-
使用 OpenTelemetry Collector 收集 Kubernetes 日志数据
前面我们介绍了如何通过OpenTelemetryCollector来收集Kubernetes集群的指标数据，接下来我们再来了解下如何收集集群的日志记录数据。安装Loki首先我们需要部署Loki来收集日志数据，同样我们这里使用HelmChart来快速部署，不过需要注意同样不需要部署任何日志采集器，因为
-
在Kubernetes中从零打造可观测性
在这篇文章中，我们将在Kubernetes中使用Grafana、Prometheus、Loki、Tempo、OpenTelemetry来搭建可观测性平台。其中Grafana作为操作面板，Prometheus、Loki、Tempo作为数据源，分别用来获取指标、日志以及跟踪数据。同时，我们还将使用Exe
-
如何使用 KEDA 自动缩放 Grafana Loki Queries
介绍GrafanaLoki(https://grafana.com/oss/loki/?pg=blog&plcmt=body-txt)是GrafanaLabs的开源日志聚合系统，灵感来自Prometheus(https://prometheus.io/)。Loki具有水平可扩展性、高可用性和
-
Ceph Dashboard 通过 Loki 配置集中日志
我们要解决什么问题？Ceph作为一个分布式系统，通常会产生大量的日志。这些日志可以来自MON、MGR、OSD或Ceph的任何其他客户端。在大多数情况下，Ceph都能很好地处理其问题。自我修复是Ceph的特性之一。除此之外，CephDashboard对集群的可观察性做的也是非常好的。它通过使用ale
-
实现基于 Grafana Loki 的日志报警
对于生产环境以及一个有追求的运维人员来说，哪怕是毫秒级别的宕机也是不能容忍的。对基础设施及应用进行适当的日志记录和监控非常有助于解决问题，还可以帮助优化成本和资源，以及帮助检测以后可能会发生的一些问题。前面我们学习使用了Prometheus来进行监控报警，但是如果我们使用Loki收集日志是否可以根据
-
使用 Loki 微服务模式部署生产集群
前面我们提到了Loki部署的单体模式和读写分离两种模式，当你的每天日志规模超过了TB的量级，那么可能我们就需要使用到微服务模式来部署Loki了。微服务部署模式将Loki的组件实例化为不同的进程，每个进程都被调用并指定其目标，每个组件都会产生一个用于内部请求的gRPC服务器和一个用于外部API
-
使用读写分离模式扩展 Grafana Loki
Loki由多个微服务组件构建而成，可以作为一个可水平扩展的分布式系统运行，Loki的独特设计可以将整个分布式系统的代码编译成单个二进制或Docker映像，单个二进制文件的行为由 -target 命令行标志控制。单体模式最简单的操作模式是设置 -target=all，这是
