Traefik 可观测性最佳实践

Traefik 介绍

Traefik 是一款领先的现代开源反向代理和入口控制器，它使部署服务和应用程序编程接口（API）变得轻松便捷。

Traefik 可以与现有的基础设施组件集成，能够自动、动态地进行自我配置。当客户端发起请求，Traefik 凭借其强大的路由功能，精准地将请求导向对应的后端服务器，全程对客户端隐藏后端服务器的真实地址，极大提升系统安全性与运维便捷性。在容器化与微服务盛行的架构里，Traefik 能够自动感知容器或服务的动态变化，像容器的启动、停止，服务的注册、注销等，继而动态更新路由规则，全程无需人工手动干预，实现了应用交付的自动化。

与需要手动配置的传统反向代理不同，Traefik 使用服务发现来动态配置路由。Traefik 支持所有主要协议，利用丰富的中间件实现负载平衡、速率限制、断路器、镜像、身份验证等。

同时，Traefik 作为关键的反向代理与入口控制器，对其进行监控至关重要。监控可保障服务可用性，及时察觉性能瓶颈与故障，避免服务中断。能优化性能，依据负载及流量分布调整配置，实现合理流量分配。在故障排查时，凭借详细日志与指标快速定位问题根源，减少服务中断时间。总之，对 Traefik 的监控能助力服务稳定、高效、安全运行。

Traefik 的运行指标监控除了支持 OpenTelemetry 的格式外，还支持Datadog、InfluxDB2、Prometheus 和 StatsD 的数据格式。Traefik 指标开启的详细配置说明，请参考如下官网链接：
doc.traefik.io/traefik/obs...

观测云

观测云是一款专为 IT 工程师打造的全链路可观测产品，它集成了基础设施监控、应用程序性能监控和日志管理，为整个技术栈提供实时可观察性。这款产品能够帮助工程师全面了解端到端的用户体验追踪，了解应用内函数的每一次调用，以及全面监控云时代的基础设施。此外，观测云还具备快速发现系统安全风险的能力，为数字化时代提供安全保障。

部署 DataKit

DataKit 是一个开源的、跨平台的数据收集和监控工具，由观测云开发并维护。它旨在帮助用户收集、处理和分析各种数据源，如日志、指标和事件，以便进行有效的监控和故障排查。DataKit 支持多种数据输入和输出格式，可以轻松集成到现有的监控系统中。

登录观测云控制台，在「集成」 - 「DataKit」选择对应安装方式，当前采用 Linux 主机部署 DataKit。

采集器配置

如下的步骤说明是基于 Traefik 开启了 Prometheus 数据格式的方式进行说明。

首先，我们将通过 DataKit 中的 Prom 采集器对 traefik 暴露出来的监控指标进行采集。采集器配置说明如下：

1、开启traefix采集器

cp /usr/local/datakit/conf.d/prom/prom.conf.sample /usr/local/datakit/conf.d/prom/traefik.conf

2、修改 traefik.conf 配置文件

[[inputs.prom]]
  urls = ["http://traefik_address:8082/metrics"]
  ## 忽略对 url 的请求错误
  ignore_req_err = false
  ## 采集器别名
  source = "traefik"
  metric_types = []
  measurement_prefix = "traefik_"
  ## 采集间隔 "ns", "us" (or "µs"), "ms", "s", "m", "h"
  interval = "10s"
  ## TLS 配置
  tls_open = false
  ## 自定义Tags
  [inputs.prom.tags]
  # some_tag = "some_value"
  # more_tag = "some_other_value"

主要参数说明：

• urls：这里填写 traefik 暴露出来的指标 url
• source：采集器别名，建议写成 traefik
• interval：采集间隔
• measurement_prefix：指标前缀，便于指标分类查询
• tls_open：TLS 配置
• metric_types：指标类型，不填，代表采集所有指标

3、重启 DataKit 服务让配置生效

datakit service -R

关键指标

Traefix

指标名	指标描述	指标类型
config_reloads_total	配置重新加载的总次数	Count
config_last_reload_success	上次配置重新加载成功的时间戳。	Gauge
open_connections	按入口点或协议统计划分的当前打开连接数	Gauge
tls_certs_not_after	证书的过期日期	Gauge
entrypoint_requests_total	入口点接收到的 HTTP 请求的总数	Count
entrypoint_request_duration_seconds_bucket	入口点请求持续时间（以秒为单位）的桶状分布指标	Count
entrypoint_request_duration_seconds_count	入口点请求持续时间的计数指标，用于统计总的请求数量	Count
entrypoint_request_duration_seconds_sum	入口点请求持续时间的总和指标，它将所有请求的处理时间（以秒为单位）相加，得到一个总的时间值	Count
entrypoint_requests_bytes_total	入口点处理的 HTTP 请求的总大小（以字节为单位）	Count
entrypoint_responses_bytes_total	入口点处理的 HTTP 响应的总大小（以字节为单位）	Count
router_request_duration_seconds_bucket	路由请求持续时间（以秒为单位）的桶状分布指标	Count
router_request_duration_seconds_count	路由请求持续时间的计数指标，用于统计总的请求数量	Count
router_request_duration_seconds_sum	路由请求持续时间的总和指标，它将所有请求的处理时间（以秒为单位）相加，得到一个总的时间值	Count
router_requests_bytes_total	路由点请求持续时间（以秒为单位）的桶状分布指标	Count
router_requests_total	路由点请求持续时间（以秒为单位）的桶状分布指标	Count
router_responses_bytes_total	路由点请求持续时间的计数指标，用于统计总的请求数量	Count
service_request_duration_seconds_bucket	服务请求持续时间（以秒为单位）的桶状分布指标	Count
service_request_duration_seconds_count	路由请求持续时间的计数指标，用于统计总的请求数量	Count
service_request_duration_seconds_sum	路由请求持续时间的总和指标，它将所有请求的处理时间（以秒为单位）相加，得到一个总的时间值	Count
service_requests_bytes_total	路由点请求持续时间（以秒为单位）的桶状分布指标	Count
service_requests_total	路由点请求持续时间（以秒为单位）的桶状分布指标	Count
service_responses_bytes_total	路由点请求持续时间的计数指标，用于统计总的请求数量	Count

Process

指标名	指标描述	指标类型
cpu_seconds_total		Count
max_fds	raefik进程最大的fd	Count
open_fds	进程打开的fd	Count
resident_memory_bytes	进程占用内存	Count
start_time_seconds	进程启动时间	Count
virtual_memory_bytes	进程占用虚拟内存	Count
virtual_memory_max_bytes		Count

场景视图

登录观测云控制台，点击「场景」 -「新建仪表板」，输入 "Traefik"， 选择 "Traefik 监控视图"，点击 "确定" 即可添加视图。

监控器（告警）

平均请求延迟告警

错误请求数突增告警

总结

总之，通过对 Traefik 的监控，让使用者能够清晰洞察和掌控各服务的访问流量与响应情况，从而能够迅速察觉并处理潜在问题，确保整个服务访问的稳定运行。