Monitorowanie serwerów, aplikacji i baz danych za pomocą Grafany i Prometheusa

Jak połączyć Prometheusa i Grafanę, by monitorować serwery, Kubernetes, aplikacje i bazy danych? Poznaj architekturę rozwiązania, kluczowe metryki, dashboardy i alerty oraz zasady etykietowania, retencji i skalowania monitoringu.
22 listopada 2026
blog

Cel i zakres monitoringu end-to-end: od infrastruktury po bazę danych

Serwer może działać poprawnie, a aplikacja nadal zwracać błędy lub odpowiadać zbyt wolno. Sama dostępność hosta nie potwierdza więc, że użytkownik może się zalogować, wyszukać dane czy sfinalizować zamówienie. Celem monitoringu end-to-end jest ocena działania usługi jako całości oraz dostarczenie kontekstu potrzebnego do ustalenia, gdzie pojawia się problem. Obserwacja infrastruktury, aplikacji i bazy danych powinna służyć temu samemu pytaniu: czy system realizuje swoje zadania z oczekiwaną niezawodnością i wydajnością?

Zakres obserwacji: cztery powiązane warstwy

Każda warstwa pokazuje inny fragment sytuacji. Dopiero ich zestawienie pozwala odróżnić objaw widoczny dla użytkownika od potencjalnego źródła awarii.

  • Infrastruktura — pozwala ocenić kondycję serwerów oraz dostępność zasobów, od których zależy działanie pozostałych elementów systemu. Pomaga rozpoznawać ograniczenia wydajnościowe i planować pojemność środowiska.
  • Kontenery i Kubernetes — pokazują, czy obciążenia są uruchomione zgodnie z oczekiwaniami i czy platforma zapewnia im warunki do pracy. To perspektywa odmienna od obserwacji samego hosta: sprawny węzeł nie oznacza jeszcze dostępnej aplikacji.
  • Aplikacja — dostarcza informacji o obsłudze żądań i realizacji operacji. Najlepiej przybliża techniczną jakość usługi odczuwaną przez użytkownika, choć nie każda poprawna odpowiedź oznacza sukces procesu biznesowego.
  • Baza danych — umożliwia ocenę działania warstwy przechowywania i udostępniania danych. Pozwala sprawdzić, czy pogorszenie pracy aplikacji wiąże się z jej zależnością od bazy.

Od zbierania danych do oceny jakości usługi

Zakres monitoringu warto wyznaczać od krytycznych operacji, a nie od listy dostępnych metryk. Najpierw należy ustalić, co oznacza poprawne działanie usługi: które operacje muszą być dostępne, jak długo mogą trwać i jaki poziom błędów jest akceptowalny. Tak określone wskaźniki jakości usługi (SLI) oraz ich wartości docelowe (SLO) pomagają ustalać priorytety diagnostyki i reagowania.

Prometheus służy przede wszystkim do zbierania i przetwarzania metryk zapisanych jako szeregi czasowe, a Grafana umożliwia ich wizualizację i analizę. Wspólnie pozwalają zestawić pogorszenie jakości usługi ze zmianami w jej zapleczu. Przykładowo wydłużenie odpowiedzi aplikacji można porównać w czasie z pogorszeniem pracy bazy i wzrostem obciążenia infrastruktury. Zbieżność czasowa jest wskazówką diagnostyczną, nie dowodem związku przyczynowego.

Co oznacza tutaj „end-to-end”?

W tym ujęciu end-to-end oznacza spójny zakres obserwacji wszystkich kluczowych warstw, a nie automatyczne śledzenie pojedynczego żądania. Same metryki nie odtworzą jego pełnej drogi przez system. Do takiej analizy potrzebny jest tracing rozproszony, do poznania szczegółów zdarzeń — logi, a do sprawdzania przebiegu operacji z perspektywy użytkownika — odpowiednio zaprojektowane testy syntetyczne. Monitoring oparty na Prometheusie i Grafanie stanowi podstawę wykrywania odchyleń, zawężania obszaru poszukiwań oraz oceny skutków wdrożeń i zmian obciążenia.

Architektura rozwiązania Prometheus + Grafana: przepływ danych i role komponentów

W tym rozwiązaniu Prometheus zbiera i przechowuje metryki, a Grafana udostępnia je w postaci dashboardów. To rozdzielenie ma znaczenie operacyjne: niedostępność Grafany nie zatrzymuje zbierania danych przez Prometheusa. Grafana nie zastępuje natomiast magazynu metryk — do wyświetlenia wykresów potrzebuje dostępu do skonfigurowanego źródła danych.

W Cognity często słyszymy pytania, jak w praktyce rozdzielić zadania Prometheusa, Grafany i komponentów pomocniczych — odpowiadamy na nie także na blogu.

Tekstowa mapa przepływu metryk

Podstawową ścieżkę danych można przedstawić następująco:

Monitorowany komponent → endpoint metryk → Prometheus → zapytanie PromQL → Grafana → dashboard.

Strzałki pokazują logiczny przepływ informacji, ale nie oznaczają, że każdy komponent sam wysyła dane dalej. Prometheus działa przede wszystkim w modelu pull: cyklicznie odpytuje endpointy HTTP udostępniające metryki. Taki odczyt to scrape, a odpytywany punkt zbierania danych to target. Grafana z kolei kieruje zapytania do API Prometheusa, kiedy potrzebuje danych do panelu, na przykład przy otwarciu lub odświeżeniu dashboardu.

Metryki mogą trafiać do tego przepływu dwiema drogami:

  • Bezpośrednio z aplikacji — jeśli aplikacja ma instrumentację i udostępnia własny endpoint metryk, Prometheus odczytuje go bez dodatkowego pośrednika.
  • Przez exporter — osobny komponent pobiera informacje z monitorowanego systemu i wystawia je w formacie obsługiwanym przez Prometheusa. Taką rolę pełnią między innymi node_exporter dla systemu operacyjnego oraz postgres_exporter i mysqld_exporter dla baz danych. W Kubernetes źródłami danych są również kube-state-metrics oraz metryki cAdvisor udostępniane przez kubelet.

Exporter nie jest centralnym magazynem historii ani narzędziem do rysowania wykresów. Jego zadaniem jest udostępnienie danych, które Prometheus może regularnie pobierać.

Co dzieje się wewnątrz Prometheusa?

Prometheus ustala listę targetów na podstawie konfiguracji statycznej lub mechanizmu service discovery. Konfiguracja statyczna sprawdza się przy niewielkiej, stabilnej liczbie adresów. Automatyczne wykrywanie jest szczególnie przydatne w środowiskach dynamicznych, gdzie instancje usług powstają i znikają, jak w Kubernetes.

