📋 Kurzus leírása
Ez a kétnapos tréning az observability (megfigyelhetőség) három pilléréből a metrikák világát járja körül alaposan. Megismerjük a Prometheus pull-alapú architektúráját, a legfontosabb exportereket (node, cAdvisor, JMX, Blackbox), elsajátítjuk a PromQL lekérdezési nyelvet, felállítjuk az Alertmanagert, majd mindent összekötünk Grafanában — dashboardoktól a gyártási alertekig.
Az egész tréning Docker Compose alapú laborkörnyezetben zajlik, így a tanultak azonnal alkalmazhatók konténerizált infrastruktúrában. A második nap végén egy teljes Spring Boot / Micrometer integrációs labort is elvégzünk.
🎯 Kinek ajánljuk?
✅ Mit tanulsz meg?
- Prometheus architektúra és telepítés
- Scrape config és service discovery
- node_exporter, cAdvisor, Blackbox exporter
- JMX exporter Java alkalmazásokhoz
- PromQL alapok és haladó lekérdezések
- Alertmanager routing és receiver-ek
- Grafana adatforrások és dashboard-szerkesztés
- Grafana alerting (unified alerting)
- Spring Boot / Micrometer metrika-export
- Teljes Docker Compose monitoring stack
📅 Tanmenet
- Metrics, Logs, Traces – a három pillér és kapcsolatuk
- Pull vs. push alapú metrikagyűjtés – miért pull?
- Mikor érdemes Prometheus helyett mást választani?
- Prometheus adatmodell: time series, label, sample
- Prometheus komponensei: scraper, TSDB, rule evaluator, alertmanager kliens
- prometheus.yml: global, scrape_config, rule_files, alertmanager
- Telepítés Docker Compose-szal (labor)
- Service discovery típusai: static, file_sd, DNS, Docker, Kubernetes
- Retention és storage beállítások
- node_exporter – gazdagép CPU, memória, disk, hálózat metrikái
- cAdvisor – konténer-szintű erőforrás-metrikák
- Blackbox exporter – HTTP/TCP/DNS/ICMP black-box monitoring
- JMX exporter – Java alkalmazások JVM metrikái (GC, heap, threads)
- Saját exporter készítésének elvei (áttekintő)
- Adattípusok: instant vector, range vector, scalar, string
- Selectors és label matching operátorok (=, !=, =~, !~)
- Aggregációs függvények: sum, avg, max, min, count by/without
- Rate, irate, increase – counter-ek helyesen
- Histogram és summary kvantilisek lekérdezése
- Subquery és offset operátor
- Labor: valódi metrikák lekérdezése és vizualizálása
- Alertmanager architektúra és adatfolyam
- alertmanager.yml: route, receiver, inhibit_rule, time_interval
- Receiver típusok: e-mail, Slack, PagerDuty, webhook
- Routing fa és label alapú csoportosítás
- Silence és inhibition – alert-elnémítás stratégiái
- Prometheus recording rules és alerting rules írása
- Labor: CPU- és memória-alert felállítása és tesztelése
- Grafana telepítése és adatforrások hozzáadása (Prometheus, Loki)
- Dashboard felépítése: panel típusok (Time series, Stat, Gauge, Table, Heatmap)
- Variables (template változók) – dinamikus dashboardok
- Panel szerkesztő: Transforms, Overrides, Thresholds
- Dashboard import/export és community dashboardok (grafana.com)
- Labor: Node Exporter Full dashboard importálása és testreszabása
- Unified alerting architektúra (Grafana Alertmanager vs. Prometheus AM)
- Alert rule szerkesztő: condition, pending period, annotations
- Contact points és notification policies
- Silences és mute timings Grafanában
- Micrometer architektúra és Prometheus registry
- Actuator /actuator/prometheus endpoint aktiválása
- Beépített metrikák: JVM, HTTP request, DataSource
- Egyedi Counter, Timer, Gauge regisztrálása
- Labor: Spring Boot alkalmazás scrape-elése és dashboard felépítése
- Prometheus + Alertmanager + Grafana + node_exporter + cAdvisor
- Automatikus dashboard provisioning (grafana/provisioning)
- Stack karbantartása: frissítés, backup, retention policy
- Production-ready ajánlások: HA Prometheus, Thanos/Cortex áttekintés
📦 Amit magaddal viszel
- Teljes Docker Compose monitoring stack (kész, futtatható)
- Kész Grafana dashboard JSON-ok (node, konténer, JVM, Spring Boot)
- PromQL gyorsreferencia és alerting sablon
- 30 napos utókövetés: kérdésekre az oktató válaszol
- Részvételi tanúsítvány