1 - 操作指南：使用 Prometheus 观察指标
在本地设置 Prometheus
要在本地计算机上运行 Prometheus，您可以安装并作为进程运行，也可以将其作为 Docker 容器运行。
安装
注意
如果您计划将 Prometheus 作为 Docker 容器运行，则无需安装它。请参阅容器说明。要安装 Prometheus，请按照此处针对您的操作系统概述的步骤操作。
配置
现在您已经安装了 Prometheus，需要创建一个配置。
下面是一个 Prometheus 配置示例，将其保存到文件中，例如 /tmp/prometheus.yml 或 C:\Temp\prometheus.yml
global:
scrape_interval: 15s # 默认情况下，每 15 秒抓取一次目标。
# 一个恰好包含一个要抓取的端点的抓取配置：
# 这里是 Prometheus 本身。
scrape_configs:
- job_name: 'dapr'
# 覆盖全局默认值，并每 5 秒从此作业抓取目标。
scrape_interval: 5s
static_configs:
- targets: ['localhost:9090'] # 如果不是默认值，请替换为 Dapr 指标端口
作为进程运行
使用您的配置运行 Prometheus，以开始从指定目标收集指标。
./prometheus --config.file=/tmp/prometheus.yml --web.listen-address=:8080
我们更改了端口，使其不会与 Dapr 自己的指标端点冲突。
如果您当前没有运行 Dapr 应用程序，目标将显示为离线。为了开始收集指标，您必须使用与配置中提供的目标匹配的指标端口启动 Dapr。
Prometheus 运行后，您可以通过访问 http://localhost:8080 来访问其仪表板。
作为容器运行
要在本地计算机上将 Prometheus 作为 Docker 容器运行，首先确保已安装并运行 Docker。
然后您可以使用以下命令将 Prometheus 作为 Docker 容器运行：
docker run \
--net=host \
-v /tmp/prometheus.yml:/etc/prometheus/prometheus.yml \
prom/prometheus --config.file=/etc/prometheus/prometheus.yml --web.listen-address=:8080
--net=host 确保 Prometheus 实例能够连接到在主机上运行的任何 Dapr 实例。如果您还计划在容器中运行 Dapr 应用，则需要在共享的 Docker 网络上运行它们，并使用正确的目标地址更新配置。
Prometheus 运行后，您可以通过访问 http://localhost:8080 来访问其仪表板。
在 Kubernetes 上设置 Prometheus
前提条件
安装 Prometheus
- 首先创建可用于部署 Grafana 和 Prometheus 监控工具的命名空间
kubectl create namespace dapr-monitoring
- 安装 Prometheus
helm repo add prometheus-community https://prometheus-community.github.io/helm-charts
helm repo update
helm install dapr-prom prometheus-community/prometheus -n dapr-monitoring
如果您是 Minikube 用户或出于开发目的想要禁用持久卷，可以使用以下命令禁用它。
helm install dapr-prom prometheus-community/prometheus -n dapr-monitoring
--set alertmanager.persistence.enabled=false --set pushgateway.persistentVolume.enabled=false --set server.persistentVolume.enabled=false
要自动发现 Dapr 目标（服务发现），请使用：
helm install dapr-prom prometheus-community/prometheus -f values.yaml -n dapr-monitoring --create-namespace
values.yaml 文件
alertmanager:
persistence:
enabled: false
pushgateway:
persistentVolume:
enabled: false
server:
persistentVolume:
enabled: false
# 向 prometheus.yml 添加额外的抓取配置
# 使用服务发现来查找 Dapr 和 Dapr sidecar 目标
extraScrapeConfigs: |-
- job_name: dapr-sidecars
kubernetes_sd_configs:
- role: pod
relabel_configs:
- action: keep
regex: "true"
source_labels:
- __meta_kubernetes_pod_annotation_dapr_io_enabled
- action: keep
regex: "true"
source_labels:
- __meta_kubernetes_pod_annotation_dapr_io_enable_metrics
- action: replace
replacement: ${1}
source_labels:
- __meta_kubernetes_namespace
target_label: namespace
- action: replace
replacement: ${1}
source_labels:
- __meta_kubernetes_pod_name
target_label: pod
- action: replace
regex: (.*);daprd
replacement: ${1}-dapr
source_labels:
- __meta_kubernetes_pod_annotation_dapr_io_app_id
- __meta_kubernetes_pod_container_name
target_label: service
- action: replace
replacement: ${1}:9090
source_labels:
- __meta_kubernetes_pod_ip
target_label: __address__
- job_name: dapr
kubernetes_sd_configs:
- role: pod
relabel_configs:
- action: keep
regex: dapr
source_labels:
- __meta_kubernetes_pod_label_app_kubernetes_io_name
- action: keep
regex: dapr
source_labels:
- __meta_kubernetes_pod_label_app_kubernetes_io_part_of
- action: replace
replacement: ${1}
source_labels:
- __meta_kubernetes_pod_label_app
target_label: app
- action: replace
replacement: ${1}
source_labels:
- __meta_kubernetes_namespace
target_label: namespace
- action: replace
replacement: ${1}
source_labels:
- __meta_kubernetes_pod_name
target_label: pod
- action: replace
replacement: ${1}:9090
source_labels:
- __meta_kubernetes_pod_ip
target_label: __address__
- 验证
确保 Prometheus 在您的集群中运行。
kubectl get pods -n dapr-monitoring
预期输出：
NAME READY STATUS RESTARTS AGE
dapr-prom-kube-state-metrics-9849d6cc6-t94p8 1/1 Running 0 4m58s
dapr-prom-prometheus-alertmanager-749cc46f6-9b5t8 2/2 Running 0 4m58s
dapr-prom-prometheus-node-exporter-5jh8p 1/1 Running 0 4m58s
dapr-prom-prometheus-node-exporter-88gbg 1/1 Running 0 4m58s
dapr-prom-prometheus-node-exporter-bjp9f 1/1 Running 0 4m58s
dapr-prom-prometheus-pushgateway-688665d597-h4xx2 1/1 Running 0 4m58s
dapr-prom-prometheus-server-694fd8d7c-q5d59 2/2 Running 0 4m58s
访问 Prometheus 仪表板
要查看 Prometheus 仪表板并检查服务发现：
kubectl port-forward svc/dapr-prom-prometheus-server 9090:80 -n dapr-monitoring
打开浏览器并访问 http://localhost:9090。导航到 Status > Service Discovery 以验证 Dapr 目标是否被正确发现。
您可以看到 job_name 及其发现的目标。
示例
参考
2 - 配置指标
默认情况下，每个 Dapr 系统进程都会发出 Go 运行时/进程指标，并具有各自的 Dapr 指标。
Prometheus 端点
Dapr sidecar 暴露了一个兼容 Prometheus 的指标端点，您可以对其进行抓取以更深入地了解 Dapr 的运行状态。
使用 CLI 配置指标
指标应用端点默认启用。您可以通过传递命令行参数 --enable-metrics=false 来禁用它。
默认指标端口为 9090。您可以通过向 daprd 传递命令行参数 --metrics-port 来覆盖此设置。
在 Kubernetes 中配置指标
您还可以通过在应用程序部署上设置 dapr.io/enable-metrics: "false" 注解来为特定应用程序启用/禁用指标。在禁用指标导出器的情况下，daprd 不会打开指标监听端口。
