Giới thiệu
Trong hệ thống microservices, bạn không thể "nhìn vào bên trong" một service đang chạy như debug truyền thống. Metrics là nền tảng đầu tiên của Observability — cung cấp dữ liệu số đo lường tình trạng và hiệu năng hệ thống theo thời gian.
Prometheus + Grafana là bộ đôi tiêu chuẩn de-facto trong cloud native ecosystem cho metrics collection và visualization.
1. Các phương pháp đo lường
1.1 RED Method — Cho Services
RED Method của Tom Wilkie tập trung vào ba chỉ số quan trọng nhất cho mỗi service:
R — Rate : Số lượng request service xử lý mỗi giây
E — Errors : Tỷ lệ phần trăm request thất bại
D — Duration : Thời gian phân phối (latency percentiles)
Ví dụ dashboard cho Order Service:
┌─────────────────────────────────────────────────────────┐
│ Order Service — RED │
├──────────────────┬──────────────────┬───────────────────┤
│ Rate │ Error Rate │ Duration (p99) │
│ 1,247 req/s │ 0.3% │ 145ms │
│ ↑ +12% vs 1h ago│ ↓ Normal │ → Within SLO │
└──────────────────┴──────────────────┴───────────────────┘
1.2 USE Method — Cho Resources
USE Method của Brendan Gregg cho infrastructure resources:
U — Utilization : Tỷ lệ thời gian resource đang busy (%)
S — Saturation : Mức độ "hàng đợi" extra work (queue length)
E — Errors : Số lượng lỗi từ resource
Áp dụng cho từng resource:
| Resource | Utilization | Saturation | Errors |
|---|---|---|---|
| CPU | rate(cpu_seconds[5m]) | Load average > cores | Machine check errors |
| Memory | 1 - mem_free/mem_total | Swap rate, OOM kills | |
| Disk I/O | rate(disk_io_time[5m]) | Disk queue length | I/O errors |
| Network | rate(net_bytes[5m]) / capacity | Packet drops/retransmit | NIC errors |
1.3 Golden Signals — Cho End-to-End
Google SRE định nghĩa Four Golden Signals:
- Latency — Thời gian xử lý request (phân biệt success vs error latency)
- Traffic — Demand trên hệ thống (requests/sec, concurrent users)
- Errors — Request failure rate (explicit 5xx, implicit wrong data)
- Saturation — Mức độ đầy của system resources
2. Prometheus Architecture
2.1 Tổng quan
┌─────────────────────────────────────────────────────────────┐
│ Prometheus Server │
│ │
│ ┌──────────────┐ ┌──────────────┐ ┌────────────────┐ │
│ │ Retrieval │ │ TSDB │ │ HTTP Server │ │
│ │ (Scraper) │ │ (Time-Series │ │ (Query/API) │ │
│ │ │ │ Database) │ │ │ │
│ └──────┬───────┘ └──────────────┘ └────────┬───────┘ │
│ │ │ │
└─────────┼────────────────────────────────────────┼──────────┘
│ /metrics scrape │ PromQL
▼ ▼
┌──────────────────┐ ┌─────────────────┐
│ Targets: │ │ Grafana │
│ - App /metrics │ │ Alertmanager │
│ - Node Exporter │ │ Other clients │
│ - cAdvisor │ └─────────────────┘
│ - kube-state-mts │
└──────────────────┘
Pull-based model: Prometheus chủ động scrape metrics từ targets mỗi 15-30 giây. Khác với push-based (InfluxDB, StatsD).
