Grafana เป็นเครื่องมือ visualization ที่นิยมที่สุดในโลก open-source monitoring เพราะรองรับ data source หลายประเภท, มี panel หลากหลายรูปแบบ, และ UI ที่ใช้งานได้ง่าย การสร้าง dashboard ที่ดีช่วยให้ทีมมองเห็นสถานะของระบบได้อย่างรวดเร็วและตัดสินใจได้ตรงประเด็น บทความนี้จะพาไปเรียนรู้วิธีสร้าง custom das
ในระบบ infrastructure สมัยใหม่ที่ใช้ Kubernetes, cloud auto-scaling, หรือ container orchestration การจัดการ target ที่ต้องเก็บ metric แบบ manual เป็นเรื่องยากและไม่ scalable เพราะ instance เกิดและดับได้ตลอดเวลา Service Discovery (SD) คือเครื่องมือที่ Prometheus ใช้ค้นหา target อัตโนมัติจากแหล่งต่าง
การกำหนดค่า (configuration) ของระบบเก็บ metric เป็นหัวใจสำคัญที่ทำให้ monitoring ทำงานตามที่เราต้องการ เพราะไฟล์ config คือจุดที่เราบอกระบบว่าจะไปดึงข้อมูลจากที่ไหน, ทุกกี่วินาที, จะกรอง metric ใดออก, จะเปลี่ยน label อย่างไรก่อนเก็บ การเข้าใจโครงสร้างของ prometheus.yml และเครื่องมืออย่าง scrape_conf
การทำความเข้าใจ Data Model ของระบบเก็บ metric เป็นพื้นฐานสำคัญที่วิศวกรระบบและนักพัฒนาต้องรู้ก่อนเริ่มใช้งาน Prometheus ให้เกิดประโยชน์สูงสุด เพราะโครงสร้างข้อมูลแบบ time series ที่ใช้นั้นแตกต่างจากฐานข้อมูลทั่วไปโดยสิ้นเชิง การออกแบบ metric, การตั้งชื่อ, และการใช้ label อย่างเหมาะสมมีผลโดยตรงต่อประ
Prometheus กับ Grafana เป็นคู่หูที่ใช้กันแพร่หลายในการทำระบบ Monitoring ระดับ Production โดยระบบเก็บ Metrics ทำหน้าที่เก็บ Metrics จากระบบต่าง ๆ ส่วน Grafana ทำหน้าที่นำข้อมูลมาแสดงผลผ่าน Dashboard ที่สวยงามและตอบสนองรวดเร็ว การออกแบบสถาปัตยกรรมของสองเครื่องมือนี้ให้เหมาะสมกับปริมาณงานและความต้องการ
ในยุคที่ระบบซอฟต์แวร์มีความซับซ้อนมากขึ้น โดยเฉพาะระบบที่ใช้สถาปัตยกรรม Microservices, Container และ Cloud-Native ทีม DevOps ต้องเผชิญกับความท้าทายในการทำความเข้าใจพฤติกรรมของระบบที่มีส่วนประกอบหลายสิบหรือหลายร้อยส่วนทำงานพร้อมกัน คำว่า Monitoring และ Observability จึงกลายเป็นสองแนวคิดที่มักถูกพูดถึ
