Linux Server Deployment & SSH Mastery · Pelajaran

Pemantauan dan Peringatan Terpusat

Skalakan pemantauan melampaui satu server: kirim metrik dan log ke sistem terpusat, buat dasbor, dan konfigurasikan peringatan agar Anda mengetahui masalah sebelum pengguna Anda mengalaminya.

Pemantauan dan Peringatan Terpusat adalah pelajaran Linux Server Deployment & SSH Mastery gratis di CoddyKit. Ini adalah pelajaran 4 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar Linux Server Deployment & SSH Mastery, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus Linux Server Deployment & SSH Mastery mencakup 4 pelajaran total.

Mengapa Harus Dipusatkan?

Masuk ke setiap server dengan top dan journalctl dapat dilakukan untuk satu mesin. Namun, pendekatan ini tidak dapat diskalakan untuk banyak server, dan Anda hanya melihat masalah saat kebetulan memeriksanya.

Pemantauan terpusat mengumpulkan metrik dan log dari semua server ke satu tempat, lengkap dengan dasbor dan peringatan otomatis.

Metrik vs Log

Dua jenis data mendukung observabilitas:

Metrik — deret waktu numerik seperti persentase CPU, memori, dan laju permintaan
Log — peristiwa teks diskret seperti error dan entri akses

Biasanya Anda mengumpulkan keduanya, dengan alat berbeda yang dioptimalkan untuk masing-masing jenis.

Model Prometheus

Prometheus adalah sistem metrik yang populer. Sistem ini menarik metrik dengan mengambil data dari endpoint HTTP yang diekspos setiap server.

Di setiap server, Anda menjalankan exporter — node_exporter untuk metrik host — yang menerbitkan data untuk dibaca Prometheus.

# On each monitored server:
sudo apt install prometheus-node-exporter
curl http://localhost:9100/metrics | head

Mengonfigurasi Target Pengambilan Data

Prometheus diberi tahu apa yang harus diambil melalui file konfigurasinya. Setiap pekerjaan mencantumkan target (host:port dari exporter).

Cuplikan ini mengambil data dari node_exporter di dua server.

scrape_configs:
  - job_name: 'nodes'
    static_configs:
      - targets: ['web1:9100', 'web2:9100']

Membuat Kueri Metrik dengan PromQL

Prometheus memiliki bahasa kuerinya sendiri, yaitu PromQL. Anda dapat menghitung laju, rata-rata, dan lainnya di seluruh armada server Anda.

Ekspresi ini memperkirakan penggunaan CPU per server.

100 - (avg by (instance) (rate(node_cpu_seconds_total{mode='idle'}[5m])) * 100)

Memvisualisasikan dengan Grafana

Grafana terhubung ke Prometheus (dan banyak sumber lainnya) untuk membuat dasbor. Anda menambahkan Prometheus sebagai sumber data, lalu membuat panel dari kueri PromQL.

Dasbor siap pakai untuk node_exporter menyediakan grafik CPU, memori, disk, dan jaringan dalam hitungan menit.

sudo apt install grafana
sudo systemctl enable --now grafana-server
# Open http://server:3000 and add Prometheus as a data source

Memusatkan Log

Untuk log, kirim log dari setiap server ke penyimpanan pusat. Tumpukan yang umum adalah Loki dengan Promtail, yang terintegrasi dengan Grafana.

Promtail berjalan di setiap server dan meneruskan file log serta jurnal ke Loki.

# promtail tails the journal and ships to Loki
clients:
  - url: http://loki:3100/loki/api/v1/push
scrape_configs:
  - job_name: journal
    journal:
      max_age: 12h

Menentukan Aturan Peringatan

Peringatan mengubah metrik menjadi tindakan. Aturan peringatan Prometheus aktif ketika suatu ekspresi tetap benar selama durasi tertentu.

Aturan ini memberikan peringatan ketika sebuah node tidak aktif selama dua menit.

groups:
  - name: node
    rules:
      - alert: NodeDown
        expr: up == 0
        for: 2m
        labels:
          severity: critical
        annotations:
          summary: 'Instance {{ $labels.instance }} is down'

Merutekan Peringatan

Alertmanager menerima peringatan yang aktif dan merutekannya ke tempat yang tepat: email, Slack, PagerDuty, dan lainnya. Sistem ini juga menghapus duplikasi dan membisukan peringatan.

Anda memetakan peringatan ke penerima berdasarkan label seperti severity.

route:
  receiver: 'team-slack'
receivers:
  - name: 'team-slack'
    slack_configs:
      - channel: '#alerts'

Menghindari Kelelahan akibat Peringatan

Terlalu banyak peringatan sama buruknya dengan tidak ada peringatan sama sekali — orang mulai mengabaikannya. Sistem peringatan yang baik:

Memberi peringatan berdasarkan gejala yang dirasakan pengguna, bukan setiap perubahan kecil pada metrik
Menggunakan durasi for untuk mencegah status yang naik-turun
Menetapkan tingkat keparahan agar gangguan dapat disaring

Praktik Terbaik

Bangun observabilitas yang tahan lama:

Kumpulkan metrik dan log secara terpusat
Mulai dari dasbor komunitas, lalu sesuaikan
Berikan peringatan hanya untuk kondisi yang memerlukan tindakan
Uji apakah peringatan benar-benar sampai kepada Anda

Pemeriksaan Singkat

Uji pengetahuan Anda tentang pemantauan terpusat.

Ringkasan

Sekarang Anda dapat memantau seluruh armada server secara terpusat:

Metrik melalui pengambilan data Prometheus dari node_exporter, yang dikuerikan dengan PromQL
Dasbor di Grafana
Log yang dikirim ke Loki melalui Promtail
Peringatan dengan aturan Prometheus yang dirutekan oleh Alertmanager

Ini mengembangkan keterampilan log satu server menjadi observabilitas proaktif di seluruh armada.

Pertanyaan yang Sering Diajukan

Apakah pelajaran “Pemantauan dan Peringatan Terpusat” gratis?

Ya — teks lengkap “Pemantauan dan Peringatan Terpusat” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus Linux Server Deployment & SSH Mastery, upgrade ke CoddyKit PRO. Kursus Linux Server Deployment & SSH Mastery mencakup 4 pelajaran total.

Apa yang akan aku pelajari di “Pemantauan dan Peringatan Terpusat”?

Skalakan pemantauan melampaui satu server: kirim metrik dan log ke sistem terpusat, buat dasbor, dan konfigurasikan peringatan agar Anda mengetahui masalah sebelum pengguna Anda mengalaminya. Kamu berlatih Linux Server Deployment & SSH Mastery dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.

Apakah aku perlu pengalaman untuk memulai Linux Server Deployment & SSH Mastery?

Tidak diperlukan pengalaman sebelumnya. Linux Server Deployment & SSH Mastery di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 4 dari 4.

Berapa lama pelajaran “Pemantauan dan Peringatan Terpusat” memakan waktu?

Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.

Bisakah aku menulis dan menjalankan kode dalam pelajaran Linux Server Deployment & SSH Mastery ini?

Ya. Setiap pelajaran Linux Server Deployment & SSH Mastery menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.

Semua pelajaran dalam kursus ini

← Kembali ke Linux Server Deployment & SSH Mastery