以下 Kubernetes 部署示例显示了如何显式启用指标并将端口指定为 “9090”。
apiVersion: apps/v1
kind: Deployment
metadata:
name: nodeapp
labels:
app: node
spec:
replicas: 1
selector:
matchLabels:
app: node
template:
metadata:
labels:
app: node
annotations:
dapr.io/enabled: "true"
dapr.io/app-id: "nodeapp"
dapr.io/app-port: "3000"
dapr.io/enable-metrics: "true"
dapr.io/metrics-port: "9090"
spec:
containers:
- name: node
image: dapriosamples/hello-k8s-node:latest
ports:
- containerPort: 3000
imagePullPolicy: Always
使用应用程序配置配置指标
您还可以通过应用程序配置启用指标。要默认禁用 Dapr sidecar 中的指标收集，请将 spec.metrics.enabled 设置为 false。
apiVersion: dapr.io/v1alpha1
kind: Configuration
metadata:
name: tracing
namespace: default
spec:
metrics:
enabled: false
配置错误代码指标
您可以通过将 spec.metrics.recordErrorCodes 设置为 true 来为 Dapr API 错误代码 启用其他指标。与调用者通信的 Dapr API 可能返回标准化的错误代码。记录了一个名为 error_code_total 的新指标，它允许监控由应用程序、代码和类别触发的错误代码。有关特定代码和类别，请参阅 errorcodes 包。
配置示例：
apiVersion: dapr.io/v1alpha1
kind: Configuration
metadata:
name: tracing
namespace: default
spec:
metrics:
enabled: true
recordErrorCodes: true
指标示例：
{
"app_id": "publisher-app",
"category": "state",
"dapr_io_enabled": "true",
"error_code": "ERR_STATE_STORE_NOT_CONFIGURED",
"instance": "10.244.1.64:9090",
"job": "kubernetes-service-endpoints",
"namespace": "my-app",
"node": "my-node",
"service": "publisher-app-dapr"
}
使用路径匹配优化 HTTP 指标报告
在使用 HTTP 调用 Dapr 时，默认会为每个请求的方法创建指标。这可能导致大量指标，即高基数，从而影响内存使用和 CPU。
路径匹配允许您管理和控制 Dapr 中 HTTP 指标的基数。这是指标的聚合，因此您无需为每个事件设置一个指标，而是可以减少指标事件的数量并报告一个总体数字。了解如何在配置中设置基数。
此配置是可选的，通过 Dapr 配置 spec.metrics.http.pathMatching 启用。定义后，它启用路径匹配，该匹配会为两个指标路径标准化指定的路径。这减少了唯一指标路径的数量，使指标更易于管理，并以受控方式减少资源消耗。
当 spec.metrics.http.pathMatching 与设置为 false 的 increasedCardinality 标志结合使用时，非匹配路径将转换为 catch-all 存储桶以控制和限制基数，防止无限制的路径增长。相反，当 increasedCardinality 为 true（默认值）时，非匹配路径照常传递，从而允许可能更高的基数，但保留原始路径数据。
HTTP 指标中路径匹配的示例
以下示例演示了如何在 Dapr 中使用路径匹配 API 来管理 HTTP 指标。在每个示例中，指标是从 5 个对带有不同订单 ID 的 /orders 端点的 HTTP 请求中收集的。通过调整基数并利用路径匹配，您可以微调指标的粒度，以平衡细节和资源效率。
这些示例说明了指标的基数，强调高基数配置会导致许多条目，这对应于处理指标的更高内存使用。为简单起见，以下示例侧重于单个指标：dapr_http_server_request_count。
使用路径匹配的低基数（推荐）
配置：
http:
increasedCardinality: false
pathMatching:
- /orders/{orderID}
生成的指标：
# 匹配的路径
dapr_http_server_request_count{app_id="order-service",method="GET",path="/orders/{orderID}",status="200"} 5
# 未匹配的路径
dapr_http_server_request_count{app_id="order-service",method="GET",path="",status="200"} 1
通过配置低基数和路径匹配，您可以通过为重要端点分组指标来获得两全其美的效果，而不会影响基数。这种方法有助于避免高内存使用和潜在的安全问题。
