У цій частині серії про AWS OpenSearch Service Арсеній Зінченко досліджує AWS OpenSearch Service як vector store для Bedrock KB, показує базовий моніторинг через CloudWatch, налаштування дашбордів у Grafana та алертів для CPU, JVM та k-NN, щоб уникнути проблем із продуктивністю на t3-інстансах.
DevOps-інженер Валерій Маньковський розв’язав проблему непрозорості даних для спеціалістів без технічного бекграунду у своїй компанії, створивши дашборд з інтеграцією GitLab, Jira, SonarQube та Sentry. У статті автор ділиться, як саме йому це вдалося. 16
Що робити, коли ваш RDS падає, а очевидних причин немає? 🤔 Арсеній, DevOps Engineer, розповідає про міграцію з DynamoDB на AWS RDS PostgreSQL, несподівані падіння бази та які рішення допомогли стабілізувати систему. 17
Богдан Кладковий описує роботу з інструментом sitespeed для моніторингу показників перформансу сайту та надає покрокове налаштування імітації польових даних. 6
Як розробники впровадили підсистему моніторингу на продукті та чим це їм допомогло — у блозі розглядаємо приклади швидкого вирішення проблем та ефективної кооперації учасників команди.
Денис продовжує ділитися досвідом роботи з моніторингом: у першій частині ми залишалися на рівні Java-коду, де автор розповів про Micrometer, про те, навіщо він потрібен і як ним користуватися. А зараз пропонує віддалитися від коду, уявити свою програму як чорну скриньку і сконцентруватися на тому, як вона взаємодіє з чорною скринькою Prometheus. Після чого спробуємо візуалізувати дані з Prometheus. 6
Інформація про те, як працює конкретний шматок вашого сервісу в часі, допомагає знайти bottleneck і дає можливість тверезо оцінювати обмеження програми. Якщо ви шукаєте інструмент, щоб зрозуміти, як саме виміряти програму, то цей цикл саме для вас. 2
В этой статье приведены типичные инструменты для операционного мониторинга, примеры их настройки для отправки уведомлений и сравнение установки таких систем локально, либо использования готовых облачных решений. 1
Коментарі