Seminar ApeiroRA – Observability und Plattformbetrieb mit Greenhouse

Seminarbeschreibung

Eine verteilte Plattform bleibt nur beherrschbar, wenn technische Signale mit eindeutiger Verantwortung verbunden sind. Das Seminar betrachtet Greenhouse als Betriebsplattform und OpenTelemetry als Werkzeugrahmen zur Erfassung von Metriken, Logs und Traces. Beide Perspektiven werden an einem konkreten Service zusammengeführt.

Die Arbeit beginnt mit vorhandenen Clustern, Teams und Erweiterungen einer vorbereiteten Greenhouse-Umgebung. Danach werden die Signale eines Beispielservices über eine nachvollziehbare Sammlung und Verarbeitung in passende Auswertungswerkzeuge geleitet. Messgrößen werden aus der Dienstleistung abgeleitet, statt lediglich möglichst viele Daten zu sammeln.

Eine Fehlerwerkstatt verbindet Ressourcenprobleme, erhöhte Antwortzeiten und ausgefallene Abhängigkeiten mit konkreten Diagnosewegen. Betriebliche Protokolle und sicherheitsrelevante Auditdaten werden hinsichtlich Zweck, Vollständigkeit und Aufbewahrung getrennt bewertet. Die technische Überwachung wird damit zu einem überprüfbaren Bestandteil des Servicebetriebs.

Seminarinhalte

1. Greenhouse und Betriebszuständigkeit

• Organisation, Teams, Cluster und Plugins in der vorhandenen Installation untersuchen.
• Zugriffsrechte und Zuständigkeiten für einen Beispielservice einem konkreten Betriebsteam zuordnen.
• Verfügbare Dashboards und Erweiterungen auf ihre Aussagekraft für den vorgesehenen Service prüfen.

2. Signale mit OpenTelemetry erfassen

• Metriken, Logs und Traces eines vorbereiteten Workloads erfassen und ihren jeweiligen Diagnosewert unterscheiden.
• Eine einfache Collector-Pipeline mit geeigneter Verarbeitung und den vorgesehenen Backends nachvollziehen.
• Ressourcenattribute, Zuordnung zum Dienst und unerwünschte sensible Informationen in Telemetriedaten prüfen.

3. Serviceziele und Alarmierung

• Verfügbarkeit und Antwortzeit als messbare Dienstmerkmale definieren und mit geeigneten Signalen verbinden.
• Alarmregeln aus einem konkreten Störungsfall ableiten und Fehlalarme durch fehlenden Kontext reduzieren.
• Alarmempfänger, Eskalation und Runbook so verknüpfen, dass ein Betriebsteam handlungsfähig wird.

4. Störungsanalyse und Wiederanlauf

• Eine Störung von der Serviceansicht über Metriken und Logs bis zur betroffenen Abhängigkeit eingrenzen.
• Bei verteilten Aufrufen Trace-Kontext nutzen und fehlende Messdaten als mögliche Diagnosegrenze berücksichtigen.
• Den Wiederanlauf mit einem Funktionstest und beobachtbaren Dienstwerten überprüfen sowie offene Befunde dokumentieren.

Praktische Übungen

• Einen Beispielservice einem Betriebsteam zuordnen und relevante Zustandsinformationen in der Betriebsoberfläche auffinden.
• Eine Telemetrie-Pipeline prüfen und Metriken, Logs sowie Traces eines Testaufrufs korrelieren.
• Eine vorbereitete Störung auslösen, Alarmierung und Runbook anwenden und den Wiederanlauf anhand messbarer Kriterien kontrollieren.

Arbeitsumgebung

Kundenseitig bereitgestellte Greenhouse-Testinstallation mit angebundenem Kubernetes-Cluster, ausgewählten Plugins und einem instrumentierten Beispielworkload. OpenTelemetry Collector und geeignete Metrik-, Log- und Trace-Backends werden vorab bereitgestellt.