Pobrane próbki są zapisywane w lokalnej bazie szeregów czasowych, czyli TSDB. Prometheus udostępnia je przez API, a język PromQL pozwala wybierać serie, agregować wyniki i obliczać wartości potrzebne na wykresach. Grafana korzysta z tych możliwości przez źródło danych typu Prometheus; nie odpytuje exporterów bezpośrednio.

Prometheus może także okresowo wykonywać reguły obliczeniowe. Recording rules zapisują wyniki wybranych zapytań jako nowe szeregi czasowe, co ułatwia ponowne wykorzystanie obliczeń. Alerting rules sprawdzają natomiast, czy wystąpiły warunki wymagające reakcji.

Osobna ścieżka alertów

W klasycznej architekturze powiadamianie przebiega niezależnie od dashboardów:

Metryki w Prometheusie → reguły alertowe → Alertmanager → kanał powiadomień.

Prometheus ocenia warunki alertów i przekazuje aktywne alerty do Alertmanagera. Alertmanager odpowiada za grupowanie, deduplikację, wyciszanie i kierowanie powiadomień do właściwych odbiorców. Dzięki temu wykrycie problemu nie zależy od tego, czy ktoś ma otwarty dashboard w Grafanie.

Alternatywą jest Grafana Alerting, które może oceniać reguły na podstawie danych z Prometheusa. W projekcie warto jednoznacznie określić, gdzie utrzymywane są reguły i która ścieżka obsługuje powiadomienia. Równoległe zdefiniowanie tych samych warunków w obu miejscach łatwo prowadzi do podwójnych komunikatów.

Granice podstawowego wdrożenia

Pojedynczy Prometheus z trwałym wolumenem, Grafana i opcjonalny Alertmanager tworzą podstawowy zestaw komponentów. Samo uruchomienie tego zestawu nie zapewnia jednak wysokiej dostępności ani długoterminowej archiwizacji metryk. Jeżeli wymagania obejmują odporność na awarie, dłuższą retencję lub wspólne odpytywanie wielu instancji, architekturę trzeba rozszerzyć. Jednym z mechanizmów integracji jest remote write, umożliwiający przekazywanie próbek z Prometheusa do zewnętrznego systemu przechowywania metryk.

3. Warstwa infrastruktury: node_exporter – kluczowe metryki, dashboardy i alerty

Wysoki czas odpowiedzi aplikacji nie zawsze oznacza problem w jej kodzie. Przyczyną może być brak pamięci na hoście, przeciążony dysk albo wyczerpanie miejsca na partycji. node_exporter udostępnia metryki systemu operacyjnego i sprzętu, które pozwalają sprawdzić, czy infrastruktura zapewnia usługom wystarczające zasoby. W środowisku Linux obejmuje to przede wszystkim CPU, pamięć, systemy plików, urządzenia blokowe i interfejsy sieciowe.

Jest to monitoring hosta, a nie logiki aplikacji. Sam node_exporter nie wyjaśni, dlaczego konkretne zapytanie SQL działa wolno ani który endpoint generuje błędy. Pokaże natomiast, czy w tym samym czasie wystąpiła presja na zasoby. Przy uruchamianiu eksportera w kontenerze trzeba zadbać o dostęp do właściwych zasobów i przestrzeni nazw hosta — inaczej zakres obserwacji może być niepełny.

Kluczowe metryki: wykorzystanie zasobów to dopiero początek

Dobór metryk powinien odpowiadać na trzy pytania: ile zasobu wykorzystujemy, czy pojawia się przeciążenie oraz czy występują błędy. Nie wystarczy więc obserwować samego procentowego użycia CPU lub ilości wolnego miejsca.

ObszarPodstawowe metrykiInterpretacja i zastosowanie
CPU i obciążenienode_cpu_seconds_total, node_load1, node_load5, node_load15Czas CPU według trybów pozwala odróżnić pracę procesora od oczekiwania na I/O. Load należy odnosić do liczby logicznych CPU; w Linuksie obejmuje także zadania w nieprzerywalnym oczekiwaniu, więc nie jest procentowym użyciem procesora.
Pamięćnode_memory_MemAvailable_bytes, node_memory_MemTotal_bytes, node_vmstat_pswpin, node_vmstat_pswpoutPamięć dostępna lepiej opisuje zapas RAM niż pamięć całkowicie wolna. Tempo operacji swap pomaga rozpoznać presję pamięci; samo zajęcie swapu nie przesądza o bieżącym problemie.
Pojemność systemów plikównode_filesystem_avail_bytes, node_filesystem_size_bytes, node_filesystem_files_free, node_filesystem_readonlyKontroluj miejsce dostępne dla zwykłych użytkowników, wolne inode’y oraz nieoczekiwany tryb tylko do odczytu. Wyczerpanie inode’ów uniemożliwia tworzenie plików mimo wolnych gigabajtów.
Dyskowe I/Onode_disk_read_bytes_total, node_disk_written_bytes_total, node_disk_io_time_seconds_totalTempo odczytu i zapisu pokazuje transfer, a przyrost czasu obsługi I/O pomaga ocenić zajętość urządzenia. Sama zajętość nie dowodzi przeciążenia, szczególnie dla urządzeń obsługujących wiele operacji równolegle.
Siećnode_network_receive_bytes_total, node_network_transmit_bytes_total, node_network_receive_errs_total, node_network_transmit_drop_totalObserwuj przepływność oraz tempo błędów i odrzuceń pakietów. Interpretuj je dla konkretnych interfejsów, oddzielając ruch fizyczny od wirtualnego.

Dostępność poszczególnych metryk zależy od systemu i włączonych kolektorów. Liczniki narastające analizuj przez tempo zmian, najczęściej funkcją rate(), a nie przez ich wartość bezwzględną. Przykładowe zapytanie pokazujące procent czasu CPU poza trybem bezczynności wygląda następująco:

100 * (1 - avg by (job, instance) (
  rate(node_cpu_seconds_total{mode="idle"}[5m])
))

Ten wskaźnik uwzględnia również czas iowait. Dlatego obok wartości zbiorczej warto wyświetlać rozkład trybów CPU, zamiast traktować każdy wysoki wynik jako intensywne wykonywanie obliczeń.

Dashboard hosta: od objawu do ograniczenia

Pierwszy widok w Grafanie powinien umożliwiać szybkie porównanie hostów: dostępność pomiarów, użycie CPU, dostępna pamięć oraz najbardziej zapełniony istotny system plików. Widok szczegółowy powinien rozwijać te informacje o tryby CPU, aktywność swap, zajętość dysków, transfery i błędy sieciowe.

