la federazione delle identità per i carichi di lavoro per GKE.

Configurare la raccolta con deployment autonomo

Questa sezione descrive come configurare ed eseguire un'applicazione di esempio che utilizza la raccolta di cui è stato eseguito il deployment autonomo.

Esegui il deployment dell'applicazione di esempio

L'applicazione di esempio emette la metrica del contatore example_requests_total e la metrica dell'istogramma example_random_numbers (tra le altre) sulla porta metrics. Il file manifest per l'applicazione definisce tre repliche.

Per eseguire il deployment dell'applicazione di esempio, esegui il seguente comando:

kubectl -n NAMESPACE_NAME apply -f https://raw.githubusercontent.com/GoogleCloudPlatform/prometheus-engine/v0.13.0/examples/example-app.yaml

Esegui il programma binario Prometheus sostitutivo

Per importare i dati delle metriche emessi dall'applicazione di esempio, esegui il deployment della versione forkata di Google del server Prometheus, che è configurata per eseguire lo scraping delle metriche del workload e del proprio endpoint delle metriche.

  1. Per eseguire il deployment del server sottoposto a fork, esegui il seguente comando:

    kubectl -n NAMESPACE_NAME apply -f https://raw.githubusercontent.com/GoogleCloudPlatform/prometheus-engine/v0.13.0/examples/prometheus.yaml

    Questo server Prometheus di cui è stato eseguito il deployment è un fork sottile del codice binario di Prometheus upstream. Si comporta come un server Prometheus standard, ma consente anche di importare i dati in Managed Service per Prometheus.

    Il manifest riportato sopra fornisce un esempio di funzionamento di base che invia i dati al datastore globale Monarch. Non archivia in modo permanente una copia locale dei dati. Per informazioni su come funziona questa configurazione predefinita e su come estenderla, consulta la documentazione di configurazione di Prometheus open source.

    L'immagine predefinita funziona solo sui nodi Linux. Per eseguire lo scraping dei target in esecuzione su nodi Windows, esegui il deployment del server su un nodo Linux e configuralo per eseguire lo scraping degli endpoint sui nodi Windows oppure crea autonomamente il file binario per Windows.

  2. Verifica che i pod per il server Prometheus e l'applicazione di esempio siano stati dipioyed correttamente:

    kubectl -n NAMESPACE_NAME get pod

    Se il deployment è andato a buon fine, viene visualizzato un output simile al seguente:

    NAME                            READY   STATUS    RESTARTS   AGE
prom-example-84c6f547f5-fglbr   1/1     Running   0          5m
prom-example-84c6f547f5-jnjp4   1/1     Running   0          5m
prom-example-84c6f547f5-sqdww   1/1     Running   0          5m
prometheus-test-0               2/2     Running   1          3m

Se esegui GKE, puoi procedere nel seguente modo:

Se esegui l'operazione al di fuori di GKE, devi creare un account di servizio e autorizzarlo a scrivere i dati delle metriche, come descritto nella sezione seguente.

Fornisci le credenziali in modo esplicito

Quando viene eseguito su GKE, il server Prometheus di raccolta recupera automaticamente le credenziali dall'ambiente in base all'account di servizio del nodo o alla configurazione della federazione delle identità per i carichi di lavoro per GKE. Nei cluster Kubernetes non GKE, le credenziali devono essere fornite esplicitamente al server Prometheus di raccolta utilizzando i flag o la variabile di ambiente GOOGLE_APPLICATION_CREDENTIALS.

  1. Imposta il contesto sul progetto di destinazione:

    gcloud config set project PROJECT_ID

  2. Crea un account di servizio:

    gcloud iam service-accounts create gmp-test-sa

    Questo passaggio crea l'account di servizio che potresti aver già creato nelle istruzioni di Workload Identity Federation per GKE.

  3. Concedi le autorizzazioni richieste all'account di servizio:

    gcloud projects add-iam-policy-binding PROJECT_ID\
  --member=serviceAccount:gmp-test-sa@PROJECT_ID.iam.gserviceaccount.com \
  --role=roles/monitoring.metricWriter

  4. Crea e scarica una chiave per l'account di servizio:

    gcloud iam service-accounts keys create gmp-test-sa-key.json \
  --iam-account=gmp-test-sa@PROJECT_ID.iam.gserviceaccount.com

  5. Aggiungi il file della chiave come secret al cluster non GKE:

    kubectl -n NAMESPACE_NAME create secret generic gmp-test-sa \
  --from-file=key.json=gmp-test-sa-key.json

  6. Apri la risorsa StatefulSet di Prometheus per la modifica:

    kubectl -n NAMESPACE_NAME edit statefulset prometheus-test

    1. Aggiungi il testo in grassetto alla risorsa:

      apiVersion: apps/v1
kind: StatefulSet
metadata:
  namespace: NAMESPACE_NAME
  name: example
spec:
  template
    containers:
    - name: prometheus
      args:
      - --export.credentials-file=/gmp/key.json
...
      volumeMounts:
      - name: gmp-sa
        mountPath: /gmp
        readOnly: true
...
    volumes:
    - name: gmp-sa
      secret:
        secretName: gmp-test-sa
...

