Grafana Phlare 是一个用于聚合 continuous profiling(持续分析)数据的开源软件项目。Grafana Phlare 可以和 Grafana 完全集成，允许你与其他可观察信 相关联。
什么是 continuous profiling?
这个概念很有价值：Profiling 可以帮助你了解程序的资源使用情况，进而帮助你优化其性能和成本。然而，向分布式云原生架构的转变使这变得更加复杂，从而产生了对持续分析的需求，其中有关资源使用情况的信息会在整个计算基础设施中定期自动收集，然后压缩并存储为时间序列数据，这使你可以可视化随时间的变化并放大与感兴趣的时间段相匹配的 profile 文件 — 例如，CPU 时间在其最高利用率期间所花费的时间。
就其带来的价值而言，持续分析被称为可观测的第四大支柱（在metrics、logging 和 tracing 之后）。
在 Grafana Labs，我们开始研究使用持续分析来了解我们用于支持 Grafana Cloud 的软件的性能，包括 Grafana Loki、Grafana Mimir、Grafana Tempo 和 Grafana。例如，如果我们对 Mimir 中的慢查询进行分页，我们可能会使用分析来了解该查询在 Mimir 代码库中的哪个位置花费的时间最多。如果我们看到 Grafana 由于内存不足错误而反复崩溃，我们将查看内存配置文件以查看崩溃前哪个对象消耗的内存最多。
虽然有用于存储和查询持续分析数据的开源项目，但经过一些调查，我们努力找到一个满足支持 Grafana Labs 所需级别的持续分析所需的可扩展性、可靠性和性能要求的项目。在全公司范围的黑客马拉松期间，一组工程师领导了该项目，该项目展示了与指标、日志和追踪连接时分析数据的价值，进一步增加了我们在所有环境中推出连续分析的渴望。
因此，我们决定着手创建一个用于持续分析遥测的数据库，基于使我们的其他开源可观察性后端 Loki、Tempo 和 Mimir 如此成功的设计原则：水平可扩展架构和对象存储的使用。
核心功能
Grafana Phlare 提供水平可扩展、高可用性、长期存储和分析数据查询。就像 Prometheus 一样，只需一个二进制文件即可轻松安装，无需其他依赖项。因为 Phlare 使用对象存储，你可以存储你需要的所有历史记录，而不会花很多钱。其原生多租户和隔离功能集可以为多个独立团队或业务部门运行一个数据库。Grafana Phlare 的核心功能如下所示：
架构
Grafana Phlare 具有基于微服务的架构，该系统具有多个可水平扩展的微服务，可以单独和并行运行。Grafana Phlare 微服务称为组件。Grafana Phlare 的设计将所有组件的代码编译为单个二进制文件。-target 参数控制单个二进制文件将作为哪些组件运行，这点和 Grafana Loki 的模式是一样的。对于想快速体验的用户来说，Grafana Phlare 同样也可以在单体模式下运行，所有组件在一个进程中同时运行。
Grafana Phlare 的大多数组件是无状态的，不需要在进程重新启动之间保留任何数据。一些组件是有状态的，并依靠不容易丢失数据的存储来防止进程重启之间的数据丢失。Grafana Phlare 包括一组相互作用形成集群的组件：Distributor、Ingester、Querier。
单体模式
单体模式在单个进程中运行所有必需的组件，是默认的操作模式，你可以通过指定 -target=all 参数来设置，单体模式是部署 Grafana Phlare 的最简单方法，如果你想快速入门或想在开发环境中使用 Grafana Phlare，这将非常有用。要查看在 -target 设置为 all 时运行的组件列表，请使用 -modules 标志运行 Grafana Phlare：
./phlare -modules微服务模式
在微服务模式下，组件部署在不同的进程中。扩展是按组件进行的，这允许在扩展和更细化的故障域方面具有更大的灵活性。微服务模式是生产部署的首选方法，但也是最复杂的。
在微服务模式下，调用每个 Grafana Phlare 进程，并将其 -target 参数设置为特定的 Grafana Phlare 组件（例如，-target=ingester 或 -target=distributor）。要获得一个正常工作的 Grafana Phlare 实例，必须部署每个必需的组件。如果你想使用微服务模式部署 Grafana Phlare，那么非常建议使用 Kubernetes。
部署
我们这里还是以 Helm Chart 的方式部署在 Kubernetes 集群中，当然前提是有一个可用的 Kubernetes 集群，并且配置好了 kubectl 和 helm。
首先我们创建一个名为 phlare-test 的命名空间，将整个应用都部署在该命名空间之内：
? ? kubectl create namespace phlare-test然后添加 Phlare 的 Helm Chart 仓库：
? ? helm repo add grafana https://grafana.github.io/helm-charts? ? helm repo update然后我们就可以使用 Helm 来进行安装了。
如果你想以单体默认进行安装，只需要执行下面的命令即可一键安装：
? ? helm -n phlare-test install phlare grafana/phlare如果想以微服务模式安装 Grafana Phlare，可以首先获取官方提供的默认 values 配置文件：
