#Наблюдаемость сети

#О DeepFlow

#Что такое DeepFlow

Проект с открытым исходным кодом DeepFlow направлен на обеспечение глубокой наблюдаемости сложных облачных и AI-приложений. DeepFlow реализует сбор данных без написания кода с помощью eBPF для метрик, распределённого трассирования, логов запросов и профилирования функций, а также интегрируется с SmartEncoding для достижения полной корреляции Full Stack и эффективного доступа ко всем данным наблюдаемости. С DeepFlow облачные и AI-приложения автоматически получают глубокую наблюдаемость, снимая с разработчиков тяжёлую нагрузку постоянного инструментирования кода и предоставляя возможности мониторинга и диагностики, охватывающие всё от кода до инфраструктуры для команд DevOps/SRE.

#Использование технологии eBPF

Предполагая, что у вас есть базовое понимание eBPF, это безопасная и эффективная технология расширения функциональности ядра путём запуска программ в песочнице, что является революционным новшеством по сравнению с традиционными методами изменения исходного кода ядра и написания модулей ядра. Программы eBPF являются событийно-ориентированными, и когда ядро или пользовательские программы проходят через eBPF Hook, выполняется соответствующая программа eBPF, загруженная в точку Hook. Ядро Linux заранее определяет ряд часто используемых точек Hook, а также можно динамически добавлять пользовательские точки Hook в ядро и приложения с помощью технологий kprobe и uprobe. Благодаря технологии Just-in-Time (JIT) эффективность выполнения кода eBPF может быть сопоставима с нативным кодом ядра и модулями ядра. Благодаря механизму Verification код eBPF выполняется безопасно, не вызывая сбоев ядра или бесконечных циклов.

#Архитектура программного обеспечения

DeepFlow состоит из двух компонентов: Agent и Server. Агент запускается на каждом узле K8s, устаревшем хосте и облачном хосте, и отвечает за сбор данных AutoMetrics и AutoTracing всех процессов приложений на хосте. Server запускается в кластере K8s и предоставляет управление агентами, внедрение тегов, приём и запрос данных.

#Установка DeepFlow

#Введение

#Требования к ядру

Возможности eBPF (AutoTracing, AutoProfiling) в DeepFlow имеют следующие требования к версии ядра:

Дополнительные примечания по версиям ядра:

#Топология развертывания

#Подготовка

#Storage Class

MySQL и ClickHouse в DeepFlow требуют выделенного хранилища Persistent Volume, созданного с помощью Storage Class.

Для получения дополнительной информации о конфигурации хранилища обратитесь к документации по Storage.

#Пакет

#Загрузка пакета DeepFlow

Посетите Customer Portal для загрузки пакета DeepFlow.

Если у вас нет доступа к Customer Portal, обратитесь в техническую поддержку.

#Загрузка пакета на платформу

Используйте инструмент violet для публикации пакета на платформе.

Подробные инструкции по использованию этого инструмента см. в разделе CLI.

#Установка

1. Перейдите в Administrator > Marketplace > Cluster Plugins.

2. Найдите в списке плагинов "Alauda Container Platform Observability with DeepFlow".

3. Нажмите Install, чтобы открыть страницу конфигурации установки.

4. Заполните параметры конфигурации по необходимости. Подробное описание каждого параметра приведено в таблице ниже.

5. Дождитесь, пока состояние плагина не станет Installed.

Таблица: Параметры конфигурации

#Доступ к веб-интерфейсу Grafana

Вы можете получить доступ к веб-интерфейсу Grafana через хосты и путь обслуживания, указанные в конфигурации Ingress, и войти, используя имя пользователя и пароль.

#Дополнительные ресурсы

• DeepFlow - мгновенная наблюдаемость для облачных и AI-приложений
• Конфигурация агента DeepFlow
• eBPF - введение, учебные материалы и ресурсы сообщества