不使用路径匹配的低基数
配置：
http:
increasedCardinality: false
生成的指标：
dapr_http_server_request_count{app_id="order-service",method="GET", path="",status="200"} 5
在低基数模式下，作为无限制基数的主要来源的路径将被丢弃。这导致指标主要指示对给定 HTTP 方法向服务发出的请求数，但没有任何关于所调用路径的信息。
使用路径匹配的高基数
配置：
http:
increasedCardinality: true
pathMatching:
- /orders/{orderID}
生成的指标：
dapr_http_server_request_count{app_id="order-service",method="GET",path="/orders/{orderID}",status="200"} 5
此示例产生与上述示例相同的 HTTP 请求，但为路径 /orders/{orderID} 配置了路径匹配。通过使用路径匹配，您可以通过根据匹配的路径对指标进行分组来实现基数降低。
不使用路径匹配的高基数
配置：
http:
increasedCardinality: true
生成的指标：
dapr_http_server_request_count{app_id="order-service",method="GET",path="/orders/1",status="200"} 1
dapr_http_server_request_count{app_id="order-service",method="GET",path="/orders/2",status="200"} 1
dapr_http_server_request_count{app_id="order-service",method="GET",path="/orders/3",status="200"} 1
dapr_http_server_request_count{app_id="order-service",method="GET",path="/orders/4",status="200"} 1
dapr_http_server_request_count{app_id="order-service",method="GET",path="/orders/5",status="200"} 1
对于每个请求，都会使用请求路径创建一个新指标。此过程继续进行对每个新订单 ID 发出的每个请求，导致无限制的基数，因为 ID 不断增长。
HTTP 指标排除动词
excludeVerbs 选项允许您排除特定 HTTP 动词在指标中报告。这在内存节省至关重要的高性能应用程序中非常有用。
在指标中排除 HTTP 动词的示例
以下示例演示了如何在 Darp r 中排除 HTTP 动词以管理 HTTP 指标。
默认 - 包含 HTTP 动词
配置：
http:
excludeVerbs: false
生成的指标：
dapr_http_server_request_count{app_id="order-service",method="GET",path="/orders",status="200"} 1
dapr_http_server_request_count{app_id="order-service",method="POST",path="/orders",status="200"} 1
在此示例中，HTTP 方法包含在指标中，导致对 /orders 端点的每个请求都有单独的指标。
排除 HTTP 动词
配置：
http:
excludeVerbs: true
生成的指标：
dapr_http_server_request_count{app_id="order-service",method="",path="/orders",status="200"} 2
在此示例中，HTTP 方法从指标中排除，导致对 /orders 端点的所有请求都有单个指标。
配置自定义延迟直方图存储桶
Dapr 使用累积直方图指标将延迟值分组到存储桶中，其中每个存储桶包含：
- 具有该延迟的请求数的计数
- 具有较低延迟的所有请求
使用默认延迟存储桶配置
默认情况下，Dapr 将请求延迟指标分组到以下存储桶中：
1, 2, 3, 4, 5, 6, 8, 10, 13, 16, 20, 25, 30, 40, 50, 65, 80, 100, 130, 160, 200, 250, 300, 400, 500, 650, 800, 1000, 2000, 5000, 10000, 20000, 50000, 100000
以累积方式对延迟值进行分组允许根据需要使用或删除存储桶，以增加或减少数据的粒度。 例如，如果请求花费 3ms，它将计入 3ms 存储桶、4ms 存储桶、5ms 存储桶等。 同样，如果请求花费 10ms，它将计入 10ms 存储桶、13ms 存储桶、16ms 存储桶等。 在这两个请求完成后，3ms 存储桶的计数为 1，10ms 存储桶的计数为 2，因为这里包括 3ms 和 10ms 请求。
这显示如下：
| 1 | 2 | 3 | 4 | 5 | 6 | 8 | 10 | 13 | 16 | 20 | 25 | 30 | 40 | 50 | 65 | 80 | 100 | 130 | 160 | ….. | 100000 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 0 | 1 | 1 | 1 | 1 | 1 | 2 | 2 | 2 | 2 | 2 | 2 | 2 | 2 | 2 | 2 | 2 | 2 | 2 | ….. | 2 |
