Loki est une base de données de logs moderne qui présente différents compromis de conception (index uniquement les métadonnées) par rapport aux bases de données de logs traditionnelles (indexer tout). Cela rend Loki facile à utiliser et à exploiter à l'échelle du Petaoctet. Il peut également utiliser des stockages cloud moins coûteux (par exemple S3) comme stockage persistant pour les index et les morceaux.
Tout d'abord, essayons de comprendre pourquoi Loki ? Pourquoi avons-nous besoin d'une base de données de logs moderne ? Le modèle de données de Grafana Loki est différent de celui des bases de données de logs traditionnelles. Nous allons explorer pourquoi cette différence est importante lors de la gestion de logs à grande échelle (Petaoctet) et comment cela facilite la tâche des opérateurs de Loki et des utilisateurs de Loki. Nous allons ensuite explorer comment utiliser Loki. Nous récupérons des logs de différentes cibles et les envoyons à Loki, puis nous utilisons LogQL (un langage de requête puissant pour les logs, inspiré de PromQL) pour obtenir une visibilité sur vos logs au lieu de simplement faire un grep distribué. Nous explorons également quelques bonnes pratiques sur les modèles de logging que nous utilisons en interne et comment cela aide à enquêter efficacement sur les requêtes/points de terminaison LENTS de votre application et de vos services.
Parfois, les logs peuvent ne pas vous donner une image complète. Nous explorons comment Loki s'intègre bien avec les métriques et les traces pour améliorer l'expérience d'observabilité des utilisateurs. Enfin, nous abordons certaines des nouvelles fonctionnalités à venir de Loki.