Seminar Cloudogu EcoSystem: Monitoring, Logging und Troubleshooting

Unkoordinierte Neustarts beseitigen gelegentlich ein Symptom, aber selten die Ursache. Der Kurs setzt deshalb auf Zeitbezug, Zustandsvergleich, Hypothesen und begrenzte Tests.

SingleNode- und MultiNode-Signale werden gemeinsam betrachtet. Praktische Störungen reichen von Anmelde- und Abhängigkeitsproblemen bis zu Ressourcen-, Ingress- und Persistenzfehlern.

Inhaltsübersicht

1. Zielgruppe
2. Lernziele
3. Seminarinhalte
4. Praxisübungen
5. Arbeitsweise

Zielgruppe

Cloudogu-Administration, Plattformbetrieb, Service Desk der zweiten und dritten Ebene, DevOps und technische Anwendungsverantwortung

Lernziele

• Teilnehmende können relevante Signale und Alarmgrenzen festlegen.
• Teilnehmende können Logs und Debug-Modus zielgerichtet und datensparsam einsetzen.
• Teilnehmende können Störungen vom Symptom bis zur Ursache strukturiert bearbeiten.
• Teilnehmende können Kapazitäts- und Supportdaten aussagekräftig aufbereiten.

Seminarinhalte

1. Monitoringmodell und relevante Signale

Technische Messwerte werden mit Nutzerwirkung und Geschäftsprozessen verknüpft. Nicht jede Warnung ist ein Vorfall, aber jede kritische Wirkung benötigt ein Signal.

1. Erreichbarkeit, Gesundheit, Ressourcen, Persistenz und Integrationen als Signalgruppen definieren.
2. Grenzwerte aus Normalbetrieb und Kapazitätsplanung ableiten.
3. Warnung, Alarm, Ticket und Eskalation voneinander abgrenzen.
4. Dashboards und Prüfintervalle den verantwortlichen Rollen zuordnen.

2. cesapp sicher und nachvollziehbar einsetzen

Die Kommandozeile bildet den standardisierten Verwaltungsweg für viele Plattformaufgaben. Befehle werden nach Lesen, Prüfen, Ändern und Validieren geordnet.

1. Mit cesapp list, detail und healthy einen belastbaren Ausgangszustand aufnehmen.
2. Remote-Bestand, installierte Versionen und verfügbare Aktualisierungen vergleichen.
3. Änderungsbefehle zunächst mit Ziel, Abhängigkeiten und Rückfallweg dokumentieren.
4. Nach jeder Änderung Gesundheitszustand, Logs und betroffene Geschäftsprozesse kontrollieren.

3. Admin Dogu für den Tagesbetrieb

Das Admin Dogu bündelt häufige Verwaltungs- und Diagnoseaufgaben. Oberfläche und Kommandozeile werden als sich ergänzende Werkzeuge eingesetzt.

1. Dogu- und Systemkomponentenübersicht öffnen und Status, Version sowie Log-Level auswerten.
2. Start, Stopp und Neustart nur nach Prüfung der Abhängigkeiten ausführen.
3. Log-Level zeitlich begrenzt anpassen und die zusätzliche Datenmenge berücksichtigen.
4. Wartungs-, Monitoring- und Supportfunktionen in einen geregelten Betriebsablauf einordnen.

4. Logs, Log-Level und Debug-Modus

Protokolle werden zielgerichtet erhoben. Höhere Log-Level und Debug-Modus kommen zeitlich begrenzt und mit Datenschutzkontrolle zum Einsatz.

1. Fehlerzeitraum, betroffenes Dogu und erwartetes Verhalten eingrenzen.
2. Passendes Log-Level wählen und Speicherbedarf sowie sensible Inhalte berücksichtigen.
3. Logs oder Supportarchiv mit reproduzierbarer Zeitreferenz erzeugen.
4. Nach der Analyse Log-Level zurücksetzen und Diagnoseartefakte geregelt aufbewahren oder löschen.

5. Systematische Störungsanalyse

Fehlerbehebung folgt einer festen Reihenfolge vom Symptom bis zur Ursache. Unkoordinierte Neustarts werden durch beweisbasierte Diagnose ersetzt.

1. Symptom, Zeitpunkt, Reichweite und letzte Änderung eindeutig beschreiben.
2. Plattformzugang, betroffene Abhängigkeiten, Gesundheit und Ressourcen nacheinander prüfen.
3. Hypothese bilden, mit einem begrenzten Test verifizieren und Ergebnis dokumentieren.
4. Korrektur ausführen, Nebenwirkungen prüfen und Wiederholungsvermeidung festlegen.

6. Kapazität, Trends und Engpassanalyse

Ressourcenauslastung wird über Zeit bewertet. Einzelne Spitzen werden von strukturellem Wachstum und fehlerhaftem Verhalten unterschieden.

1. CPU, Arbeitsspeicher, Dateisystem, Volumes und Antwortzeiten als Zeitreihen betrachten.
2. Basislast, Spitzenlast und Wachstum je Dogu beziehungsweise Knoten bestimmen.
3. Engpassursache durch Korrelation mit Jobs, Backups, Upgrades oder Nutzerlast eingrenzen.
4. Kapazitätsmaßnahme mit Zielwert, Termin und anschließender Wirksamkeitskontrolle planen.

7. Observability mit Monitoring und Ereignissen

Metriken, Logs, Kubernetes-Ereignisse und Plattformzustände werden zu einem Diagnosebild zusammengeführt.

1. Grafana-Dashboards und Prometheus-Signale für Knoten, Plattform und Dogus einordnen.
2. Kubernetes-Ereignisse, Pod-Zustände und Containerlogs zeitlich korrelieren.
3. Alarmgrenzen für Ressourcen, Verfügbarkeit, Neustarts und Volume-Nutzung festlegen.
4. Vom Alarm über Diagnose und Behebung bis zur Dokumentation einen vollständigen Vorfall bearbeiten.

8. Supportarchive und technische Eskalation

Eine gute Eskalation enthält reproduzierbare Fakten und möglichst wenig sensible Daten. Diagnosepakete werden vor Weitergabe geprüft.

1. Problemkurzbeschreibung, Zeitfenster, betroffene Versionen und Reproduktionsschritte sammeln.
2. Relevante Logs, Zustandsdaten und Konfigurationsausschnitte erzeugen.
3. Geheimnisse, personenbezogene Daten und fachliche Inhalte vor Weitergabe entfernen.
4. Eskalationspaket mit bereits geprüften Hypothesen und gewünschter Unterstützung übergeben.

Praxisübungen

• Erstellung eines Monitoring- und Eskalationsmodells
• Analyse einer gestörten Dogu-Abhängigkeit anhand von Logs und Zustand
• Korrelation von Metriken, Kubernetes-Ereignissen und Containerlogs
• Erstellung eines bereinigten Supportarchivs mit Reproduktionsbeschreibung

Arbeitsweise

Mehrere vorbereitete Störungen werden mit Diagnoseprotokoll, Hypothesenbildung und kontrollierter Behebung bearbeitet.