Из Lab5 перенесены две FastAPI-реплики за HAProxy, PostgreSQL, Redis, приватное S3-хранилище SeaweedFS, RabbitMQ, Transactional Outbox, dispatcher и worker с идемпотентной обработкой изображений.
В Lab6 реализованы:
Сбор метрик, логов и трасс через OpenTelemetry Collector.
Хранение метрик в Prometheus, логов в Loki, трасс в Tempo.
Grafana с автоматически подключаемыми источниками данных и dashboard из 16 панелей.
Сквозная трассировка API → dispatcher → RabbitMQ → worker → S3/PostgreSQL, включая повторные попытки обработки.
Метрики RPS, доли ошибок, p50/p95/p99, времени обработки и времени до ready.
Мониторинг глубины очереди, возраста заданий, DB pool, загрузки worker, CPU и памяти.
SLI доступности с целевым SLO 99% за пятиминутное окно.
Два алерта: высокая доля ошибок API и задержка обработки очереди.
Ограниченная буферизация и повторные попытки экспорта телеметрии при недоступности её хранилищ.
Команды запуска из чистого clone
Copy-Item.env.example.envnotepad.env
Заменить примерные пароли на собственные значения.
Все шесть сценариев наблюдаемости выполнены на Windows/Docker Desktop:
Сценарий
Результат
metrics
PASS — метрики доступны, запрещённые ID labels отсутствуют
trace-retry
PASS — сквозная трассировка, retry и корреляция логов
queue-lag
PASS — алерт сработал при возрасте задания 27,57 с и разрешился после восстановления worker
db-error
PASS — блокировка БД, HTTP 503, срабатывание и разрешение алерта
backend-down
PASS — бизнес-операции продолжились при недоступности Tempo
history
PASS — история метрик, логов и трасс сохранена после перезапуска хранилищ
При отказе Tempo выполнено 16 успешных записей, обработка изображений продолжилась. Максимальная наблюдаемая память Collector — 200,43 MiB при лимите 256 MiB, очередь экспорта — 18 из 64.
Регрессионные проверки Lab5: unit, ACL, негативные сценарии, параллельная идемпотентность, остановка worker, падения dispatcher и worker — PASS.
make check
PASS: offline skeleton structure, local refs and Python syntax; application NOT tested.
make test
PASS: lab6 public API scenario; infrastructure and grading evidence remain separate.
API и задания (evidence/grafana/01-api-and-jobs.png)
Worker и очередь (evidence/grafana/02-worker-and-queue.png)
DB pool и ресурсы (evidence/grafana/03-pool-and-resources.png)
Collector, алерты и SLO (evidence/grafana/04-collector-alerts-slo.png)
Ограничения / известные ошибки
Инфраструктура развёрнута на одном Docker-хосте, хранилища представлены одиночными экземплярами.
При длительной недоступности хранилищ возможна потеря части телеметрии. Бизнес-операции не зависят от успешности её экспорта.
Нагрузочный эксперимент ограничен десятью параллельными загрузками.
Полный повтор persistence/failover и дополнительных сценариев pipeline_extended из Lab5 в текущем стенде не проводился.
Отдельное исследование на оценку 5 не заявлено.
Источники и использование ИИ
Использованы материалы курса, официальная документация OpenTelemetry, Prometheus, Grafana, Loki, Tempo и спецификация W3C Trace Context.
ChatGPT применялся для проектирования архитектуры наблюдаемости, реализации инструментации, настройки инфраструктуры, разработки тестов, исправления диагностического теста и подготовки отчёта. Интеграционные проверки выполнены на учебном Windows/Docker Desktop стенде.
Весь обязательный минимум текущей и предыдущих работ сохранён с объявленными переходами.
Контракт и публичные тесты не ослаблены.
make check и make test выполнены; приложен реальный вывод.
Сценарии отказов/безопасности своего уровня воспроизведены.
Все секреты и приватные ключи находятся вне Git; отчёт не содержит tokens.
README задания сохранён, REPORT.md содержит инструкцию именно моего решения.
## Лабораторная 6
**Автор / группа:** Авзалов Артур Марсович / БПИ2301
**Целевая оценка (3/4/5):** 4
**Трек 5, если заявлен:** не заявлен.
### Что реализовано и что перенесено
Из Lab5 перенесены две FastAPI-реплики за HAProxy, PostgreSQL, Redis, приватное S3-хранилище SeaweedFS, RabbitMQ, Transactional Outbox, dispatcher и worker с идемпотентной обработкой изображений.
В Lab6 реализованы:
- Сбор метрик, логов и трасс через OpenTelemetry Collector.
- Хранение метрик в Prometheus, логов в Loki, трасс в Tempo.
- Grafana с автоматически подключаемыми источниками данных и dashboard из 16 панелей.
- Сквозная трассировка API → dispatcher → RabbitMQ → worker → S3/PostgreSQL, включая повторные попытки обработки.
- Метрики RPS, доли ошибок, p50/p95/p99, времени обработки и времени до ready.
- Мониторинг глубины очереди, возраста заданий, DB pool, загрузки worker, CPU и памяти.
- SLI доступности с целевым SLO 99% за пятиминутное окно.
- Два алерта: высокая доля ошибок API и задержка обработки очереди.
- Ограниченная буферизация и повторные попытки экспорта телеметрии при недоступности её хранилищ.
### Команды запуска из чистого clone
```powershell
Copy-Item .env.example .env
notepad .env
```
Заменить примерные пароли на собственные значения.