    2. Salva il file e chiudi l'editor. Una volta applicata la modifica, i pod vengono ricreati e iniziano l'autenticazione al backend metrico con l'account di servizio specificato.

    In alternativa, anziché utilizzare i flag impostati in questo esempio, puoi impostare il percorso del file della chiave utilizzando la variabile di ambiente GOOGLE_APPLICATION_CREDENTIALS.

    Argomenti aggiuntivi per la raccolta con deployment autonomo

    Questa sezione descrive come:

    • Filtra i dati esportati nel servizio gestito.
    • Converti le configurazioni di deployment esistenti.
    • Esegui il file binario di Prometheus in modalità ad alta disponibilità.
    • Crea ed esegui il programma binario Prometheus sostitutivo.
    • Esegui Managed Service per Prometheus al di fuori di Google Cloud.

    Filtrare le metriche esportate

    Se raccogli molti dati, ti consigliamo di impedire l'invio di alcune serie temporali a Managed Service per Prometheus per ridurre i costi.

    Puoi utilizzare le normali configurazioni di rietichettatura delle metriche nella configurazione del scraping di Prometheus. Con le configurazioni di rietichettatura, puoi eliminare le metriche in base alle corrispondenze delle etichette al momento dell'importazione.

    A volte potresti voler importare i dati localmente, ma non esportarli in Managed Service per Prometheus. Per filtrare le metriche esportate, puoi utilizzare il --export.match flag.

    Il flag specifica uno o più selettori di serie PromQL e può essere usato più volte. Una serie temporale viene esportata in Managed Service per Prometheus se soddisfa tutti i selettori in almeno uno dei flag. In altre parole, per determinare l'idoneità, le condizioni all'interno di un singolo flag vengono combinate con l'operatore AND, mentre le condizioni in flag separati vengono combinate con l'operatore OR. L'esempio seguente utilizza due istanze del flag:

    ./prometheus \
  --export.match='{job="prometheus"}' \
  --export.match='{__name__=~"job:.+"}' \
  ...

    Questa modifica fa sì che vengano esportate solo le metriche per il job "prometheus", nonché le metriche prodotte dalle regole di registrazione aggregate a livello di job (se vengono seguite le best practice per la denominazione). I campioni per tutte le altre serie vengono filtrati. Per impostazione predefinita, non vengono specificati selettori e tutte le serie temporali vengono esportate.

    Il flag --export.match ha la stessa semantica del parametro match[] per la federazione Prometheus. Di conseguenza, puoi eseguire la migrazione delle configurazioni di federazione in Managed Service per Prometheus utilizzando i selettori del tuo server di federazione direttamente come flag sui server Prometheus estratti dal tuo server Prometheus di federazione. L'esportazione delle metriche da un server di federazione al servizio gestito non è supportata.

    Per includere le metriche di tipo histogram in un filtro, devi specificare le metriche _count, _sum e _bucket. Puoi farlo anche con un'espressione di corrispondenza jolly, ad esempio il selettore {__name__=~"histogram_metric_.+"}.

    Se utilizzi la libreria prometheus-operator, imposta eventuali parametri --export.match utilizzando la variabile di ambiente EXTRA_ARGS del contenitore. Per ulteriori informazioni, consulta Utilizzo con prometheus-operator.

    Puoi combinare gli indicatori di filtro con le regole di registrazione eseguite localmente per "riepilogare" i dati prima di inviarli a Monarch, riducendo la cardinalità e i costi. Per ulteriori informazioni, consulta Controlli dei costi e attribuzione.

    La pagina Gestione delle metriche di Cloud Monitoring fornisce informazioni che possono aiutarti a controllare la spesa per le metriche fatturabili senza influire sull'osservabilità. La pagina Gestione delle metriche riporta le seguenti informazioni:

    • Volumi di importazione sia per la fatturazione basata su byte che su sample, per i domini delle metriche e per le singole metriche.
    • Dati su etichette e cardinalità delle metriche.
    • Numero di letture per ogni metrica.
    • Utilizzo delle metriche nei criteri di avviso e nelle dashboard personalizzate.
    • Tasso di errori di scrittura delle metriche.