默认的存储桶数量适用于大多数用例，但可以根据需要进行调整。每个请求会创建 34 个不同的指标，如果应用程序数量很大，这个值可能会大幅增长。 通过增加存储桶的数量，可以实现更准确的延迟百分位数。但是，存储桶数量越多，用于存储指标的内存就越多，可能会对您的监控系统产生负面影响。
建议将延迟存储桶的数量保持为默认值，除非您在监控系统中看到不必要的内存压力。配置存储桶的数量允许您选择以下应用程序：
- 您希望通过增加存储桶数量来查看更多详细信息
- 通过减少存储桶数量来使用更广泛的值
在配置存储桶数量之前，请注意您的应用程序生成的默认延迟值。
根据您的场景自定义延迟存储桶
通过修改应用程序的 Dapr 配置规范 中的 spec.metrics.latencyDistributionBuckets 字段，根据您的需求定制延迟存储桶。
例如，如果您对极低的延迟值（1-10ms）不感兴趣，可以将它们分组到一个 10ms 存储桶中。同样，您可以将高值分组到一个存储桶中（1000-5000ms），同时在您最感兴趣的中间值范围内保留更多详细信息。
以下配置规范示例用 11 个存储桶替换了默认的 34 个存储桶，在中间值范围内提供了更高级别的粒度：
apiVersion: dapr.io/v1alpha1
kind: Configuration
metadata:
name: custom-metrics
spec:
metrics:
enabled: true
latencyDistributionBuckets: [10, 25, 40, 50, 70, 100, 150, 200, 500, 1000, 5000]
使用正则表达式转换指标
您可以为 Dapr sidecar 暴露的每个指标设置正则表达式，以"转换"它们的值。查看所有 Dapr 指标的列表。
规则的名称必须与要转换的指标的名称匹配。以下示例显示了如何为指标 dapr_runtime_service_invocation_req_sent_total 中的标签 method 应用正则表达式：
apiVersion: dapr.io/v1alpha1
kind: Configuration
metadata:
name: daprConfig
spec:
metrics:
enabled: true
http:
increasedCardinality: true
rules:
- name: dapr_runtime_service_invocation_req_sent_total
labels:
- name: method
regex:
"orders/": "orders/.+"
应用此配置后，method 标签为 orders/a746dhsk293972nz 的记录指标将替换为 orders/。
使用正则表达式减少指标基数被视为传统方法。我们鼓励所有用户改为将 spec.metrics.http.increasedCardinality 设置为 false，这样配置更简单，并提供更好的性能。
参考
3 - 操作指南：使用 Grafana 观察指标
可用的仪表板
grafana-system-services-dashboard.json 模板显示 Dapr 系统组件状态，包括 dapr-operator、dapr-sidecar-injector、dapr-sentry 和 dapr-placement：
grafana-sidecar-dashboard.json 模板显示 Dapr 边车状态，包括边车健康状态/资源使用、HTTP 和 gRPC 的吞吐量/延迟、Actor、mTLS 等：
grafana-actor-dashboard.json 模板显示 Dapr Sidecar 状态、Actor 调用吞吐量/延迟、timer/reminder 触发器以及轮转并发：
前提条件
在 Kubernetes 上设置
安装 Grafana
添加 Grafana Helm 仓库：
helm repo add grafana https://grafana.github.io/helm-charts helm repo update安装 chart：
helm install grafana grafana/grafana -n dapr-monitoring注意
如果你是 Minikube 用户或出于开发目的想要禁用持久卷，可以使用以下命令来禁用它：
helm install grafana grafana/grafana -n dapr-monitoring --set persistence.enabled=false获取 Grafana 登录的管理员密码：
kubectl get secret --namespace dapr-monitoring grafana -o jsonpath="{.data.admin-password}" | base64 --decode ; echo你将获得一个类似于
cj3m0OfBNx8SLzUlTx91dEECgzRlYJb60D2evof1%的密码。从密码中移除%字符，得到cj3m0OfBNx8SLzUlTx91dEECgzRlYJb60D2evof1作为管理员密码。验证 Grafana 是否在你的集群中运行：
