开启部署版自身的可观测¶

概述¶

本文档的目的在于能够帮助私有部署版用户，如何对部署版实施可观测，以提升整体观测云服务的运行可靠性。此篇讲述了2种经典的可观测模式，以及在 Kubernetes 的环境下如何部署 Datakit 数据采集、日志及切割、应用性能监测、可用性监测、用户访问监测 等。此外，我们还提供了基础设施及中间件观测 和 应用服务观测的一键导入模板文件，方便大家更好的使用以便观测自身环境。

部署版可观测模式¶

自观测模式一对多统一观测模式

此模式是指，自己观测自己。换句话说，就是自己把数据打到自己的空间上。这就意味着如果环境挂掉了。那么自己也同时观测不到自己的信息数据了，并且也无法进一步排查原因。此方案优点是：部署方便。缺点是：数据是持续产生的，会产生数据自迭代，导致一直循环下去，并且集群崩溃时，无法观测到自身的问题。

此模式是指，客户的多个观测云都往同一节点去打。优点：不会造成数据传输闭环的情况，并且能够实时监测到自身集群的状态。

账号信息准备¶

名称	类型	说明	创建语法（注意修改密码）	重要程度
私有 FUNC 数据库账号	DB & USER	FUNC 服务连接账号	CREATE DATABASE private_func; create user 'private_func'@'%' identified by 'V4KySbFhzDkxxxx'; GRANT ALL PRIVILEGES ON private_func.* TO private_func; FLUSH PRIVILEGES;	可选
MySQL 自观测账号	USER	自观测账号，采集MySQL 指标	CREATE USER 'datakit'@'%' IDENTIFIED WITH caching_sha2_password by 'SFGS&DFxxxx32!'; GRANT PROCESS ON . TO 'datakit'@'%'; GRANT SELECT ON . TO 'datakit'@'%'; show databases like 'performance_schema'; GRANT SELECT ON performance_schema.* TO 'datakit'@'%'; GRANT SELECT ON mysql.user TO 'datakit'@'%'; GRANT replication client on . to 'datakit'@'%';	重要
业务数据采集账号	USER	使用 FUNC 采集业务数据使用	CREATE USER 'read'@'%' IDENTIFIED BY 'u19e0LmkL8Fxxxx'; GRANT SELECT ON df_core.* TO 'read'@'%'; FLUSH PRIVILEGES;	可选
PostgreSQL 自观测账号	USER	GuanceDB 3.0 监控使用	CREATE USER datakit WITH PASSWORD 'Z7ZdQ326EeexxxxP'; GRANT pg_monitor TO datakit; GRANT CONNECT ON DATABASE scopedb_meta TO datakit; GRANT SELECT ON pg_stat_database TO datakit;	可选

配置数据采集¶

部署 DataKit¶

1）下载datakit.yaml

注意

注意：以上DataKit默认的配置中间件配置都已配置完毕，稍作修改即可使用。

2）修改 datakit.yaml DaemonSet 的模板文件

   - name: ENV_DATAWAY
     value: https://openway.guance.com?token=tkn_a624xxxxxxxxxxxxxxxxxxxxxxxx74 ## 此处填上 dataway 真实地址
   - name: ENV_GLOBAL_TAGS
     value: host=__datakit_hostname,host_ip=__datakit_ip,guance_site=guance,cluster_name_k8s=guance # 面板变量根据自己实际情况修改
   - name: ENV_GLOBAL_ELECTION_TAGS
     value: guance_site=guance,cluster_name_k8s=guance     # 根据自己面板变量实际情况修改
   image: pubrepo.guance.com/datakit/datakit:1.65.2     ## 修改成最新镜像版本

3）修改 datakit.yaml 中关于ConfigMap的相关配置

apiVersion: v1
kind: ConfigMap
metadata:
  name: datakit-conf
  namespace: datakit
data:
    mysql.conf: |-
        [[inputs.mysql]]
          host = "xxxxxxxxxxxxxxx"      ##修改对应MySQL连接地址
          user = "ste3"                 ##修改MySQL用户名
          pass = "Test1234"             ##修改MySQL密码
          ......