# 收集微服务的默认配置? ? curl -LO values-micro-services.yaml https://raw.githubusercontent.com/grafana/phlare/main/operations/phlare/helm/phlare/values-micro-services.yaml? ? cat values-micro-services.yaml# Default values for phlare.# This is a YAML-formatted file.# Declare variables to be passed into your templates.phlare: components: querier: kind: Deployment replicaCount: 3 resources: limits: memory: 1Gi requests: memory: 256Mi cpu: 100m distributor: kind: Deployment replicaCount: 2 resources: limits: memory: 1Gi requests: memory: 256Mi cpu: 500m agent: kind: Deployment replicaCount: 1 resources: limits: memory: 512Mi requests: memory: 128Mi cpu: 50m ingester: kind: StatefulSet replicaCount: 3 resources: limits: memory: 12Gi requests: memory: 6Gi cpu: 1minio: enabled: true我们需要使用上面的 values 文件来安装 Grafana Phlare，也可以根据自己的集群实际情况调整配置，比如 ingester 配置的资源请求的 memory: 6Gi，cpu: 1，我这里集群资源不足，可以将其降低一些，将副本数都暂时设置成1(仅供测试)，不然没办法调度成功。
然后使用下面的命令即可开始安装：
? ? helm -n phlare-test upgrade --install phlare grafana/phlare -f values-micro-services.yamlRelease "phlare" does not exist. Installing it now.NAME: phlareLAST DEPLOYED: Thu Nov 3 14:37:38 2022NAMESPACE: phlare-testSTATUS: deployedREVISION: 1TEST SUITE: NoneNOTES:Thanks for deploying Grafana Phlare.In order to configure Grafana to use the Phlare datasource, you need to add the Phlare datasource to your Grafana instance.The in-cluster query URL is:http://phlare-querier.phlare-test.svc.cluster.local.:4100To forward the query API to your localhost you can use:kubectl --namespace phlare-test port-forward svc/phlare-querier 4100:4100部署完成后查看 Pod 状态是否正常：
? ? kubectl get pods -n phlare-testNAME READY STATUS RESTARTS AGEphlare-agent-56986dd4b9-4s6z6 1/1 Running 0 3m23sphlare-distributor-7447b4c6c5-f4rjw 1/1 Running 0 3m23sphlare-ingester-0 1/1 Running 0 3m23sphlare-minio-0 1/1 Running 0 3m23sphlare-querier-8cdf986c-hhn29 1/1 Running 0 3m23s等到所有 Pod 的状态变为 Running 或 Completed 表示部署完成了。
使用
然后接下来我们可以配置 Grafana 来查询 profiles 数据，这里我们在安装 Phlare 的同一个 Kubernetes 集群中安装 Grafana，同样使用下面的命令一键安装即可：
? ? helm template -n phlare-test grafana grafana/grafana --set image.repository=aocenas/grafana --set image.tag=profiling-ds-2 --set env.GF_FEATURE_TOGGLES_ENABLE=flameGraph --set env.GF_AUTH_ANONYMOUS_ENABLED=true --set env.GF_AUTH_ANONYMOUS_ORG_ROLE=Admin --set env.GF_DIAGNOSTICS_PROFILING_ENABLED=true --set env.GF_DIAGNOSTICS_PROFILING_ADDR=0.0.0.0 --set env.GF_DIAGNOSTICS_PROFILING_PORT=6060 --set-string 'podAnnotations.phlare.grafana.com/scrape=true' --set-string 'podAnnotations.phlare.grafana.com/port=6060' > grafana.yaml? ? kubectl apply -f grafana.yaml部署完成后整个 phlare-test 命名空间的 Pod 列表如下所示：
? ? kubectl get pods -n phlare-test NAME READY STATUS RESTARTS AGEgrafana-5ff87bdfd-whmkm 1/1 Running 0 85sphlare-agent-56986dd4b9-4s6z6 1/1 Running 0 9m17sphlare-distributor-7447b4c6c5-f4rjw 1/1 Running 0 9m17sphlare-ingester-0 1/1 Running 0 9m17sphlare-minio-0 1/1 Running 0 9m17sphlare-querier-8cdf986c-hhn29 1/1 Running 0 9m17s我们可以使用下面的命令在本地转发 Grafana 服务：
? ? kubectl port-forward -n phlare-test service/grafana 3000:80声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！