2.2 Metric Types
# Counter — Chỉ tăng, dùng cho counts và rates
http_requests_total{method="POST", status="200"} 1027
# Gauge — Tăng giảm tự do, dùng cho current values
memory_usage_bytes 153344000
active_connections 42
# Histogram — Phân phối latency, tạo buckets tự động
http_request_duration_seconds_bucket{le="0.1"} 8521
http_request_duration_seconds_bucket{le="0.5"} 9812
http_request_duration_seconds_sum 1234.6789
http_request_duration_seconds_count 9987
# Summary — Như Histogram nhưng tính percentile phía client
http_request_duration_seconds{quantile="0.99"} 0.145
2.3 Exposition Format
Mỗi service expose metrics tại /metrics endpoint:
// Spring Boot — thêm dependency
// actuator + micrometer-registry-prometheus
// Sau đó endpoint tự động có:
// GET /actuator/prometheus
// Go — prometheus/client_golang
import "github.com/prometheus/client_golang/prometheus"
import "github.com/prometheus/client_golang/prometheus/promauto"
var (
httpRequestsTotal = promauto.NewCounterVec(
prometheus.CounterOpts{
Name: "http_requests_total",
Help: "Total HTTP requests",
},
[]string{"method", "path", "status"},
)
httpDuration = promauto.NewHistogramVec(
prometheus.HistogramOpts{
Name: "http_request_duration_seconds",
Buckets: prometheus.DefBuckets,
},
[]string{"method", "path"},
)
)
3. Kubernetes Integration
3.1 kube-prometheus-stack
Cách đơn giản nhất: cài bộ kube-prometheus-stack Helm chart — bao gồm Prometheus, Grafana, Alertmanager và các exporter cần thiết:
helm repo add prometheus-community https://prometheus-community.github.io/helm-charts
helm repo update
helm upgrade --install kube-prometheus-stack \
prometheus-community/kube-prometheus-stack \
--namespace monitoring \
--create-namespace \
--set grafana.adminPassword=<your-password> \
--set prometheus.prometheusSpec.retention=15d
3.2 ServiceMonitor
ServiceMonitor là CRD (Custom Resource Definition) cho Prometheus Operator — định nghĩa cách scrape metrics từ service:
apiVersion: monitoring.coreos.com/v1
kind: ServiceMonitor
metadata:
name: order-service
namespace: services-prod
labels:
# Phải match với selector của Prometheus
release: kube-prometheus-stack
spec:
namespaceSelector:
matchNames:
- services-prod
selector:
matchLabels:
app: order-service
endpoints:
- port: http
path: /actuator/prometheus
interval: 15s
scrapeTimeout: 10s
3.3 PodMonitor
Khi service không có Kubernetes Service (chỉ có Pod trực tiếp):
apiVersion: monitoring.coreos.com/v1
kind: PodMonitor
metadata:
name: worker-pods
spec:
selector:
matchLabels:
app: async-worker
podMetricsEndpoints:
- port: metrics
path: /metrics
interval: 30s
4. PromQL — Prometheus Query Language
4.1 Cú pháp cơ bản
# Instant vector — giá trị tại thời điểm hiện tại
http_requests_total
# Range vector — giá trị trong khoảng thời gian
http_requests_total[5m]
# Filtering bằng labels
http_requests_total{job="order-service", status=~"5.."}
# Operators
http_requests_total{status=~"5.."} / http_requests_total # ratio
4.2 Functions quan trọng
# rate() — tốc độ thay đổi per second (dùng cho Counter)
rate(http_requests_total[5m])
# irate() — instant rate (nhạy hơn với spike ngắn)
irate(http_requests_total[5m])
# increase() — tổng tăng trong khoảng thời gian
increase(http_requests_total[1h])
# histogram_quantile() — percentile từ Histogram
histogram_quantile(0.99, rate(http_request_duration_seconds_bucket[5m]))
# sum() với by/without
sum(rate(http_requests_total[5m])) by (service)
# topk()
topk(5, rate(http_requests_total[5m]))
4.3 Các query thực tế
# Error rate (5xx) cho tất cả services
sum(rate(http_requests_total{status=~"5.."}[5m])) by (service)
/
sum(rate(http_requests_total[5m])) by (service)
# p99 latency theo service
histogram_quantile(
0.99,
sum(rate(http_request_duration_seconds_bucket[5m])) by (service, le)
)
# CPU usage trên các pods
sum(rate(container_cpu_usage_seconds_total{container!=""}[5m])) by (pod, namespace)
# Memory usage (bytes)
sum(container_memory_rss{container!=""}) by (pod, namespace)
# Pod restart count
kube_pod_container_status_restarts_total{namespace="services-prod"}
# Service availability (based on successful requests)
1 - (
sum(rate(http_requests_total{status=~"5.."}[5m])) by (service)
/
sum(rate(http_requests_total[5m])) by (service)
)
5. Grafana Dashboard
5.1 Cấu trúc Dashboard tốt
Nguyên tắc thiết kế dashboard:
Level 1 — Overview (Top Row)