    redis.conf: |-
        [[inputs.redis]]
          host = "r-xxxxxxxxx.redis.rds.ops.ste3.com"            ## 修改Redis连接地址
          port = 6379                                                   
          # unix_socket_path = "/var/run/redis/redis.sock"
          # 配置多个db，配置了dbs，db也会放入采集列表。dbs=[]或者不配置则会采集redis中所有非空的db
          # dbs=[]
          # username = "<USERNAME>"
           password = "Test1234"                                        ## 修改Redis密码
          ......

    openes.conf: |-
        [[inputs.elasticsearch]]
          ## Elasticsearch服务器配置
          # 支持Basic认证:
          # servers = ["http://user:pass@localhost:9200"]
          servers = ["http://guance:123.com@opensearch-cluster-client.middleware:9200"]   ## 修改用户名、密码等
          ......

4）挂载操作

        - mountPath: /usr/local/datakit/conf.d/db/mysql.conf
          name: datakit-conf
          subPath: mysql.conf
          readOnly: false

注意：多个配置也是一样的。依次添加下去。

6）修改后开始部署DataKit

kubectl apply -f datakit.yaml

环境变量说明¶

变量名称	说明
ENV_DEFAULT_ENABLED_INPUTS	配置默认采集： self,cpu,disk,diskio,mem,swap,system,hostobject,net,host_processes,container,zipkin
ENV_ENABLE_ELECTION	启用选举机制后，Prometheus 采集（或其他组件）会以主节点或候选节点方式工作
ENV_GLOBAL_ELECTION_TAGS	在选举组件中添加额外的标签维度，对 Prometheus 采集时打标签使用（在选举开启时有效）
ENV_INPUT_DDTRACE_COMPATIBLE_OTEL	启用`otel Trace` 与 `DDTrace Trace` 兼容
ENV_INPUT_DISK_USE_NSENTER	用 `nsenter` 方式来采集磁盘用量信息，采集集群动态存储块信息，如果使用动态存储块存储，一定要设置
ENV_INPUT_HOSTOBJECT_USE_NSENTER	用 `nsenter` 方式来采集磁盘用量信息，采集集群动态存储块信息，如果使用动态存储块存储，一定要设置
ENV_INPUT_CONTAINER_ENABLE_CONTAINER_METRIC	开启容器指标采集
ENV_INPUT_CONTAINER_ENABLE_POD_METRIC	开启 Pod 指标采集（CPU 和内存使用情况）
ENV_INPUT_CONTAINER_ENABLE_K8S_METRIC	开启 k8s 指标采集

导入视图、监控器模板及 Pipelines¶

注意

导入监控模板之后，需手动设置告警策略和告警通知对象。

导入视图、监控器模板¶

下载视图及监控器模板

「管理」-「空间设置」-「导入」

注意

导入后监控要修改相应的跳转链接配置。要把 url 中的 dsbd_xxxx 换到对应的仪表板下，wksp_xxxx 换成要监测的空间下。

导入 Pipelines¶

解压 guance-self-observing-latest.zip 文件，路径：guance-self-observing-latest/pipeline

「管理」-「Pipelines」-「导入」

应用服务观测¶

配置服务 prom 采集¶

下载prom 配置文件

解压 guance-self-observing-prom-latest.zip ，并执行以下命令：

cd guance-self-observing-prom-latest
kubectl patch deploy kodo-x -n  forethought-kodo  --type merge --patch "$(cat kodo-x-prom.yaml)" 
kubectl patch deploy kodo -n  forethought-kodo  --type merge --patch "$(cat kodo-prom.yaml)" 
kubectl patch sts kodo-servicemap -n  forethought-kodo  --type merge --patch "$(cat kodo-servicemap-prom.yaml)" 
kubectl patch sts kodo-x-backuplog -n  forethought-kodo  --type merge --patch "$(cat kodo-x-backuplog-prom.yaml)" 
kubectl patch deploy inner -n  forethought-core  --type merge --patch "$(cat core-inner-prom.yaml)"