Stosuj wspólną oś czasu oraz czytelne jednostki: procenty, bajty, bajty na sekundę i operacje na sekundę. Systemy plików pokazuj według punktów montowania, a I/O według urządzeń — to różne perspektywy. Odfiltruj techniczne lub efemeryczne zasoby, które nie mają znaczenia dla danego hosta, ale nie usuwaj ich bez sprawdzenia przeznaczenia. Gotowy dashboard traktuj jako punkt wyjścia, nie jako kompletną konfigurację monitoringu.

Alerty, które wymagają działania

Progi należy dopasować do charakteru serwera. Poniższe wartości są przykładami startowymi, a nie uniwersalnymi normami:

  • Brak pomiarów: up == 0 dla zadania zbierającego metryki node_exportera przez 5 minut. Oznacza nieudane pobranie danych, niekoniecznie awarię hosta; przyczyną może być również eksporter lub sieć. Metrykę up tworzy Prometheus.
  • Mały zapas pamięci: dostępny RAM poniżej 10% przez 10 minut. Aktywność swap pomaga ocenić pilność interwencji.
  • Ryzyko zapełnienia systemu plików: dostępne miejsce poniżej 15% przez 15 minut, z osobnym alarmem dla inode’ów. Uwzględnij także bezwzględny zapas miejsca i tempo jego ubywania.
  • Utrzymujące się wysokie obciążenie CPU: ponad 90% przez 15 minut jako sygnał ostrzegawczy. Pilność zależy od oczekiwanego profilu pracy i wpływu na usługi.
  • Nieoczekiwany system plików tylko do odczytu: alarm dla punktów montowania, które zgodnie z konfiguracją powinny umożliwiać zapis.

Każdy alert powinien wskazywać host, dotknięty zasób, aktualną wartość i pierwszy krok diagnostyczny oraz zawierać odnośnik do odpowiedniego dashboardu. Warunek utrzymujący się przez określony czas ogranicza powiadomienia o krótkich skokach, ale dla zdarzeń uniemożliwiających zapis danych zwłoka powinna być odpowiednio krótsza.

4. Warstwa kontenerów i Kubernetes: kube-state-metrics + cAdvisor – metryki, dashboardy i alerty

W Kubernetes poprawne działanie węzła nie oznacza jeszcze, że uruchomione na nim usługi są dostępne. Pod może oczekiwać na przydzielenie zasobów, kontener może wielokrotnie się restartować, a Deployment utrzymywać mniej dostępnych replik, niż zakłada konfiguracja. Monitoring tej warstwy powinien więc odpowiadać na dwa pytania: czy klaster realizuje zadeklarowany stan obciążeń oraz ile zasobów faktycznie zużywają kontenery? Te perspektywy zapewniają odpowiednio kube-state-metrics i cAdvisor. W Cognity omawiamy monitorowanie środowisk kontenerowych zarówno od strony technicznej, jak i praktycznej – zgodnie z realiami pracy uczestników.

kube-state-metrics i cAdvisor – dwa uzupełniające się źródła danych

ŹródłoCo pokazuje?Do czego służy?
kube-state-metricsStan obiektów odczytywany z API Kubernetes: m.in. fazy podów, gotowość kontenerów, liczbę replik oraz zadeklarowane requests i limits.Wykrywanie niedostępnych replik, problemów z uruchamianiem podów i rozbieżności między stanem oczekiwanym a rzeczywistym.
cAdvisorZużycie zasobów przez kontenery: m.in. CPU, pamięć oraz statystyki sieciowe i operacje wejścia/wyjścia, zależnie od środowiska.Rozpoznawanie przeciążenia, ograniczania czasu CPU i wzrostu zużycia pamięci; ocena dopasowania zasobów do obciążenia.

kube-state-metrics nie mierzy bieżącego zużycia CPU ani pamięci. Z kolei cAdvisor nie wyjaśnia, dlaczego Deployment nie osiągnął wymaganej liczby replik. W typowej konfiguracji Kubernetes metryki cAdvisor są udostępniane przez kubelet na endpointzie /metrics/cadvisor; ich dostępność zależy od konfiguracji, wersji klastra i uprawnień do odczytu. Żadne z tych źródeł nie jest zamiennikiem Metrics Server, używanego m.in. przez kubectl top i autoskalowanie oparte na metrykach zasobów.

Metryki, które warto obserwować

Po stronie kube-state-metrics podstawą są kube_pod_status_phase oraz kube_pod_container_status_ready. Pierwsza metryka opisuje fazę życia poda, druga pozwala sprawdzić gotowość jego kontenerów. To istotne rozróżnienie: pod w fazie Running nie musi być gotowy do obsługi ruchu. Dla Deploymentów warto zestawić oczekiwaną liczbę replik z kube_deployment_status_replicas_available.

Przy diagnozowaniu niestabilności przydaje się kube_pod_container_status_restarts_total. Należy analizować przyrost licznika w określonym oknie, a nie wyłącznie jego wartość całkowitą. Przyczyn oczekiwania kontenera można szukać w kube_pod_container_status_waiting_reason, np. dla CrashLoopBackOff lub ImagePullBackOff. CrashLoopBackOff jest powodem oczekiwania kontenera, a nie osobną fazą poda.

W danych cAdvisor najważniejsze są container_cpu_usage_seconds_total i container_memory_working_set_bytes. CPU jest licznikiem skumulowanego czasu procesora, dlatego bieżące wykorzystanie oblicza się funkcją rate(). Przykładowe zapytanie pokazuje zużycie CPU w rdzeniach, zsumowane dla kontenerów każdego poda:

sum by (namespace, pod) (
  rate(container_cpu_usage_seconds_total{pod!="", container!="", container!="POD"}[5m])
)

Wynik 0.5 oznacza średnie wykorzystanie połowy rdzenia, a nie 50% limitu kontenera. Zapytanie zakłada dane z jednego klastra i brak podwójnego zbierania tych samych szeregów. Zużycie pamięci warto porównywać z limitem, jeśli został ustawiony, pamiętając, że working set nie jest dokładną miarą pamięci niemożliwej do odzyskania ani gwarantowanym predyktorem OOM. Jeśli środowisko udostępnia metryki CFS, dodatkowym sygnałem jest udział okresów ograniczania CPU, wyznaczany z container_cpu_cfs_throttled_periods_total i container_cpu_cfs_periods_total.

Dashboardy w Grafanie: od niedostępnych replik do konkretnego kontenera

Widok przeglądowy powinien eksponować brakujące repliki, pody niegotowe do pracy, przedłużający się stan Pending oraz przyrost restartów. Liczby zbiorcze warto uzupełnić tabelą problematycznych podów z namespace, stanem i powodem oczekiwania kontenera. Dzięki temu operator widzi nie tylko skalę problemu, lecz także obiekty wymagające sprawdzenia.