kubectl get pods -n dapr-monitoring NAME READY STATUS RESTARTS AGE dapr-prom-kube-state-metrics-9849d6cc6-t94p8 1/1 Running 0 4m58s dapr-prom-prometheus-alertmanager-749cc46f6-9b5t8 2/2 Running 0 4m58s dapr-prom-prometheus-node-exporter-5jh8p 1/1 Running 0 4m58s dapr-prom-prometheus-node-exporter-88gbg 1/1 Running 0 4m58s dapr-prom-prometheus-node-exporter-bjp9f 1/1 Running 0 4m58s dapr-prom-prometheus-pushgateway-688665d597-h4xx2 1/1 Running 0 4m58s dapr-prom-prometheus-server-694fd8d7c-q5d59 2/2 Running 0 4m58s grafana-c49889cff-x56vj 1/1 Running 0 5m10s
将 Prometheus 配置为数据源
首先需要将 Prometheus 作为数据源连接到 Grafana。
将 svc/grafana 端口转发：
kubectl port-forward svc/grafana 8080:80 -n dapr-monitoring Forwarding from 127.0.0.1:8080 -> 3000 Forwarding from [::1]:8080 -> 3000 Handling connection for 8080 Handling connection for 8080在浏览器中打开
http://localhost:8080登录 Grafana
- 用户名 =
admin - 密码 = 上面获取的密码
- 用户名 =
选择
Configuration和Data Sources
添加 Prometheus 作为数据源。
获取你的 Prometheus HTTP URL
Prometheus HTTP URL 遵循格式
http://<prometheus service endpoint>.<namespace>首先通过运行以下命令获取 Prometheus 服务器端点：
kubectl get svc -n dapr-monitoring NAME TYPE CLUSTER-IP EXTERNAL-IP PORT(S) AGE dapr-prom-kube-state-metrics ClusterIP 10.0.174.177 <none> 8080/TCP 7d9h dapr-prom-prometheus-alertmanager ClusterIP 10.0.255.199 <none> 80/TCP 7d9h dapr-prom-prometheus-node-exporter ClusterIP None <none> 9100/TCP 7d9h dapr-prom-prometheus-pushgateway ClusterIP 10.0.190.59 <none> 9091/TCP 7d9h dapr-prom-prometheus-server ClusterIP 10.0.172.191 <none> 80/TCP 7d9h elasticsearch-master ClusterIP 10.0.36.146 <none> 9200/TCP,9300/TCP 7d10h elasticsearch-master-headless ClusterIP None <none> 9200/TCP,9300/TCP 7d10h grafana ClusterIP 10.0.15.229 <none> 80/TCP 5d5h kibana-kibana ClusterIP 10.0.188.224 <none> 5601/TCP 7d10h在本指南中，服务器名称是
dapr-prom-prometheus-server，命名空间是dapr-monitoring，所以 HTTP URL 将是http://dapr-prom-prometheus-server.dapr-monitoring。填写以下设置：
- 名称：
Dapr - HTTP URL：
http://dapr-prom-prometheus-server.dapr-monitoring - Default：开启
- Skip TLS Verify：开启
- 保存和测试配置所必需
- 名称：
点击
Save & Test按钮验证连接是否成功。
在 Grafana 中导入仪表板
在 Grafana 主屏幕的左上角，点击 “+” 选项，然后选择 “Import”。
现在你可以从 发布资源中导入适用于你的 Dapr 版本的 Grafana 仪表板模板：
找到你导入的仪表板并开始使用
提示
将鼠标悬停在角落的
i上以查看每个图表的描述：
参考
示例
4 - 操作指南：设置 New Relic 以收集和分析指标
前置条件
- 永久免费 New Relic 账户，每月 100 GB 免费数据接入，1 个免费全访问用户，无限免费基础用户
背景
New Relic 提供 Prometheus OpenMetrics 集成。
本文档介绍如何在集群中安装它，使用 Helm chart（推荐方式）。
安装
按照官方说明安装 Helm。
按照这些说明添加 New Relic 官方 Helm chart 仓库。
运行以下命令通过 Helm 安装 New Relic Logging Kubernetes 插件，将占位符值 YOUR_LICENSE_KEY 替换为您的 New Relic 许可证密钥：