配置应用性能监测¶

注入 forethought-core 配置¶

#!/bin/bash
set -euo pipefail

# 命名空间
NAMESPACE="${NAMESPACE:-forethought-core}"

# —— 每个 deployment 的专属 KV 写在这里（脚本里，不用外部文件）——
# 一行一个："<deploy> KEY=VAL KEY=VAL ..."
DEPLOY_ENV_CONFIG=(

  'front-backend DD_PATCH_MODULES=redis:true,urllib3:true,httplib:true,sqlalchemy:true,httpx:true DD_AGENT_PORT=9529 DD_GEVENT_PATCH_ALL=true DD_SERVICE=front-backend DD_TAGS=pod_name:$(POD_NAME),project:dataflux'
  'inner DD_PATCH_MODULES=redis:true,urllib3:true,httplib:true,sqlalchemy:true,httpx:true DD_AGENT_PORT=9529 DD_GEVENT_PATCH_ALL=true DD_SERVICE=inner DD_TAGS=pod_name:$(POD_NAME),project:dataflux'
  'management-backend DD_PATCH_MODULES=redis:true,urllib3:true,httplib:true,sqlalchemy:true,httpx:true DD_AGENT_PORT=9529 DD_GEVENT_PATCH_ALL=true DD_SERVICE=management-backend DD_TAGS=pod_name:$(POD_NAME),project:dataflux'
  'open-api DD_PATCH_MODULES=redis:true,urllib3:true,httplib:true,sqlalchemy:true,httpx:true DD_AGENT_PORT=9529 DD_GEVENT_PATCH_ALL=true DD_SERVICE=open-api DD_TAGS=pod_name:$(POD_NAME),project:dataflux'
  'sse DD_PATCH_MODULES=redis:true,urllib3:true,httplib:true,sqlalchemy:true,httpx:true DD_AGENT_PORT=9529 DD_GEVENT_PATCH_ALL=true DD_SERVICE=sse DD_TAGS=pod_name:$(POD_NAME),project:dataflux'
  'core-worker DD_TRACE_ENABLED=false'
  'core-worker-0 DD_TRACE_ENABLED=false'
  'core-worker-beat DD_TRACE_ENABLED=false'
  'core-worker-correlation DD_TRACE_ENABLED=false'
)

# —— 只在 args[0] 前置 ddtrace-run（不修改 command）——
prefix_ddtrace_run_args_only() { # $1 deploy
  local d="$1"

  # 若明确禁用 tracing，则不加
  local trace_enabled
  trace_enabled="$(kubectl get deploy "$d" -n "$NAMESPACE" \
     -o jsonpath='{.spec.template.spec.containers[0].env[?(@.name=="DD_TRACE_ENABLED")].value}' 2>/dev/null || true)"
  if [[ "$trace_enabled" == "false" ]]; then
    echo "  • DD_TRACE_ENABLED=false，跳过 ddtrace-run。"
    return 0
  fi

  # 读取 args[0]
  local first_arg
  first_arg="$(kubectl get deploy "$d" -n "$NAMESPACE" \
     -o jsonpath='{.spec.template.spec.containers[0].args[0]}' 2>/dev/null || true)"

  # 已经是 ddtrace-run 就跳过
  if [[ "$first_arg" == "ddtrace-run" ]]; then
    echo "  • args 已以 ddtrace-run 开头，跳过。"
    return 0
  fi