Widok szczegółowy poda powinien zestawiać na wspólnej osi czasu zużycie CPU, throttling, pamięć i restarty, z rozbiciem na kontenery. Requests i limits stanowią punkty odniesienia: requests pomagają ocenić dopasowanie rezerwacji, a limits – ograniczenia narzucone kontenerowi. Wzrost zużycia ponad request nie oznacza sam w sobie awarii. Równie ważne jest oddzielne pokazanie kontenerów pomocniczych, które mogą odpowiadać za znaczną część wykorzystania zasobów poda.

Alerty: trwały problem zamiast chwilowej zmiany stanu

Warunki alarmowe powinny uwzględniać normalne zachowanie wdrożeń i autoskalowania. Klauzula for pozwala wymagać, aby problem utrzymywał się przez określony czas, zamiast alarmować przy każdej przejściowej zmianie.

  • Niedostępne repliki: utrzymująca się różnica między oczekiwaną a dostępną liczbą replik. Czas oczekiwania należy dopasować do zwykłego czasu rolloutów i uruchamiania aplikacji.
  • Pod długo w Pending: sygnał wymagający sprawdzenia planowania, zasobów, wolumenów lub pobierania obrazu. Sam Pending nie dowodzi braku CPU czy pamięci; przyczynę pomagają ustalić warunki poda i zdarzenia Kubernetes.
  • Powtarzające się restarty lub CrashLoopBackOff: alarm oparty na przyroście restartów w oknie czasowym albo utrzymującym się powodzie oczekiwania. Pojedynczy restart nie powinien automatycznie oznaczać incydentu krytycznego.
  • Presja na zasoby: długotrwałe zbliżenie pamięci do ustawionego limitu lub nasilony throttling CPU. Progi wymagają dostrojenia do obciążenia; sam wysoki poziom wykorzystania nie przesądza o niedostępności usługi.

Powiadomienie powinno wskazywać namespace, pod lub kontroler, opisywać wykrytą nieprawidłowość i prowadzić do odpowiedniego dashboardu. Metryki pozwalają zawęzić obszar poszukiwań, natomiast ostateczne wyjaśnienie błędów uruchamiania czy restartów często wymaga sprawdzenia zdarzeń Kubernetes i logów kontenera.

5. Warstwa aplikacji: metryki aplikacyjne (RED/USE) – instrumentacja, metryki, dashboardy i alerty

Niskie wykorzystanie procesora i dostępny serwer nie oznaczają, że aplikacja działa prawidłowo. Użytkownik może nadal czekać na odpowiedź, otrzymywać błędy albo bezskutecznie ponawiać operację. Monitoring aplikacyjny powinien pokazywać jakość obsługi żądań oraz ograniczenia wewnątrz usługi: od czasu odpowiedzi po kolejki zadań i dostępność wątków roboczych.

Prometheus zbiera metryki udostępnione przez aplikację, a Grafana pozwala zestawić je na wspólnej osi czasu. Warunkiem użyteczności tych danych jest instrumentacja, która mierzy rzeczywiste zachowanie kodu, a nie tylko dostępność endpointu monitoringu.

RED i USE: jakość obsługi oraz ograniczenia zasobów

Metody RED i USE odpowiadają na różne pytania. RED pomaga ocenić, czy usługa prawidłowo obsługuje ruch. USE ułatwia znalezienie zasobu, który ogranicza jej przepustowość. W warstwie aplikacyjnej warto stosować je razem.

MetodaCo mierzyćGłówne zastosowanie
RED: Rate, Errors, DurationLiczba żądań na sekundę, udział nieudanych żądań, rozkład czasu obsługi.Ocena działania API, usług HTTP i RPC oraz wpływu awarii na odbiorców.
USE: Utilization, Saturation, ErrorsWykorzystanie zasobu, oczekiwanie na dostęp do niego oraz błędy jego użycia.Diagnostyka pul wątków, pul połączeń, kolejek i mechanizmów współbieżności.

Przykładowo pula połączeń może mieć niemal wszystkie połączenia zajęte, ale nadal obsługiwać pracę bez opóźnień. Dopiero rosnąca liczba oczekujących zadań lub wydłużający się czas uzyskania połączenia wskazują na nasycenie. Wysokie wykorzystanie nie jest samo w sobie dowodem problemu.

Instrumentacja: co powinna udostępniać aplikacja

Najczęściej wykorzystuje się bibliotekę kliencką Prometheusa lub integrację dostępną we frameworku. Middleware może automatycznie mierzyć żądania HTTP, natomiast obsługę zadań w tle i wyniki operacji biznesowych zwykle trzeba uzupełnić własnymi pomiarami. Metryki są udostępniane pod endpointem, często /metrics, dostępnym dla systemu monitoringu, lecz niekoniecznie publicznie.

  • Counter służy do zliczania zdarzeń, takich jak zakończone żądania, błędy i ponowienia. Tempo ich występowania oblicza się funkcją rate(), która uwzględnia reset licznika po restarcie procesu.
  • Histogram opisuje rozkład czasu obsługi. W klasycznym histogramie granice przedziałów należy dobrać do oczekiwanych opóźnień i celów usługi. Umożliwia to analizę percentyli oraz udziału odpowiedzi mieszczących się w przyjętym limicie czasu.
  • Gauge pokazuje stan bieżący: liczbę aktywnych żądań, długość kolejki, zajęte wątki lub używane połączenia.

Pomiar czasu powinien obejmować jasno określony fragment operacji, a rejestrowanie wyniku musi uwzględniać również wyjątki i przekroczenia limitu czasu. Sam kod HTTP nie zawsze wystarcza: odpowiedź 200 może zawierać informację o nieudanej operacji biznesowej. Z kolei oczekiwane odrzucenie niepoprawnego żądania nie musi oznaczać awarii usługi.

Dla zadań asynchronicznych warto dodatkowo mierzyć czas oczekiwania w kolejce, czas wykonania oraz liczbę zakończeń, błędów i ponowień. Krótkie wykonanie zadania nie zapewnia szybkiego rezultatu, jeśli wcześniej zadanie długo oczekiwało na przetworzenie.

Dashboard aplikacyjny: od objawu do przyczyny

Pierwszy widok dashboardu powinien zestawiać natężenie ruchu, udział błędów i opóźnienia, na przykład p50, p95 oraz p99. Sama średnia może ukrywać niewielką grupę bardzo wolnych odpowiedzi. Obok tych paneli warto umieścić liczbę aktywnych żądań, kolejki oraz wykorzystanie pul, aby sprawdzić, czy pogorszenie jakości obsługi zbiega się z nasyceniem zasobów aplikacji.

