Deploying Monitoring Tools
در این پست به شرح مراحل استقرار ابزارهای مانیتورینگی که در پست قبل معرفی شد می‌پردازیم.
(ضمنا توجه کنید که این کار به صبر و حوصله نسبتا خوبی نیاز داره چرا که ممکنه با مشکلاتی در مراحل مختلف مواجه بشید ولی مطمئنا هر مشکلی راه‌حلی داره که میتونید با تلاش پیدا کنید.)
چون پروژه ما قرار بود به زبان پایتون و به کمک فریم‌ورک Django پیاده‌سازی بشه در گام اول تلاش کردیم که یک docker image از پروژه ساخته‌شده به کمک فریم‌ورک Django بسازیم. برای اینکار ابتدا به کمک مراحل گفته‌شده در لینک زیر داکر را روی اوبونتو نصب کردیم :
سپس از مراحل مطرح‌شده در لینک زیر استفاده کردیم :
بعد که تا حدودی با روش انجام اینکار آشنا شدیم، سعی کردیم از kubernetes برای مانیتورینگ docker imageهای پروژه مون استفاده کنیم. بدین منظور مراحل گفته‌شده در لینک زیر رو انجام دادیم :
(برای مرحله چهارمش که Setup a cluster managed by Kubernetes بود، kubectl، virtualbox و سپس minikube رو نصب کردیم طبق مراحلی که تو خود سایت kubernetes گفته بود. موقع زدن minikube start ارور میداد و start نمیشد که رفتم تو virtualbox تو تنظیمات networkاش، host-only adopter رو غیرفعال کردم و گذاشتم که فقط از NAT استفاده کن و درست شد.)
که البته در همین‌جا هم روش ساختن docker image از پروژه django رو گفته بود. پس اگه میخواید شروع کنید میتونین از همین شروع کنین و باهاش پیش برین.
بعد اول سعی کردیم از این open source library برای مانیتورینگ به کمک prometheus استفاده کنیم که موفق نبود. ( دلایلشو بعدا در پست مجزایی احتمالا میگیم)
بعد از اون سعی کردم از یک کتابخانه متن باز دیگه که coreos ارائه کرده بود به نام prometheus-operator استفاده کنیم که اون هم موفق نبود. ( در مرحله service monitroing ارور میداد که همچین API وجود نداره)
در آخر از این لینک برای بالا آوردن prometheus برای مانیتور کردن cluster و سرویس‌هاش استفاده کردیم :
