博客
关于我
评测Loki日志工具
阅读量:422 次
发布时间:2019-03-06

本文共 915 字,大约阅读时间需要 3 分钟。

评测 Loki 日志工具

目录

本文仅对 Loki 进行简单评测,不涉及原理和细节。

部署 Loki

Loki 是一个开源的日志采集工具,推荐使用官方提供的 Helm 图表进行部署。以下是部署步骤:

# helm repo add loki https://grafana.github.io/loki/charts# helm upgrade --install loki loki/loki-stack

部署完成后,可以通过以下命令查看 Loki 支持的所有图表:

# helm search repo loki

如果在 OpenShift 平台上部署,需要为 Loki 和 Promtail 分别授权 privileged 权限:

# oc adm policy add-scc-to-user privileged -z loki# oc adm policy add-scc-to-user privileged -z loki-promtail

如果 Promtail pod 由于权限问题无法读取 hostpath 挂载目录,可以为 Promtail 的 DaemonSet 授权 loki-promtail 服务账户 privileged 权限。

配置 Grafana

部署好 Loki 之后,需在 Grafana 中配置 Loki 数据源。在 Grafana 的 Logs 振发板中,可以通过 Loki 自动生成的标签查看日志信息。

目前 Grafana 对 Loki 的支持较为有限,仅支持简单的日志检索和过滤功能。对于更复杂的图表展示和告警配置,可能需要额外的扩展。

总结:

优势:

Loki 与传统的 ELK 集成相比,更轻便,采用了类似 Prometheus 的方式进行日志匹配和过滤,提供了全新的日志查看思路。

劣势:

Loki 作为一个较为新兴的日志系统,目前在以下方面仍有不足:

1. 对 Grafana 的集成支持不够完善2. 基于 Loki 的告警系统尚处于发展阶段

相信未来版本的 Loki 会逐步解决这些问题,并在日志、指标和追踪三者之间实现更深度的结合,为用户提供更加全面的监控解决方案。

转载地址:http://ylakz.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 基于YoloV8的药丸/片剂类型识别
查看>>
OpenCV与AI深度学习 | 基于YOLO和EasyOCR从视频中识别车牌
查看>>
OpenCV与AI深度学习 | 基于图像处理的火焰检测算法(颜色+边缘)
查看>>
OpenCV与AI深度学习 | 基于拉普拉斯金字塔实现图像融合(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
查看>>
OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
查看>>
OpenCV与AI深度学习 | 如何使用YOLOv9分割图像中的对象
查看>>
OpenCV与AI深度学习 | 如何使用YOLOv9检测图片和视频中的目标
查看>>
OpenCV与AI深度学习 | 如何在 Docker 容器中使用 GPU
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV中更稳更快的找圆方法--EdgeDrawing使用演示(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用OpenCV和Streamlit搭建虚拟化妆应用程序(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用OpenCV确定对象的方向(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
查看>>
OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
查看>>
OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
查看>>
OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
查看>>