Poniższe zapytania ilustrują obliczenie liczby żądań na sekundę i p95 czasu obsługi. Zakładają przykładowy licznik http_requests_total oraz klasyczny histogram http_request_duration_seconds; nazwy trzeba dopasować do używanej instrumentacji, a selektory ograniczyć do analizowanej usługi.

sum(rate(http_requests_total[5m]))

histogram_quantile(
  0.95,
  sum by (le) (
    rate(http_request_duration_seconds_bucket[5m])
  )
)

Nie należy uśredniać percentyli obliczonych osobno dla instancji. Aby uzyskać percentyl dla całej usługi, najpierw agreguje się zgodne przedziały histogramów, a następnie oblicza kwantyl. Dodatkowy podział dashboardu według rodzaju operacji pomaga odróżnić lokalny problem od pogorszenia działania całej aplikacji.

Alerty: reagowanie na pogorszenie jakości usługi

Najważniejsze alerty powinny sygnalizować utrzymujący się wzrost udziału błędów lub przekroczenie akceptowalnego czasu obsługi. Jeśli usługa ma zdefiniowane SLO, warto oprzeć alarmowanie na tempie zużywania budżetu błędów. Progi i okna czasowe powinny wynikać z wymagań usługi, a nie z uniwersalnych wartości skopiowanych z dashboardu.

Przy małym ruchu pojedynczy błąd może dać bardzo wysoki wskaźnik procentowy, dlatego reguła powinna uwzględniać także liczbę zdarzeń. Warunek utrzymywania się problemu przez określony czas pomaga ograniczyć alarmy wywołane krótkim skokiem. Brak danych trzeba rozpatrywać osobno — nie jest on równoznaczny z brakiem błędów.

Alerty diagnostyczne mogą dotyczyć długiego oczekiwania na zasób, narastającej kolejki lub wyczerpania puli. Powiadomienie powinno wskazywać dotkniętą usługę, skalę problemu i odsyłać do właściwego dashboardu oraz instrukcji postępowania. Dzięki temu odbiorca od razu widzi, co wymaga sprawdzenia i jaki może być wpływ zdarzenia na użytkowników.

💡 Pro tip: Jeśli cel usługi wymaga, aby 99% żądań kończyło się w 300 ms, dodaj do klasycznego histogramu granicę przedziału równą 0,3 sekundy. Udział żądań spełniających ten warunek obliczaj na podstawie przyrostów licznika tego przedziału i wszystkich obserwacji, zamiast polegać wyłącznie na interpolowanym p99.

6. Warstwa baz danych: postgres_exporter / mysqld_exporter – metryki, dashboardy i alerty

Wzrost czasu odpowiedzi aplikacji nie zawsze oznacza problem z jej kodem. Przyczyną mogą być blokady w bazie, wyczerpany limit połączeń, opóźniona replika albo zapytania odczytujące znacznie więcej danych, niż powinny. Monitoring PostgreSQL i MySQL powinien pozwalać odróżnić te sytuacje — nie tylko potwierdzać, że proces bazy nadal działa.

postgres_exporter udostępnia Prometheusowi statystyki PostgreSQL, a mysqld_exporter — statystyki MySQL. Oba narzędzia służą do obserwowania stanu i obciążenia silnika, ale korzystają z innych mechanizmów diagnostycznych. Nie należy więc oczekiwać identycznego zestawu metryk ani przenosić progów alertów między tymi bazami bez weryfikacji.

Co zbierać z PostgreSQL, a co z MySQL?

postgres_exporter korzysta z widoków statystycznych PostgreSQL; zakres danych zależy między innymi od włączonych kolektorów i uprawnień konta. mysqld_exporter odczytuje między innymi zmienne statusowe MySQL oraz, zależnie od konfiguracji, dane z Performance Schema. Nazwy i dostępność konkretnych metryk trzeba sprawdzić dla używanej wersji eksportera i silnika. Ma to znaczenie zwłaszcza przy imporcie gotowych dashboardów.

ObszarPostgreSQLMySQLZnaczenie diagnostyczne
Połączenia i aktywnośćLiczba sesji według stanu, aktywne zapytania, sesje idle in transactionThreads_connected, Threads_running, limit max_connectionsPokazuje wykorzystanie połączeń i pozwala odróżnić sesje otwarte od rzeczywiście pracujących.
Transakcje i współbieżnośćZatwierdzenia, wycofania, deadlocki, blokady i czas trwania transakcjiStatystyki transakcji InnoDB, deadlocków i oczekiwania na blokadyPomaga wykrywać konflikty operacji oraz transakcje blokujące inne żądania.
Pamięć podręczna i odczytyTrafienia i odczyty bloków, zapis do plików tymczasowychOdczyty logiczne i fizyczne oraz wykorzystanie bufora InnoDBUłatwia ocenę presji na pamięć i operacji wymagających dodatkowego dostępu do danych.
ReplikacjaStan replikacji, opóźnienie odtwarzania WAL, zaległość i retencja WAL związana ze slotamiStan wątków replikacji, błędy i dostępne miary opóźnieniaPozwala ocenić aktualność replik i wykryć przerwanie przepływu zmian.
Utrzymanie i wzrost danychRozmiary baz i tabel, martwe krotki, aktywność vacuum i autovacuumRozmiary tabel i indeksów, statystyki InnoDBPomaga zauważyć narastający koszt przechowywania i obsługi danych.

Liczniki narastające, takie jak liczba transakcji czy deadlocków, należy prezentować jako przyrost lub tempo zmian, używając odpowiednio increase() albo rate(). Sama liczba deadlocków od uruchomienia serwera nie mówi, czy problem występuje obecnie. Podobnie współczynnik trafień w cache warto liczyć dla wybranego przedziału czasu i interpretować razem z obciążeniem, a nie jako samodzielną ocenę wydajności.

Konfiguracja zbierania bez nadmiernego obciążania bazy

Eksporter powinien korzystać z dedykowanego konta o uprawnieniach wymaganych przez wybrane kolektory, zamiast z konta administratora aplikacji. Dane uwierzytelniające trzeba przechowywać poza dashboardami i repozytorium konfiguracji, a dostęp do endpointu metryk ograniczyć do zaufanej sieci monitoringu.

Na początek wystarczą statystyki połączeń, transakcji, blokad, pamięci podręcznej i replikacji. Szczegółowe kolektory tabel lub zapytań warto włączać dopiero po ocenie ich kosztu. Podstawowy eksporter nie zastępuje profilowania zapytań. W PostgreSQL analizę można rozszerzyć o pg_stat_statements, a w MySQL o dane Performance Schema lub slow query log. Wymaga to osobnej konfiguracji; standardowy dashboard nie pokaże automatycznie percentyla p95 czasu wszystkich zapytań.

Dashboard w Grafanie: od objawu do przyczyny

Pierwszy widok powinien odpowiadać na pytania: czy bazę można odpytać, czy ma zapas połączeń, czy obsługuje ruch i czy repliki nadążają. Warto umieścić na nim stan zbierania statystyk, wykorzystanie limitu połączeń, liczbę aktywnych sesji, tempo transakcji oraz stan replikacji.