  # 判断是否已有 args 数组
  local has_args
  has_args="$(kubectl get deploy "$d" -n "$NAMESPACE" \
     -o jsonpath='{.spec.template.spec.containers[0].args}' 2>/dev/null || true)"

  if [[ -n "$has_args" ]]; then
    # 在现有 args 开头插入 ddtrace-run
    kubectl patch deploy "$d" -n "$NAMESPACE" --type='json' -p='[
      {"op":"add","path":"/spec/template/spec/containers/0/args/0","value":"ddtrace-run"}
    ]' >/dev/null
    echo "  • 已在 args[0] 插入 ddtrace-run"
  else
    # 若没有 args，创建 args 并将 ddtrace-run 作为第一个元素
    kubectl patch deploy "$d" -n "$NAMESPACE" --type='json' -p='[
      {"op":"add","path":"/spec/template/spec/containers/0/args","value":["ddtrace-run"]}
    ]' >/dev/null
    echo "  • 无 args：已创建 args=[\"ddtrace-run\"]"
  fi
}


# —— 小工具函数 —— #
has_env() { # $1 deploy  $2 KEY
  kubectl get deploy "$1" -n "$NAMESPACE" \
    -o jsonpath="{.spec.template.spec.containers[0].env[?(@.name=='$2')].name}" 2>/dev/null | grep -qx "$2"
}
ensure_env_array() { # $1 deploy
  local has_array
  has_array="$(kubectl get deploy "$1" -n "$NAMESPACE" -o jsonpath="{.spec.template.spec.containers[0].env}" 2>/dev/null || true)"
  if [[ -z "${has_array}" ]]; then
    kubectl patch deploy "$1" -n "$NAMESPACE" --type='json' -p="[
      {\"op\":\"add\",\"path\":\"/spec/template/spec/containers/0/env\",\"value\":[]}
    ]" >/dev/null
  fi
}

for item in "${DEPLOY_ENV_CONFIG[@]}"; do
  deploy="${item%% *}"
  # 若该行只有部署名，跳过
  rest="${item#* }"; [[ "$rest" == "$deploy" ]] && rest=""

  echo "→ Processing: $deploy"

  # 是否存在
  if ! kubectl get deploy "$deploy" -n "$NAMESPACE" >/dev/null 2>&1; then
    echo "  - Not found, skip."
    continue
  fi

  # 确保有 env 数组（否则 /env/- 追加会失败）
  ensure_env_array "$deploy"

  # 追加 Downward API（缺则加）：DD_AGENT_HOST=status.hostIP、POD_NAME=metadata.name
  if ! has_env "$deploy" "DD_AGENT_HOST"; then
    kubectl patch deploy "$deploy" -n "$NAMESPACE" --type='json' -p='[
      {"op":"add","path":"/spec/template/spec/containers/0/env/-",
       "value":{"name":"DD_AGENT_HOST","valueFrom":{"fieldRef":{"apiVersion":"v1","fieldPath":"status.hostIP"}}}}
    ]' >/dev/null
    echo "  • add DD_AGENT_HOST (status.hostIP)"
  else
    echo "  • DD_AGENT_HOST exists, skip."
  fi

  if ! has_env "$deploy" "POD_NAME"; then
    kubectl patch deploy "$deploy" -n "$NAMESPACE" --type='json' -p='[
      {"op":"add","path":"/spec/template/spec/containers/0/env/-",
       "value":{"name":"POD_NAME","valueFrom":{"fieldRef":{"apiVersion":"v1","fieldPath":"metadata.name"}}}}
    ]' >/dev/null
    echo "  • add POD_NAME (metadata.name)"
  else
    echo "  • POD_NAME exists, skip."
  fi

  # 逐个静态 KEY=VAL（缺则加；有则跳过）
  for kv in $rest; do
    key="${kv%%=*}"
    val="${kv#*=}"
    if has_env "$deploy" "$key"; then
      echo "  • $key exists, skip."
    else
      kubectl set env deploy/"$deploy" -n "$NAMESPACE" "$key=$val" >/dev/null
      echo "  • add $key=$val"
    fi
  done
  # 确保启动命令前置 ddtrace-run
  prefix_ddtrace_run_args_only "$deploy"
  echo "  -> Done: $deploy"
done

