Руководство по OpenObserve 1.0: Kubernetes Observability + ИИ

Практическое изучение OpenObserve 1.0: мониторинг Kubernetes, логи, метрики, трассировки, панели мониторинга и устранение неполадок с помощью ИИ с использованием Claude Code. Я начинаю с одного исполняемого файла на своем Mac, собираю телеметрию macOS с помощью OpenTelemetry Collector и подключаю трехузловой кластер Kubernetes к тому же экземпляру OpenObserve. Затем мы изучаем архитектуру, отслеживаем сбои в демонстрационном приложении, создаем панели мониторинга, используем библиотеку оповещений, подключаем Claude Code через MCP и работаем с SLO и бюджетами ошибок. Мы также пробуем агент AI SRE и рассматриваем мониторинг LLM, включая токены, задержку и стоимость модели. Что меня заинтересовало? OpenObserve опубликовала сравнение с Elasticsearch, утверждая, что ежемесячные затраты на хранение в 87 раз ниже при заявленных предположениях о хранении и репликации. Это заставило меня захотеть понять, как это работает, а не просто читать цифры. Это мой практический обзор, а не независимое воспроизведение бенчмарка терабайтного масштаба. Оригинальный бенчмарк доступен по ссылке ниже. В демонстрации AI SRE используется мой собственный API-ключ поставщика моделей; плата за использование моделей взимается отдельно. Что вы используете для мониторинга сегодня? В чём ваша главная проблема: стоимость, сложность или устранение неполадок? Поделитесь своими мыслями в комментариях. РАЗДЕЛЫ 00:00 OpenObserve против Elasticsearch: бенчмарк, который меня заинтересовал 02:26 Установка OpenObserve на macOS: один бинарный файл, две переменные среды 03:49 Сбор телеметрии Mac с помощью OpenTelemetry Collector 05:45 Изучение метрик без написания запросов 06:46 Поиск и фильтрация журналов macOS 07:32 Архитектура: локальный диск, объектное хранилище и высокая доступность 09:51 Распределенная трассировка с помощью демонстрационного приложения 11:22 Панели мониторинга, шаблоны сообщества и Apache ECharts 14:41 Мониторинг трех узлового кластера Kubernetes 18:44 Библиотека оповещений: поиск оповещений, соответствующих вашим данным 20:29 Подключение OpenObserve MCP к Claude Code 23:21 Создание SLO и отслеживание бюджета ошибок 26:33 Попробуйте агент AI SRE 28:38 Наблюдаемость LLM: токены, Задержка и стоимость модели 29:32 Что бросилось в глаза и заключительный анализ цифр РЕСУРСЫ Демонстрационный репозиторий и манифесты: https://github.com/saiyam1814/openobs... Сопутствующая статья в блоге: https://blog.kubesimplify.com/kuberne... Сравнительный анализ OpenObserve и Elasticsearch (опубликовано) OpenObserve): https://openobserve.ai/blog/elasticse... Панели мониторинга сообщества: https://github.com/openobserve/dashbo... OpenObserve: https://openobserve.ai/?utm_source=yo... OpenObserve на GitHub: https://github.com/openobserve/openob... СВЯЗАТЬСЯ С KUBESIMPLIFY Подпишитесь, чтобы получать больше практических руководств по Kubernetes, облачным технологиям и инфраструктуре ИИ. Веб-сайт: https://kubesimplify.com Рассылка: https://saiyampathak.substack.com Бесплатная электронная книга о GPU и Kubernetes: https://saiyampathak.gumroad.com/l/gp... Discord:   / discord   X: https://x.com/saiyampathak LinkedIn:   / saiyampathak   GitHub: https://github.com/saiyam1814 Instagram:   / saiyampathak   Сотрудничество: contact@kubesimplify.com #OpenObserve #Kubernetes #Observability