Grafana Beyla 开源项目教程
2024-09-24 19:35:56作者:裴麒琰
1. 项目介绍
Grafana Beyla 是一个基于 eBPF 技术的开源自动检测工具,旨在帮助用户轻松开始应用程序的可观测性。Beyla 通过 eBPF 自动检测应用程序的可执行文件和操作系统网络层,捕获 HTTP/S 和 gRPC 服务的关键可观测性事件。从这些捕获的 eBPF 事件中,Beyla 生成 OpenTelemetry 的 Web 事务跟踪跨度和 Rate-Errors-Duration (RED) 指标。与其他 eBPF 工具一样,所有数据捕获和检测过程都不需要修改应用程序代码或配置。
2. 项目快速启动
2.1 环境准备
- Linux 内核版本 5.8 或更高,且 BTF 已启用。
- eBPF 已启用。
- 对于 Go 程序,编译时使用的 Go 版本至少为 1.17。
2.2 下载并运行示例服务
首先,下载并运行一个示例 HTTP 服务:
curl -OL https://raw.githubusercontent.com/grafana/beyla/main/examples/example-http-service/example-http-service.go
go run ./example-http-service.go
2.3 生成一些流量
使用以下命令每两秒触发一次 GET 请求:
watch curl -s http://localhost:8080
2.4 下载并运行 Beyla
下载并解压最新版本的 Beyla:
curl -L https://github.com/grafana/beyla/releases/latest/download/beyla.tar.gz | tar xz
设置环境变量并运行 Beyla:
export BEYLA_PROMETHEUS_PORT=9400
export BEYLA_OPEN_PORT=8080
sudo -E ./beyla
现在,你应该可以在 http://localhost:9400/metrics 看到生成的指标。
3. 应用案例和最佳实践
3.1 在 Kubernetes 中使用 Beyla
在 Kubernetes 中,你可以通过 Sidecar 模式将 Beyla 与应用程序一起部署。以下是一个简单的示例:
apiVersion: apps/v1
kind: Deployment
metadata:
name: example-app
spec:
replicas: 1
selector:
matchLabels:
app: example-app
template:
metadata:
labels:
app: example-app
spec:
containers:
- name: example-app
image: your-example-app-image
- name: beyla
image: grafana/beyla:latest
env:
- name: BEYLA_PROMETHEUS_PORT
value: "9400"
- name: BEYLA_OPEN_PORT
value: "8080"
3.2 最佳实践
- 权限管理:在生产环境中,确保 Beyla 以最小权限运行,避免使用
sudo。 - 监控与告警:结合 Grafana 和 Prometheus,设置监控和告警规则,及时发现和处理问题。
4. 典型生态项目
4.1 Grafana
Grafana 是一个开源的可视化和监控平台,支持多种数据源,包括 Prometheus、Loki、Tempo 等。Beyla 生成的指标和跟踪数据可以直接导入 Grafana 进行可视化和分析。
4.2 Prometheus
Prometheus 是一个开源的监控和告警工具,Beyla 生成的指标可以直接通过 Prometheus 进行收集和存储。
4.3 OpenTelemetry
OpenTelemetry 是一个开源的可观测性框架,Beyla 生成的跟踪数据符合 OpenTelemetry 标准,可以与其他 OpenTelemetry 工具无缝集成。
通过以上步骤,你可以快速上手并深入了解 Grafana Beyla 的使用和最佳实践。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
185
196
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210