注入 forethought-kodo 配置¶

#!/bin/bash
set -euo pipefail

# 命名空间
NAMESPACE="${NAMESPACE:-forethought-kodo}"

# —— 每个 deployment 的专属 KV 写在这里（脚本里，不用外部文件）——
# 一行一个："<deploy> KEY=VAL KEY=VAL ..."
DEPLOY_ENV_CONFIG=(
  'kodo DD_TRACE_ENABLED=true DD_TRACE_AGENT_PORT=9529 DD_TRACE_SAMPLE_RATE=0 DD_SERVICE=kodo DD_TAGS=pod_name:$(POD_NAME),project:dataflux'
  'kodo-inner DD_TRACE_ENABLED=true DD_TRACE_AGENT_PORT=9529 DD_SERVICE=kodo-inner DD_TAGS=pod_name:$(POD_NAME),project:dataflux'

)

# —— 小工具函数 —— #
has_env() { # $1 deploy  $2 KEY
  kubectl get deploy "$1" -n "$NAMESPACE" \
    -o jsonpath="{.spec.template.spec.containers[0].env[?(@.name=='$2')].name}" 2>/dev/null | grep -qx "$2"
}
ensure_env_array() { # $1 deploy
  local has_array
  has_array="$(kubectl get deploy "$1" -n "$NAMESPACE" -o jsonpath="{.spec.template.spec.containers[0].env}" 2>/dev/null || true)"
  if [[ -z "${has_array}" ]]; then
    kubectl patch deploy "$1" -n "$NAMESPACE" --type='json' -p="[
      {\"op\":\"add\",\"path\":\"/spec/template/spec/containers/0/env\",\"value\":[]}
    ]" >/dev/null
  fi
}

for item in "${DEPLOY_ENV_CONFIG[@]}"; do
  deploy="${item%% *}"
  # 若该行只有部署名，跳过
  rest="${item#* }"; [[ "$rest" == "$deploy" ]] && rest=""

  echo "→ Processing: $deploy"

  # 是否存在
  if ! kubectl get deploy "$deploy" -n "$NAMESPACE" >/dev/null 2>&1; then
    echo "  - Not found, skip."
    continue
  fi

  # 确保有 env 数组（否则 /env/- 追加会失败）
  ensure_env_array "$deploy"

  # 追加 Downward API（缺则加）：DD_AGENT_HOST=status.hostIP、POD_NAME=metadata.name
  if ! has_env "$deploy" "DD_AGENT_HOST"; then
    kubectl patch deploy "$deploy" -n "$NAMESPACE" --type='json' -p='[
      {"op":"add","path":"/spec/template/spec/containers/0/env/-",
       "value":{"name":"DD_AGENT_HOST","valueFrom":{"fieldRef":{"apiVersion":"v1","fieldPath":"status.hostIP"}}}}
    ]' >/dev/null
    echo "  • add DD_AGENT_HOST (status.hostIP)"
  else
    echo "  • DD_AGENT_HOST exists, skip."
  fi

  if ! has_env "$deploy" "POD_NAME"; then
    kubectl patch deploy "$deploy" -n "$NAMESPACE" --type='json' -p='[
      {"op":"add","path":"/spec/template/spec/containers/0/env/-",
       "value":{"name":"POD_NAME","valueFrom":{"fieldRef":{"apiVersion":"v1","fieldPath":"metadata.name"}}}}
    ]' >/dev/null
    echo "  • add POD_NAME (metadata.name)"
  else
    echo "  • POD_NAME exists, skip."
  fi