```powershell
docker compose --env-file .env config --quiet
docker compose --env-file .env up -d --build --wait
docker compose --env-file .env ps
make check
make test
```
Grafana: http://localhost:3000/
Prometheus: http://localhost:9090/
Алерты: http://localhost:9090/alerts
### Результаты проверок и ссылка на REPORT.md
Все шесть сценариев наблюдаемости выполнены на Windows/Docker Desktop:
| Сценарий | Результат |
|---|---|
| metrics | PASS — метрики доступны, запрещённые ID labels отсутствуют |
| trace-retry | PASS — сквозная трассировка, retry и корреляция логов |
| queue-lag | PASS — алерт сработал при возрасте задания 27,57 с и разрешился после восстановления worker |
| db-error | PASS — блокировка БД, HTTP 503, срабатывание и разрешение алерта |
| backend-down | PASS — бизнес-операции продолжились при недоступности Tempo |
| history | PASS — история метрик, логов и трасс сохранена после перезапуска хранилищ |
При отказе Tempo выполнено 16 успешных записей, обработка изображений продолжилась. Максимальная наблюдаемая память Collector — 200,43 MiB при лимите 256 MiB, очередь экспорта — 18 из 64.
Регрессионные проверки Lab5: unit, ACL, негативные сценарии, параллельная идемпотентность, остановка worker, падения dispatcher и worker — PASS.
Нагрузочный эксперимент:
- 10 параллельных загрузок, 10/10 вложений обработаны, 0 ошибок.
- Скорость приёма — 3,976 RPS.
- p50 загрузки — 2296,5 мс.
- Все вложения готовы через 36,406 с.
Реальный вывод обязательных проверок:
```text
make check
PASS: offline skeleton structure, local refs and Python syntax; application NOT tested.
make test
PASS: lab6 public API scenario; infrastructure and grading evidence remain separate.
```
Подробности и инструкции: [REPORT.md].
Подтверждённые результаты: [verified_results_2026-11-17.md]
Скриншоты Grafana:
- API и задания (evidence/grafana/01-api-and-jobs.png)
- Worker и очередь (evidence/grafana/02-worker-and-queue.png)
- DB pool и ресурсы (evidence/grafana/03-pool-and-resources.png)
- Collector, алерты и SLO (evidence/grafana/04-collector-alerts-slo.png)
### Ограничения / известные ошибки
- Инфраструктура развёрнута на одном Docker-хосте, хранилища представлены одиночными экземплярами.
- При длительной недоступности хранилищ возможна потеря части телеметрии. Бизнес-операции не зависят от успешности её экспорта.
- Нагрузочный эксперимент ограничен десятью параллельными загрузками.
- Полный повтор persistence/failover и дополнительных сценариев pipeline_extended из Lab5 в текущем стенде не проводился.
- Отдельное исследование на оценку 5 не заявлено.
### Источники и использование ИИ
Использованы материалы курса, официальная документация OpenTelemetry, Prometheus, Grafana, Loki, Tempo и спецификация W3C Trace Context.
ChatGPT применялся для проектирования архитектуры наблюдаемости, реализации инструментации, настройки инфраструктуры, разработки тестов, исправления диагностического теста и подготовки отчёта. Интеграционные проверки выполнены на учебном Windows/Docker Desktop стенде.
- [x] Весь обязательный минимум текущей и предыдущих работ сохранён с объявленными переходами.
- [x] Контракт и публичные тесты не ослаблены.
- [x] make check и make test выполнены; приложен реальный вывод.
- [x] Сценарии отказов/безопасности своего уровня воспроизведены.
- [x] Все секреты и приватные ключи находятся вне Git; отчёт не содержит tokens.
- [x] README задания сохранён, REPORT.md содержит инструкцию именно моего решения.
Blocking a user prevents them from interacting with repositories, such as opening or commenting on pull requests or issues. Learn more about blocking a user.
Лабораторная 6
Автор / группа: Авзалов Артур Марсович / БПИ2301
Целевая оценка (3/4/5): 4
Трек 5, если заявлен: не заявлен.
Что реализовано и что перенесено
Из Lab5 перенесены две FastAPI-реплики за HAProxy, PostgreSQL, Redis, приватное S3-хранилище SeaweedFS, RabbitMQ, Transactional Outbox, dispatcher и worker с идемпотентной обработкой изображений.
В Lab6 реализованы:
Команды запуска из чистого clone
Заменить примерные пароли на собственные значения.
Grafana: http://localhost:3000/
Prometheus: http://localhost:9090/
Алерты: http://localhost:9090/alerts
Результаты проверок и ссылка на REPORT.md
Все шесть сценариев наблюдаемости выполнены на Windows/Docker Desktop:
При отказе Tempo выполнено 16 успешных записей, обработка изображений продолжилась. Максимальная наблюдаемая память Collector — 200,43 MiB при лимите 256 MiB, очередь экспорта — 18 из 64.
Регрессионные проверки Lab5: unit, ACL, негативные сценарии, параллельная идемпотентность, остановка worker, падения dispatcher и worker — PASS.
Нагрузочный эксперимент:
Реальный вывод обязательных проверок:
Подробности и инструкции: [REPORT.md].
Подтверждённые результаты: [verified_results_2026-11-17.md]
Скриншоты Grafana:
Ограничения / известные ошибки
Источники и использование ИИ
Использованы материалы курса, официальная документация OpenTelemetry, Prometheus, Grafana, Loki, Tempo и спецификация W3C Trace Context.
ChatGPT применялся для проектирования архитектуры наблюдаемости, реализации инструментации, настройки инфраструктуры, разработки тестов, исправления диагностического теста и подготовки отчёта. Интеграционные проверки выполнены на учебном Windows/Docker Desktop стенде.
View command line instructions
Checkout
From your project repository, check out a new branch and test the changes.