Kolejne panele powinny wspierać diagnozę: zestawiać aktywność z oczekiwaniem na blokady, pokazywać długie transakcje oraz odczyty i operacje tymczasowe. Dla PostgreSQL przydatny jest osobny widok utrzymania tabel i vacuum, a dla MySQL — stanu InnoDB. Przy replikacji należy wyraźnie rozróżnić węzeł przyjmujący zapisy od replik. Porównywanie ich aktywności bez uwzględnienia roli może prowadzić do błędnych wniosków.

Alerty, które wymagają działania

Alert powinien wskazywać konkretny problem oraz możliwy kierunek weryfikacji. Najbardziej użyteczny zestaw początkowy obejmuje:

  • Brak możliwości pobrania statystyk bazy. Metryka up potwierdza możliwość odczytu endpointu przez Prometheusa, a nie poprawne połączenie eksportera z bazą. Trzeba ją uzupełnić stanem raportowanym przez eksporter, np. pg_up lub mysql_up, jeśli jest dostępny.
  • Utrzymujące się wysokie wykorzystanie połączeń. Próg powinien pozostawiać rezerwę operacyjną i uwzględniać konfigurację pul połączeń. Krótki skok nie musi oznaczać awarii.
  • Długotrwałe blokady lub transakcje. Ważniejszy od samej liczby blokad jest czas oczekiwania i wpływ na pozostałe sesje. W PostgreSQL warto osobno obserwować długie sesje idle in transaction.
  • Zatrzymana replikacja lub nadmierna zaległość. Próg należy powiązać z dopuszczalną nieaktualnością odczytów i wymaganiami odtworzeniowymi. Brak wartości opóźnienia nie oznacza opóźnienia zerowego.
  • Narastająca retencja WAL w PostgreSQL. Nieaktywny odbiorca korzystający ze slotu replikacji może powodować zatrzymywanie WAL. Alert powinien uwzględniać rozmiar zaległości i dostępny zapas miejsca.

Dla warunków podatnych na chwilowe wahania warto stosować klauzulę for. Opis alertu powinien zawierać instancję bazy, zaobserwowaną wartość, próg oraz odnośnik do odpowiedniego dashboardu. Dzięki temu powiadomienie nie kończy się na komunikacie „baza działa wolno”, lecz daje administratorowi punkt wyjścia do sprawdzenia połączeń, blokujących transakcji lub stanu replikacji.

7. Etykietowanie, multi-environment i higiena metryk: env/service/instance, naming, cardinality

Spójne etykiety pozwalają korzystać z tych samych dashboardów dla wielu usług i środowisk, porównywać wyniki oraz zawężać analizę do konkretnego źródła problemu. Ich projekt wpływa jednak nie tylko na wygodę pracy. W Prometheusie nazwę metryki wraz z pełnym zestawem wartości etykiet traktuje się jako identyfikator szeregu czasowego. Każda nowa kombinacja oznacza kolejną serię, którą trzeba zebrać, przechować i uwzględnić podczas wykonywania zapytań.

Wspólny zestaw etykiet: env, service i instance

Podstawą jest niewielki, jednoznacznie opisany zestaw etykiet. Powinien obowiązywać w całym monitorowanym środowisku, choć nie każda etykieta musi mieć zastosowanie do każdej metryki. Szczególnie ważne jest rozróżnienie trzech poziomów identyfikacji:

  • env wskazuje środowisko, na przykład dev, staging lub prod. Warto przyjąć zamknięty słownik, aby produkcja nie występowała jednocześnie pod nazwami prod i production.
  • service oznacza logiczną usługę, niezależnie od liczby jej replik i miejsca uruchomienia. Nazwa powinna pozostawać stabilna między wdrożeniami. Nie należy przypisywać jednej usługi do metryk współdzielonego serwera, jeśli obsługuje on kilka aplikacji.
  • instance identyfikuje konkretny monitorowany cel. Domyślnie Prometheus ustawia tę etykietę na adres celu pobierania metryk, zwykle w postaci hosta i portu. Nie jest więc ona odpowiednikiem nazwy usługi ani zawsze trwałym identyfikatorem maszyny.

Warto również zachować odrębne znaczenie etykiety job, która grupuje cele zbierane w ramach danej konfiguracji. Nie należy automatycznie utożsamiać jej z usługą biznesową. Etykiety opisujące środowisko i przynależność celu najlepiej nadawać w jednym, kontrolowanym miejscu, na przykład podczas konfiguracji zbierania lub relabelingu. Ogranicza to rozbieżności między zespołami i ryzyko konfliktu z etykietami wystawianymi przez aplikację.

Wiele środowisk bez przypadkowego mieszania danych

Wspólne dashboardy w Grafanie mogą wykorzystywać wybór środowiska, a następnie usługi i instancji. Sam selektor nie wystarczy — zapytania paneli muszą faktycznie uwzględniać wybrane wartości. Inaczej wykres może łączyć ruch produkcyjny z testowym i prezentować wynik, który nie opisuje poprawnie żadnego z tych środowisk. Przy agregowaniu danych należy świadomie zachowywać podział według env, chyba że celem jest właśnie porównanie lub połączenie środowisk.

Etykieta nie stanowi też mechanizmu kontroli dostępu. Jeżeli środowiska wymagają izolacji bezpieczeństwa, niezależnej retencji lub ograniczenia wpływu awarii monitoringu, potrzebny jest odpowiedni podział instancji Prometheusa albo przestrzeni danych w systemie przechowywania oraz właściwie skonfigurowane uprawnienia. Filtr w dashboardzie nie zastępuje tych zabezpieczeń.

Nazewnictwo, które jednoznacznie opisuje pomiar

Nazwa metryki powinna wskazywać mierzoną wielkość i jej jednostkę. W ekosystemie Prometheusa przyjęte są jednostki bazowe, między innymi sekundy i bajty, oraz odpowiadające im zakończenia nazw: _seconds i _bytes. Liczniki zgodnie z konwencją kończą się na _total. Własne metryki warto nazywać konsekwentnie, z prefiksem opisującym aplikację lub podsystem, zamiast tworzyć ogólne nazwy pozbawione kontekstu.

Nazw środowisk, hostów czy klientów nie należy umieszczać w nazwie metryki. Do rozróżniania wymiarów służą etykiety, o ile ich zakres jest kontrolowany. Równie istotna jest stałość znaczenia: zmiana jednostki lub sposobu pomiaru przy zachowaniu tej samej nazwy może sprawić, że historyczne porównania i istniejące zapytania staną się mylące.