  # 逐个静态 KEY=VAL（缺则加；有则跳过）
  for kv in $rest; do
    key="${kv%%=*}"
    val="${kv#*=}"
    if has_env "$deploy" "$key"; then
      echo "  • $key exists, skip."
    else
      kubectl set env deploy/"$deploy" -n "$NAMESPACE" "$key=$val" >/dev/null
      echo "  • add $key=$val"
    fi
  done

  echo "  -> Done: $deploy"
done

配置可用性监测¶

1）新建一个要监测的网站

2）配置拨测任务

注意

根据实际设置的域名进行修改

名称	拨测地址	类型	任务状态
xx-dataflux-api	https://xx-console-api.guance.com	HTTP	启动
xx-open-api	https://xx-open-api.guance.com	HTTP	启动
xx-dataway	https://xx-dataway.guance.com	HTTP	启动
xx-static-res	https://xx-static-res.guance.com/dataflux-template/README.md	HTTP	启动
xx-dataflux	https://xx-dataflux.guance.com	HTTP	启动
xx-management-api	https://xx-management-api.guance.com	HTTP	启动
xx-management	https://xx-management.guance.com	HTTP	启动

配置用户访问监测¶

注意

如果没有找到“使用公网 DataWay”，请修改 namespace「forethought-webclient」- configmap「front-web-config」，添加 rumDatawayUrl:<https://<Dataway 地址>，并重启 front-webclient 服务。

1）获取 RUM 配置

登录自观测空间创建 RUM app

App Name：观测云
App ID: xxx_guance_com
获取 site
获取 clientToken

2）修改 forethought-webclient namespace 下 front-web-config ConfigMap配置（参数没有就添加）

rumEnable: 1 (1 为开启)
rumOpenwayUrl 为「获取的 site」
rumClientToken 为「获取 clientToken」
rumApplicationId 为「App ID」
rumAllowedDdtracingOrigins 为 ["https://xxx-console-api.guance.com", "https://xxx-console.guance.com",]

window.DEPLOYCONFIG = {
    cookieDomain: '.guance.com',
    apiUrl: 'https://cn4-console-api.guance.com',
    wsUrl: 'wss://.guance.com',
    innerAppDisabled: 0,
    innerAppLogin: 'https://cn4-auth.guance.com/redirectpage/login',
    innerAppRegister: 'https://cn4-auth.guance.com/redirectpage/register',
    innerAppProfile: 'https://cn4-auth.guance.com/redirectpage/profile',
    innerAppCreateworkspace: 'https://cn4-auth.guance.com/redirectpage/createworkspace',
    staticFileUrl: 'https://cn4-static-res.guance.com',
    staticDatakit: 'https://static.guance.com',
    cloudDatawayUrl: '',
    isSaas: '1',
    showHelp: 1,
    rumEnable: 1,                                                                              ## 0是关闭，1是开启，此处开启
    rumOpenwayUrl: "",                                                                         ## openway 地址
    rumApplicationId: "",                                                                      ## 修改成实际appid
    rumJsUrl: "https://static.guance.com/browser-sdk/v3/dataflux-rum.js",
    rumDataEnv: 'prod',
    shrineApiUrl: '',
    upgradeUrl: '',
    rechargeUrl: '',
    paasCustomLoginInfo: []
};

告警设置¶

告警策略说明¶

告警策略名称	告警级别	告警说明	备注
P0 告警 - 飞书群 & 电话通知	严重	该策略为最高级告警，事件发生后必须立即处理。触发条件包括： 1. 站点页面不可访问； 2. 数据无法上报或写入失败，导致数据丢失； 3. 监控器停止运行，导致用户监控失效； 4. 自动触发任务终止或失败，造成数据丢失； 5. 中间件故障，导致系统不可用或数据丢失。	告警通知对象建议：电话
基础设施告警 - 飞书群通知	严重、重要	该策略级别低于 P0 告警，事件发生后需持续关注和排查。触发条件包括： 1. 服务异常重启； 2. 节点内存异常； 3. 节点负载过高或其他系统资源异常。	告警通知对象建议：普通（邮件、飞书等）
业务告警 - 飞书群通知	严重、重要、警告	该策略为普通级告警，事件发生后建议持续关注。触发条件包括： 1. 服务日志报错； 2. 业务逻辑相关异常。	告警通知对象建议：普通（邮件、飞书等）
ScopeDB 相关服务告警	全部	该策略为普通级告警，事件发生后建议持续关注。触发条件包括： 1. ScopeDB 服务日志报错； 2. ScopeDB 性能告警	告警通知对象建议：普通（邮件、飞书等）