helm install nri-prometheus newrelic/nri-prometheus --set licenseKey=YOUR_LICENSE_KEY
查看指标
相关链接/参考
5 - 操作指南：设置 Azure Monitor 以搜索日志和收集指标
前置条件
使用 Config Map 启用 Prometheus 指标采集
确保 Azure Monitor Agents (AMA) 正在运行。
$ kubectl get pods -n kube-system NAME READY STATUS RESTARTS AGE ... ama-logs-48kpv 2/2 Running 0 2d13h ama-logs-mx24c 2/2 Running 0 2d13h ama-logs-rs-f9bbb9898-vbt6k 1/1 Running 0 30h ama-logs-sm2mz 2/2 Running 0 2d13h ama-logs-z7p4c 2/2 Running 0 2d13h ...应用 Config Map 以启用 Prometheus 指标端点采集。
你可以使用 azm-config-map.yaml 来启用 Prometheus 指标端点采集。
如果你将 Dapr 安装到不同的命名空间，需要更改 monitor_kubernetes_pod_namespaces 数组值。例如：
...
prometheus-data-collection-settings: |-
[prometheus_data_collection_settings.cluster]
interval = "1m"
monitor_kubernetes_pods = true
monitor_kubernetes_pods_namespaces = ["dapr-system", "default"]
[prometheus_data_collection_settings.node]
interval = "1m"
...
应用 Config Map：
kubectl apply -f ./azm-config.map.yaml
安装带有 JSON 格式日志的 Dapr
安装 Dapr 并启用 JSON 格式日志。
helm install dapr dapr/dapr --namespace dapr-system --set global.logAsJson=true在 Dapr sidecar 中启用 JSON 格式日志并添加 Prometheus 注解。
注意：Azure Monitor Agents (AMA) 仅在设置了 Prometheus 注解时才会发送指标。
在你的部署 yaml 中添加 dapr.io/log-as-json: "true" 注解。
示例：
apiVersion: apps/v1
kind: Deployment
metadata:
name: pythonapp
namespace: default
labels:
app: python
spec:
replicas: 1
selector:
matchLabels:
app: python
template:
metadata:
labels:
app: python
annotations:
dapr.io/enabled: "true"
dapr.io/app-id: "pythonapp"
dapr.io/log-as-json: "true"
prometheus.io/scrape: "true"
prometheus.io/port: "9090"
prometheus.io/path: "/"
...
使用 Azure Monitor 搜索指标和日志
转到 Azure 门户中的 Azure Monitor。
搜索 Dapr 日志。
下面是一个示例查询，用于解析 JSON 格式的日志并从 Dapr 系统进程查询日志。
ContainerLog
| extend parsed=parse_json(LogEntry)
| project Time=todatetime(parsed['time']), app_id=parsed['app_id'], scope=parsed['scope'],level=parsed['level'], msg=parsed['msg'], type=parsed['type'], ver=parsed['ver'], instance=parsed['instance']
| where level != ""
| sort by Time
- 搜索 指标。
此查询用于查询 Dapr 系统进程的 process_resident_memory_bytes Prometheus 指标并渲染时间图表。
InsightsMetrics
| where Namespace == "prometheus" and Name == "process_resident_memory_bytes"
| extend tags=parse_json(Tags)
| project TimeGenerated, Name, Val, app=tostring(tags['app'])
| summarize memInBytes=percentile(Val, 99) by bin(TimeGenerated, 1m), app
| where app startswith "dapr-"
| render timechart