    Puoi anche utilizzare la gestione delle metriche per escludere le metriche non necessarie, eliminando il costo di importazione. Per ulteriori informazioni sulla pagina Gestione delle metriche, consulta Visualizzare e gestire l'utilizzo delle metriche.

    Utilizzo con prometheus-operator

    Il programma binario Prometheus di Managed Service per Prometheus può essere utilizzato anche con un deployment Prometheus GKE esistente gestito da prometheus-operator.

    Per utilizzare il file binario del servizio gestito, sostituisci la specifica dell'immagine nella risorsa Prometheus:

      apiVersion: monitoring.coreos.com/v1
  kind: Prometheus
  metadata:
    name: NAMESPACE_NAME
    namespace: gmp-system
  spec:
    image: gke.gcr.io/prometheus-engine/prometheus:v2.45.3-gmp.9-gke.0
    ...
    replicas: 1
    serviceAccountName: default
    version: v2.35.0
    ...

    Se ti trovi in un cluster di federazione delle identità per i carichi di lavoro per GKE e lo spazio dei nomi o l'account di servizio nella tua risorsa sono diversi, ripeti le istruzioni per la federazione delle identità per i carichi di lavoro per GKE per la coppia aggiuntiva di spazio dei nomi e account di servizio Kubernetes.

    Quando esegui l'operazione su un cluster Kubernetes non GKE, devi fornire manualmente le credenziali. Per fornire le credenziali:

    1. Aggiungi un file della chiave dell'account di servizio appropriato come secret, come descritto in Fornire le credenziali in modo esplicito.

    2. Modifica la risorsa Prometheus per aggiungere il testo mostrato in grassetto:

        apiVersion: monitoring.coreos.com/v1
  kind: Prometheus
  metadata:
    namespace: gmp-test
    name: example
  spec:
    ...
    secrets:
    - gmp-test-sa
    containers:
    - name: prometheus
      env:
      - name: GOOGLE_APPLICATION_CREDENTIALS
        value: /gmp/key.json
      volumeMounts:
      - name: secret-gmp-test-sa
        mountPath: /gmp
        readOnly: true

    Puoi impostare la variabile di ambiente EXTRA_ARGS del contenitore per aggiungere altri flag, ad esempio i flag di filtro delle metriche. Questo viene eseguito tramite una variabile di ambiente perché la sezione args della specifica del contenitore è gestita da Prometheus Operator.

    Utilizzo con kube-prometheus

    Puoi configurare i deployment creati utilizzando la popolare libreria kube-prometheus per utilizzare Managed Service per Prometheus.

    Kube-prometheus ha alcune dipendenze interne strette sui suoi spazi dei nomi predefiniti e sugli account di servizio, pertanto consigliamo di modificare solo il numero minimo di campi necessari per inviare i dati a Managed Service per Prometheus.

    In manifests/prometheus-prometheus.yaml, sostituisci la specifica dell'immagine e disattiva la raccolta ad alta disponibilità riducendo replicas a 1:

        apiVersion: monitoring.coreos.com/v1
    kind: Prometheus
    ...
    spec:
      image: gke.gcr.io/prometheus-engine/prometheus:v2.45.3-gmp.9-gke.0
      ...
      replicas: 1
      version: v2.35.0
      ...

    Se esegui l'operazione su GKE e non hai modificato l'account di servizio predefinito sul nodo, l'applicazione dei manifest modificati dovrebbe avviare immediatamente l'invio dei dati a Managed Service per Prometheus. In caso contrario, potresti dover configurare e applicare un account di servizio. Quando esegui il servizio su GKE e utilizzi l'identità per i workload, potresti dover creare e autorizzare l'account di servizio prometheus-k8s nello spazio dei nomi monitoring. Quando esegui l'operatore su un cluster Kubernetes non GKE, segui le istruzioni riportate nella sezione prometheus-operator.

    Tieni presente che kube-prometheus raccoglie molte metriche per impostazione predefinita, la maggior parte delle quali spesso non è necessaria in un ambiente Kubernetes gestito come GKE. Per risparmiare sui costi di importazione, puoi personalizzare kube-prometheus in modo che esegua lo scraping solo delle metriche che ti interessano e filtri in modo aggressivo le metriche esportate.

    Per altri suggerimenti, consulta Controllo dei costi e attribuzione.

    Deployment ad alta disponibilità

    Il programma binario Prometheus sostitutivo è dotato del supporto integrato per la raccolta ad alta disponibilità tramite l'elezione del leader. I server Prometheus replicati in modalità di alta disponibilità raccolgono le metriche e valutano le regole come di consueto, ma solo uno di questi invia i dati a Google Cloud Managed Service per Prometheus.