Tổng quan toàn bộ hệ thống:
- Total request rate
- Overall error rate
- System availability
- Active alerts count
Level 2 — Service Overview
Metrics per service:
- Rate, Errors, Duration (RED)
- Service status
Level 3 — Drill-down
Chi tiết khi có vấn đề:
- Request breakdown by endpoint
- Latency percentiles (p50, p95, p99)
- Error messages
- Dependencies
5.2 Dashboard as Code
Lưu dashboard dưới dạng JSON vào Git:
# Grafana ConfigMap trong Kubernetes
apiVersion: v1
kind: ConfigMap
metadata:
name: order-service-dashboard
namespace: monitoring
labels:
grafana_dashboard: "1" # Auto-discovered bởi Grafana sidecar
data:
order-service.json: |
{
"title": "Order Service",
"uid": "order-service",
"panels": [ ... ]
}
6. Alerting
6.1 PrometheusRule
Định nghĩa alerting rules:
apiVersion: monitoring.coreos.com/v1
kind: PrometheusRule
metadata:
name: order-service-alerts
namespace: services-prod
labels:
release: kube-prometheus-stack
spec:
groups:
- name: order-service.rules
interval: 30s
rules:
# Error rate cao
- alert: HighErrorRate
expr: |
sum(rate(http_requests_total{service="order-service", status=~"5.."}[5m]))
/
sum(rate(http_requests_total{service="order-service"}[5m]))
> 0.05
for: 2m
labels:
severity: critical
team: backend
annotations:
summary: "High error rate on order-service"
description: "Error rate {{ $value | humanizePercentage }} > 5%"
# Latency cao
- alert: HighLatency
expr: |
histogram_quantile(0.99,
sum(rate(http_request_duration_seconds_bucket{service="order-service"}[5m]))
by (le)
) > 1.0
for: 5m
labels:
severity: warning
annotations:
summary: "High p99 latency on order-service"
description: "p99 latency is {{ $value | humanizeDuration }}"
# Pod down
- alert: PodDown
expr: |
kube_deployment_status_replicas_available{
namespace="services-prod",
deployment="order-service"
} < kube_deployment_spec_replicas{
namespace="services-prod",
deployment="order-service"
}
for: 1m
labels:
severity: critical
annotations:
summary: "Order service pod(s) down"
6.2 Alertmanager
Alertmanager nhận alerts từ Prometheus và gửi notifications:
# alertmanager.yaml
global:
slack_api_url: 'https://hooks.slack.com/services/...'
route:
group_by: ['alertname', 'service']
group_wait: 30s
group_interval: 5m
repeat_interval: 1h
receiver: 'default'
routes:
- match:
severity: critical
receiver: 'pagerduty-critical'
continue: true
- match:
severity: warning
receiver: 'slack-warnings'
receivers:
- name: 'default'
slack_configs:
- channel: '#alerts'
text: '{{ .CommonAnnotations.summary }}'
- name: 'pagerduty-critical'
pagerduty_configs:
- service_key: '<key>'
- name: 'slack-warnings'
slack_configs:
- channel: '#alerts-warning'
send_resolved: true
7. SLI / SLO / SLA
Kết hợp metrics với Service Level Objectives:
# SLO Definition
service: order-service
slo:
# 99.9% requests thành công trong 30 ngày
- name: availability
target: 99.9%
indicator:
ratio:
good_events: http_requests_total{status!~"5.."}
total_events: http_requests_total
# 95% requests hoàn thành trong 200ms
- name: latency
target: 95%
indicator:
ratio:
good_events: http_request_duration_seconds_bucket{le="0.2"}
total_events: http_request_duration_seconds_count
Error Budget:
- SLO 99.9% → Error Budget = 0.1% = 43.8 phút/tháng
- Khi hết error budget → freeze feature deployment, focus on reliability
8. Best Practices
Đặt tên metrics đúng chuẩn:
# Format: <namespace>_<subsystem>_<name>_<unit>
http_request_duration_seconds
database_queries_total
cache_hit_ratio
background_jobs_processed_total
Cardinality Control:
# ĐÚNG — cardinality thấp, controllable labels
http_requests_total{method, status_code, service}
# SAI — cardinality explode làm Prometheus OOM
http_requests_total{user_id, request_id, ip_address}
Recording Rules để pre-compute expensive queries:
groups:
- name: recording_rules
rules:
- record: job:http_requests_total:rate5m
expr: sum(rate(http_requests_total[5m])) by (job)
Tóm tắt
| Khái niệm | Mục đích |
|---|---|
| RED Method | Đo lường health của từng service |
| USE Method | Đo lường health của infrastructure resource |
| ServiceMonitor | Tích hợp Prometheus với Kubernetes |
| PromQL | Query và tính toán metrics |
| PrometheusRule | Định nghĩa alerting rules |
| Alertmanager | Route và gửi notifications |
| SLO/SLI | Định lượng reliability targets |
Bài tiếp theo: Logging — Structured Logging, Loki & ELK Stack