Grafana Beyla 开源项目教程
2024-09-24 05:48:27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
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
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
暂无简介
Dart
672
157
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++
662
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218