Kardynalność: koszt każdej dodatkowej kombinacji

Kardynalność oznacza w tym kontekście liczbę unikalnych szeregów czasowych. Rośnie wraz z liczbą występujących kombinacji etykiet, dlatego nawet kilka pozornie niewinnych wymiarów może znacząco zwiększyć zużycie pamięci, miejsca na dysku i koszt zapytań. Histogramy wymagają dodatkowej uwagi: w klasycznym wariancie każda kombinacja etykiet tworzy osobne serie dla przedziałów oraz sumy i liczby obserwacji.

Identyfikatory użytkowników, sesji, zamówień czy żądań nie powinny być etykietami metryk. Podobny problem powodują pełne adresy URL z parametrami oraz surowe komunikaty błędów. Zamiast nich należy stosować ograniczone kategorie: szablon trasy zamiast konkretnego adresu, klasę błędu zamiast jego treści. Szczegóły pojedynczych zdarzeń lepiej przechowywać w logach lub śladach rozproszonych.

Higiena metryk wymaga regularnego przeglądu liczby serii, źródeł ich przyrostu i faktycznego wykorzystania danych. Warto obserwować również rotację serii: często zmieniające się identyfikatory instancji mogą generować wiele krótkotrwałych zestawów danych. Zbędne metryki najlepiej ograniczać u źródła lub odrzucać przed zapisaniem. Usuwanie samych etykiet wymaga ostrożności — jeśli rozróżniają one odrębne pomiary, ich usunięcie może spowodować kolizje, a nie poprawną agregację. Dobry zestaw etykiet zachowuje więc kontekst potrzebny do diagnozy, ale nie próbuje opisać każdego szczegółu zdarzenia.

💡 Pro tip: Przed dodaniem etykiety oszacuj liczbę kombinacji jej wartości z pozostałymi wymiarami: 100 tras × 5 metod HTTP × 10 kodów odpowiedzi to nawet 5000 serii na instancję dla jednego licznika. W klasycznym histogramie uwzględnij dodatkowo serie przedziałów, sumy i liczby obserwacji — koszt tej samej etykiety będzie znacznie większy.

8. Skalowanie i niezawodność monitoringu: federation, remote_write, retencja i najlepsze praktyki operacyjne

Monitoring musi działać również wtedy, gdy obserwowane środowisko jest przeciążone lub częściowo niedostępne. Skalowanie rozwiązania opartego na Prometheusie i Grafanie nie sprowadza się więc do zwiększenia pojemności dysku. Wymaga rozdzielenia trzech potrzeb: zbierania metryk blisko ich źródła, udostępniania wspólnego widoku wielu środowisk oraz przechowywania historii przez wymagany czas. Każda z nich może wymagać innego mechanizmu.

Federation a remote_write — dwa różne zastosowania

Federation pozwala jednemu serwerowi Prometheus pobierać wybrane szeregi czasowe z innych serwerów Prometheus. Sprawdza się w architekturze hierarchicznej: lokalne instancje obsługują poszczególne klastry lub lokalizacje, a instancja nadrzędna zbiera wybrane wskaźniki potrzebne do oceny całego środowiska. Największą korzyść daje przekazywanie ograniczonego zestawu metryk, często wcześniej zagregowanych przez reguły nagrywania, zamiast kopiowania wszystkich danych.

Federation nie służy do przenoszenia pełnej historii ani nie zastępuje magazynu długoterminowego. Instancja nadrzędna pobiera bieżące próbki udostępniane przez instancje źródłowe, dlatego nie należy traktować jej jako kopii zapasowej ich lokalnych baz.

remote_write wysyła próbki do zewnętrznego systemu przyjmującego dane w tym protokole. Jest odpowiednim wyborem, gdy potrzebne są centralizacja metryk, dłuższa retencja lub backend zaprojektowany do obsługi większej skali, na przykład Grafana Mimir. Prometheus może nadal zbierać dane i wykonywać lokalne reguły, a Grafana odpytywać centralne źródło.

Wysyłanie odbywa się asynchronicznie, co pomaga przetrwać krótkie zakłócenia komunikacji, ale nie gwarantuje bezstratnego działania przy dowolnie długiej awarii odbiorcy. Trzeba kontrolować opóźnienie wysyłki, błędy oraz zaległości i znać ograniczenia buforowania w używanej konfiguracji. Samo włączenie remote_write nie przenosi automatycznie wcześniejszej historii z lokalnej bazy.

Retencja dopasowana do potrzeb i pojemności

Okres przechowywania danych powinien wynikać z praktycznych zastosowań: diagnozowania incydentów, porównywania wydajności po wdrożeniach, analizy sezonowości lub wymogów organizacyjnych. Szczegółowe dane operacyjne mogą pozostać lokalnie przez krótszy czas, a historia potrzebna do analiz — w magazynie długoterminowym. Grafana prezentuje dane z tych źródeł, lecz sama nie zastępuje magazynu metryk.

Prometheus umożliwia ograniczenie lokalnej retencji czasem i rozmiarem. Jeżeli ustawiono oba limity, o usuwaniu starszych danych decyduje ten, który zostanie osiągnięty wcześniej. Limit retencji nie powinien odpowiadać całej pojemności wolumenu. Potrzebny jest zapas na dziennik WAL, bieżące dane i operacje kompaktowania. Pojemność należy szacować na podstawie rzeczywistego przyrostu danych, a następnie weryfikować pomiarami.

Wysoka dostępność bez pozornej redundancji

W krytycznych środowiskach warto uruchomić niezależne repliki Prometheusa zbierające metryki z tych samych celów, najlepiej w różnych domenach awarii. Repliki nie synchronizują automatycznie swoich lokalnych baz. Jeśli obie wysyłają dane do wspólnego backendu, trzeba skonfigurować ich identyfikację oraz obsługiwany przez ten backend mechanizm deduplikacji. Nie należy zakładać, że powielone próbki zostaną poprawnie rozpoznane bez konfiguracji.

Redundancja powinna obejmować również ścieżkę powiadamiania. Klaster Alertmanagera ogranicza ryzyko utraty obsługi alertów, a niezależny mechanizm kontrolny może wykrywać zanik sygnału z całego systemu monitoringu. Dwie instancje działające na jednym hoście lub zależne od tego samego wolumenu nadal mają wspólny punkt awarii.

Najważniejsze praktyki operacyjne

Założenia dotyczące skalowania i odporności na awarie warto weryfikować w testach, zanim od monitoringu będzie zależeć diagnoza rzeczywistego incydentu. W Cognity łączymy teorię z praktyką — dlatego te zagadnienia rozwijamy także w formie ćwiczeń na szkoleniach. W codziennej pracy szczególne znaczenie mają poniższe działania.