    Le repliche dello stesso server Prometheus devono sempre avere configurazioni identiche, incluso lo stesso external_labels. Questo requisito è diverso da quello di altri sistemi, che si basano su un'etichetta esterna speciale, come __replica__, per differenziare esplicitamente le repliche.

    Il server dell'API Kubernetes è un backend di elezione del leader supportato e può essere attivato impostando i seguenti flag:

    ./prometheus
  ...
  --export.ha.backend=kube \
  --export.ha.kube.namespace=LEASE_NAMESPACE \
  --export.ha.kube.name=LEASE_NAME

    I valori LEASE_NAMESPACE e LEASE_NAME identificano la risorsa Lease tramite la quale avviene l'elezione del leader. Tutti i server Prometheus che rimandano alla stessa risorsa appartengono allo stesso set di repliche. L'account di servizio Kubernetes del deployment di Prometheus deve disporre dell'autorizzazione di lettura e scrittura della rispettiva risorsa Lease. Quando esegui il server Prometheus all'esterno di un cluster Kubernetes, puoi fornire una configurazione esplicita utilizzando il flag --export.ha.kube.config.

    Dopodiché, puoi aumentare il valore replicas a 2 o superiore.

    Etichette riservate

    Managed Service per Prometheus utilizza sei etichette riservate per identificare in modo univoco una risorsa in Monarch:

    • project_id: l'identificatore del progetto Google Cloud associato alla metrica. Obbligatorio.
    • location: la posizione fisica (regione Google Cloud) in cui vengono memorizzati i dati. Questo valore è in genere la regione del cluster GKE. Se i dati vengono raccolti da un deployment AWS o on-premise, il valore potrebbe essere la regione Google Cloud più vicina. Obbligatorio.
    • cluster: il nome del cluster Kubernetes associato alla metrica. Se non viene eseguito su Kubernetes, può essere utilizzato come livello di gerarchia arbitrario, ad esempio un gruppo di istanze. Facoltativo, ma vivamente consigliato.
    • namespace: il nome dello spazio dei nomi Kubernetes associato alla metrica. Se non viene eseguito su Kubernetes, può essere utilizzato come livello di gerarchia arbitrario, ad esempio un sottogruppo di istanze. Facoltativo, ma vivamente consigliato.
    • job: l'etichetta del job del target Prometheus, se nota; potrebbe essere vuota per i risultati della valutazione delle regole. Obbligatorio e in genere aggiunto automaticamente da Prometheus.
    • instance: l'etichetta dell'istanza del target Prometheus, se nota; potrebbe essere vuota per i risultati della valutazione delle regole. Obbligatorio e in genere aggiunto automaticamente da Prometheus. Se impostati manualmente o rinominati, non utilizzare valori hardcoded come localhost, in quanto ciò causa collisioni delle serie temporali.

    Quando esegui l'esecuzione su Google Cloud, le etichette project_id, location e cluster vengono aggiunte automaticamente a ogni metrica.

    Sebbene non sia consigliato quando esegui l'operazione su Google Cloud, puoi sostituire le etichette project_id, location, cluster e namespace utilizzando la sezione global.external_labels della configurazione di Prometheus. Per ulteriori informazioni, consulta Eseguire la raccolta di cui è stato eseguito il deployment automatico all'esterno di Google Cloud.

    Se utilizzi etichette riservate come etichette delle metriche, la raccolta di cui è stato eseguito il deployment autonomo utilizzerà l'etichetta della metrica come valore per l'etichetta riservata. Ciò può offrire una certa flessibilità, ma può anche portare a errori se, ad esempio, utilizzi l'etichetta location per fare riferimento a qualcosa di diverso da una regione Google Cloud.

    Deployment di file binari

    Se vuoi eseguire il servizio in un ambiente non containerizzato, puoi compilare direttamente il codice binario di Prometheus sostitutivo.

    Creazione dell'origine

    Se hai già un processo per compilare Prometheus, puoi sostituire in modo trasparente il nostro repository GitHub nel tuo processo. Managed Service per Prometheus ha una propria estensione del tag di versione per distinguerne le release dalle release a monte.

    Per compilare il file binario normale, sulla macchina devono essere installati la toolchain Go e le versioni recenti di NPM/Yarn. Per ulteriori informazioni, consulta le istruzioni per la compilazione upstream.

