Loki ist eine moderne Log-Datenbank, die im Vergleich zu traditionellen Log-Datenbanken (alles indizieren) unterschiedliche Designentscheidungen (nur Metadaten indizieren) hat. Dies macht Loki einfach zu bedienen und auf PetaByte-Skala zu betreiben. Es kann auch günstigere Cloud-Speicher (z.B. S3) als persistenten Speicher für Indizes und Chunks nutzen.
Zuerst versuchen wir zu verstehen, warum Loki? Warum benötigen wir überhaupt eine moderne Log-Datenbank? Das Datenmodell von Grafana Loki unterscheidet sich von traditionellen Log-Datenbanken. Wir werden erkunden, warum dieser Unterschied wichtig ist, wenn es darum geht, Logs in großem Maßstab (PetaByte) zu verarbeiten, und wie das sowohl für Loki-Betreiber als auch für Loki-Nutzer die Handhabung erleichtert. Anschließend werden wir untersuchen, wie man Loki verwendet. Wir scrapen Logs von verschiedenen Zielen und senden sie an Loki, dann verwenden wir LogQL (eine leistungsstarke Abfragesprache für Logs, inspiriert von PromQL), um Sichtbarkeit über Ihre Logs zu erhalten, anstatt nur verteiltes Grep zu nutzen. Wir erkunden auch einige bewährte Praktiken zu Logging-Mustern, die wir intern verwenden, und wie sie helfen, langsame Abfragen/Endpunkte Ihrer Anwendung und Dienste effektiv zu untersuchen.
Manchmal geben Logs möglicherweise nicht das vollständige Bild, wir erkunden, wie Loki gut mit Metriken und Traces integriert, um das Beobachtungs-Erlebnis der Nutzer zu verbessern. Schließlich sprechen wir über einige der neuen und kommenden Funktionen von Loki.