  • Monitoruj sam monitoring. Kontroluj dostępność zbierania danych, czas wykonywania reguł, wolne miejsce, błędy zapisu i opóźnienia remote_write.
  • Rozdzielaj zbieranie danych, gdy wymagają tego pomiary. Podział odpowiedzialności między instancje ogranicza obciążenie pojedynczego Prometheusa; federation sama w sobie nie zmniejsza kosztu zbierania na instancjach źródłowych.
  • Wersjonuj i sprawdzaj konfigurację. Zmiany reguł, źródeł danych i ustawień wysyłki powinny przechodzić walidację oraz mieć prostą ścieżkę wycofania.
  • Testuj scenariusze awaryjne. Sprawdź zachowanie po utracie repliki, odcięciu backendu i wyczerpaniu miejsca, a także procedurę odtworzenia konfiguracji oraz danych wymagających ochrony.
  • Chroń punkty dostępu. Ogranicz dostęp sieciowy, zabezpiecz transmisję i poświadczenia; centralizacja metryk zwiększa znaczenie kontroli uprawnień.
💡 Pro tip: Skonfiguruj stale aktywny alert kontrolny i wysyłaj go do niezależnego odbiorcy, który powiadomi o zaniku sygnału — dzięki temu awaria samego monitoringu nie pozostanie niezauważona. Podczas testu odetnij całą ścieżkę wysyłki, a nie tylko pojedynczą replikę Prometheusa.

Najczęściej zadawane pytania i odpowiedzi odnośnie Monitorowanie serwerów, aplikacji i baz danych za pomocą Grafany i Prometheusa

Czym różni się Prometheus od Grafany w monitorowaniu systemów?

Prometheus zbiera i przechowuje metryki, a Grafana umożliwia ich wizualizację oraz analizę na dashboardach. Prometheus cyklicznie odpytuje źródła danych i udostępnia wyniki przez API. Grafana korzysta z tego API, aby prezentować wykresy na podstawie zapytań PromQL. Awaria Grafany nie zatrzymuje zbierania metryk, ale bez dostępu do źródła danych dashboardy nie pokażą aktualnych wyników.

Jakie eksportery są potrzebne do monitorowania serwerów, baz danych i Kubernetes?

Wybór eksportera lub źródła metryk zależy od monitorowanej warstwy systemu. Poszczególne komponenty udostępniają różne informacje:

  • node_exporter — metryki systemu operacyjnego i zasobów hosta.
  • postgres_exporter oraz mysqld_exporter — statystyki odpowiednio PostgreSQL i MySQL.
  • kube-state-metrics — stan obiektów Kubernetes.
  • cAdvisor — wykorzystanie zasobów przez kontenery.

Aplikacja z własnym endpointem metryk nie potrzebuje dodatkowego eksportera. Przed importem dashboardu trzeba sprawdzić zgodność jego zapytań z rzeczywiście udostępnianymi metrykami.

Czy metryka up równa 1 oznacza, że aplikacja lub baza danych działa poprawnie?

Wartość up równa 1 potwierdza udane pobranie metryk przez Prometheusa, a nie poprawne działanie całej usługi. Aplikacja może udostępniać endpoint monitoringu i jednocześnie zwracać błędy użytkownikom. Eksporter bazy może natomiast odpowiadać mimo problemów z połączeniem do silnika. Dlatego dostępność zbierania należy zestawiać z metrykami aplikacyjnymi oraz stanem połączenia raportowanym przez eksporter, jeśli go udostępnia.

Jakie metryki aplikacji warto pokazywać na dashboardzie w Grafanie?

Dashboard aplikacji powinien przede wszystkim pokazywać natężenie ruchu, udział błędów i rozkład czasu odpowiedzi. To wskaźniki metody RED, które pomagają ocenić jakość obsługi użytkowników. Percentyle p95 i p99 ujawniają opóźnienia niewidoczne w średniej. Widok warto uzupełnić o długość kolejek, aktywne żądania i wykorzystanie pul połączeń, aby rozpoznać ograniczenia wewnątrz aplikacji oraz odróżnić wolne wykonanie od oczekiwania na zasób.

Czy postgres_exporter i mysqld_exporter pozwalają znaleźć wolne zapytania SQL?

Podstawowe eksportery baz danych nie zastępują profilowania zapytań SQL. Pomagają wykrywać objawy problemów, takie jak blokady, długie transakcje czy wysokie wykorzystanie połączeń, lecz nie zapewniają automatycznie szczegółowej analizy każdego zapytania. W PostgreSQL diagnostykę można rozszerzyć o pg_stat_statements, a w MySQL o Performance Schema lub slow query log. Wymaga to osobnej konfiguracji i oceny kosztu zbierania dodatkowych danych.

Jak ograniczyć nadmiar alertów w monitoringu Prometheus i Grafana?

Nadmiar alertów ogranicza się przez powiązanie reguł z rzeczywistym wpływem problemu na usługę i oczekiwanym działaniem zespołu. W praktyce warto:

  • Dobierać progi do charakteru obciążenia i celów SLO.
  • Stosować klauzulę for przy warunkach podatnych na krótkotrwałe wahania.
  • Uwzględniać liczbę zdarzeń przy alarmowaniu o procentowym udziale błędów.
  • Grupować i deduplikować powiadomienia w Alertmanagerze.

Te same warunki nie powinny niezależnie generować powiadomień w Prometheusie i Grafana Alerting.

Dlaczego nie należy dodawać identyfikatorów użytkowników do etykiet metryk Prometheusa?

Identyfikatory użytkowników w etykietach powodują wzrost kardynalności, czyli liczby unikalnych szeregów czasowych. Każda nowa kombinacja wartości tworzy osobną serię, zwiększając zapotrzebowanie na pamięć, przestrzeń dyskową i zasoby potrzebne do wykonywania zapytań. Bezpieczniejszym wyborem są ograniczone kategorie, takie jak szablon trasy czy klasa błędu. Szczegóły pojedynczych użytkowników, sesji i żądań lepiej przechowywać w logach lub śladach rozproszonych.

Co wybrać do długoterminowego przechowywania metryk: federation czy remote_write?

Do długoterminowego przechowywania metryk właściwym mechanizmem jest remote_write połączony z odpowiednim zewnętrznym magazynem danych. Federation służy do pobierania wybranych bieżących szeregów z innych instancji Prometheusa, a nie do archiwizacji ich historii. Samo włączenie remote_write nie przenosi wcześniejszych danych ani nie gwarantuje odporności na dowolnie długą awarię odbiorcy. Trzeba skonfigurować retencję backendu oraz kontrolować błędy i opóźnienia wysyłki.

icon

Formularz kontaktowyContact form

Imię *Name
NazwiskoSurname
Adres e-mail *E-mail address
Telefon *Phone number
UwagiComments