告警设置步骤¶

创建通知对象¶

登录自观测空间访问「监控」-「通知对象管理」
新建 3 个不同通知对象（通知对象类型不限，建议不同通知群）
业务告警
基础设施告警
P0 告警

配置告警策略¶

「监控」- 「告警策略管理」设置通知配置

告警策略名称	通知配置-等级	通知配置-对象	重复告警周期
基础设施告警 -飞书群	严重、重要	基础设施告警	30 分钟
P0 告警 - 飞书群 & 电话通知	严重	P0 告警	6 小时
业务告警 - 飞书群通知	严重、重要、警告	业务告警	30 分钟
ScopeDB 相关服务告警	全部	业务告警	30 分钟

Func 自观测（可选）¶

Func 任务日志数据上报¶

DataFlux Func 的函数运行日志、自动触发配置等信息可以直接上报至观测云。步骤如下图

在观测云数据上报中填写 DataWay / OpenWay 地址和 Token 信息即可，格式如下：

https://openway.guance.com?token=tkn_xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx

注意：如果Func数据上报失败，可查看 DataFlux Func文档

业务监控采集（可选）¶

私有 Func 部署¶

注意，storageClass、MYSQL_HOST、MYSQL_USER、MYSQL_PASSWORD、MYSQL_DATABASE 等参数

helm install func func --repo https://pubrepo.guance.com/chartrepo/func -n datakit  --create-namespace  \
    --set storage.pvc.enabled=true,storage.pvc.storageClass="xxxxxxxx" \
    --set mysql.enabled=false,func.MYSQL_HOST='xxxxxx' \
    --set func.MYSQL_USER=private_func,func.MYSQL_PASSWORD=xxxxx,func.MYSQL_DATABASE=private_func

设置 ingress¶

提前设置证书

apiVersion: networking.k8s.io/v1
kind: Ingress
metadata:
  name: xxx-private-func
  namespace: datakit
spec:
  ingressClassName: nginx
  rules:
    - host: xxx-private-func.guance.com
      http:
        paths:
          - backend:
              service:
                name: func-server
                port:
                  number: 8088
            path: /
            pathType: ImplementationSpecific
  tls:
    - hosts:
        - xxx-private-func.guance.com
      secretName: guance.com

初始化¶

浏览器访问域名，下一步

导入脚本¶

下载脚本包

访问「脚本集导入」-「脚本导入」

修改数据库环境变量配置¶

填写【业务数据采集账号】信息

验证方式¶

需切换 guance_site 参数

名称	验证方式	验证操作
MySQL	DQL	M::`mysql`:(avg(`max_connections`)) { `guance_site` = 'xxx' } BY `host`
Redis	DQL	M::`redis_info`:(avg(`maxmemory`)) { `guance_site` = 'xxx' } BY `host`
PostgreSQL	DQL	M::`postgresql_connection`:(max(`percent_usage_connections`)) { `guance_site` = 'xxx' }
NSQD	DQL	M::`nsq_topics`:(max(`message_count`)) { `guance_site` = 'xxx' } BY `topic`
DataWay	DQL	M::`dw`:(max(`dataway_cpu_cores`)) { `guance_site` = 'xxx' } BY `guance_site`
Studio 链路	DQL	T::`front-backend`:(count(`*`)) { `guance_site` = 'xxx' } BY `guance_site`
Kodo-inner 链路	DQL	T::`kodo-inner`:(count(`*`)) { `guance_site` = 'xxx' } BY `guance_site`
Kodo 指标	DQL	M::kodo_workers:(count(`job_point_bytes_total`), count(`write_byte_total`)) BY `guance_site`