    1. Clona il repository:

      git clone https://github.com/GoogleCloudPlatform/prometheus &&
cd prometheus

    2. Controlla il tag della versione che ti interessa:

      git checkout v2.45.3-gmp.9

    3. Per creare un file tarball di Managed Service per Prometheus, esegui i seguenti comandi:

      make build && make tarball

    Il file tarball e i binari risultanti sono completamente compatibili con le relative varianti upstream in termini di struttura di directory e funzionalità.

    Limiti per la creazione e l'aggiornamento di metriche ed etichette

    Managed Service per Prometheus applica un limite di frequenza al minuto per la creazione di nuove metriche e l'aggiunta di nuove etichette alle metriche esistenti. Questo limite di frequenza solitamente viene raggiunto solo durante la prima integrazione con Managed Service per Prometheus, ad esempio quando esegui la migrazione di un deployment Prometheus esistente e maturo per utilizzare la raccolta con deployment automatico. Non si tratta di un limite di frequenza per l'importazione dei punti dati. Questo limite di frequenza si applica solo quando crei metriche mai viste prima o quando aggiungi nuove etichette a quelle esistenti.

    Questa quota è fissa, ma eventuali problemi dovrebbero risolversi automaticamente con la creazione di nuove metriche ed etichette fino al limite per minuto.

    Per ulteriori informazioni, consulta la sezione Risoluzione dei problemi.

    Esegui la raccolta di cui è stato eseguito il deployment automatico al di fuori di Google Cloud

    Negli ambienti Compute Engine, negli ambienti GKE o su una macchina in cui hai eseguito gcloud login con un account sufficientemente autorizzato, puoi eseguire la raccolta di auto-deployment senza ulteriore configurazione. Al di fuori di Google Cloud, devi fornire esplicitamente le credenziali, un project_id per contenere le tue metriche e un location (regione Google Cloud) in cui archiviarle. Devi anche impostare le etichette cluster e namespace, anche se l'applicazione viene eseguita in un ambiente non Kubernetes.

    Puoi fornire una chiave dell'account di servizio utilizzando il flag --export.credentials-file o la variabile di ambiente GOOGLE_APPLICATION_CREDENTIALS come descritto in Fornire le credenziali esplicitamente.

    Ti consigliamo di scegliere project_id in base al modello di locazione pianificato per le letture. Scegli un progetto in cui archiviare le metriche in base a come prevedi di organizzare le letture in un secondo momento con gli ambiti delle metriche. Se non ti interessa, puoi inserire tutto in un unico progetto.

    Per location, ti consigliamo di scegliere la regione Google Cloud più vicina al tuo deployment. Maggiore è la distanza della regione Google Cloud scelta dal tuo deployment, maggiore sarà la latenza di scrittura e più saranno probabili i potenziali problemi di rete. Ti consigliamo di consultare questo elenco di regioni su più cloud. Se non ti interessa, puoi mettere tutto in una regione Google Cloud. Non puoi utilizzare global come posizione.

    Se esegui l'operazione in un ambiente Kubernetes, imposta i valori cluster e namespace sul cluster e sullo spazio dei nomi locali. Se esegui l'applicazione all'esterno di Kubernetes, impostali su valori gerarchici significativi. Ad esempio, in un ambiente basato su VM in esecuzione su AWS, imposta il valore cluster su __aws__ e il valore namespace sull'ID istanza. Puoi compilare dinamicamente l'ID istanza utilizzando una regola di rinominazione che chiama il server di metadati locale.

    Per un esempio di funzionamento minimo, puoi eseguire un file binario Prometheus locale con monitoraggio autonomo con il seguente comando:

    ./prometheus \
  --config.file=documentation/examples/prometheus.yaml \
  --export.label.project-id=PROJECT_ID \
  --export.label.location=REGION \
  --export.label.cluster=CLUSTER_NAME \

    Questo esempio presuppone che tu abbia impostato la variabile REGION su un valore come us-central1, ad esempio.

    Tuttavia, ti consigliamo di impostare le etichette target export per il servizio gestito nella sezione global.external_labels della configurazione di Prometheus. Ad esempio, negli ambienti Kubernetes puoi utilizzare la seguente configurazione:

    global:
  external_labels:
    project_id: PROJECT_ID
    location: REGION
    cluster: CLUSTER_NAME
    namespace: local-testing

scrape_configs:
  ...

    L'esecuzione di Managed Service per Prometheus al di fuori di Google Cloud comporta costi per il trasferimento dei dati. Sono previste tariffe per il trasferimento dei dati in Google Cloud e potresti dover pagare delle tariffe per il trasferimento dei dati da un altro cloud. Puoi minimizzare questo costo attivando la compressione con il flag --export.compression=gzip.

    Passaggi successivi