Schulung - Prometheus / Grafana: Überwachung (Micro-)Services

Für wen ist dieses Seminar geeignet?   

Das Seminar "Prometheus / Grafana: Überwachung (Micro-)Services" richtet sich an Anwendungsentwickler:innen und Tester:innen, die sich mit der Überwachung von Applikationen und Systemen vertraut machen möchten. 

Welche Voraussetzungen sollten die Teilnehmenden mitbringen?   

Teilnehmer:innen sollten über Grundkenntnisse einer Anwendungsarchitektur auf Basis von Microservices verfügen. Grundkenntnisse in der Arbeitsweise von Kubernetes sowie grundlegende Programmierkenntnisse sind ebenfalls von Vorteil. 

Wie ist der Ablauf der Schulung?   

Das Seminar umfasst theoretische Vorträge und Präsentationen, ergänzt durch eigenständige Übungen, um das Erlernte praktisch anzuwenden und zu vertiefen. 

Welche Vorteile bietet die Teilnahme an diesem Seminar?   

Sie erlernen alle notwendigen Kenntnisse, um Prometheus und Grafana effektiv in Ihrer Umgebung einzusetzen, was es Ihnen ermöglicht, die Überwachung und Analyse von Applikationen und Systemen zu optimieren. 

Wie kann Prometheus in einer dynamischen Microservice-Architektur zuverlässig alle Instanzen überwachen, wenn sich durch Auto-Scaling ständig Ziele verändern? 

Prometheus nutzt integrierte Service-Discovery-Mechanismen, um neue oder gelöschte Instanzen automatisch zu erkennen - etwa über die Kubernetes-API oder andere Integrationen. Durch Label-basierte Konfigurationen werden nur relevante Services überwacht, während Relabeling-Regeln helfen, unerwünschte Ziele auszuschließen. Für sehr kurzlebige Jobs kann ein Pushgateway eingesetzt werden, und in großen Umgebungen sorgen Federation oder Remote Write für skalierbares Monitoring über mehrere Cluster hinweg. 

Welche Metriken sind bei der Überwachung von Microservices besonders wichtig, und worauf sollte man bei ihrer Gestaltung achten? 

Wichtige Kennzahlen sind Latenz, Fehlerraten, Durchsatz und Ressourcenauslastung, da sie die Performance und Stabilität eines Services sichtbar machen. Einheitliche Namenskonventionen und sparsame, sinnvolle Labels erleichtern Auswertungen und vermeiden Speicherprobleme durch zu hohe Kardinalität. Metriken sollten so gestaltet sein, dass sie sich sinnvoll aggregieren lassen und als Grundlage für aussagekräftige Alerts dienen.