# Запуск ЛР6 и проверка наблюдаемости ```sh make up make check make test ``` API — http://localhost:8086. Grafana — http://localhost:3006, dashboard **Messenger: API and image pipeline** в папке Highload labs. Локальный anonymous Viewer позволяет просматривать учебные данные; admin password генерируется в ignored secrets/grafana_password. Не публикуйте файл или его содержимое. Prometheus http://localhost:9096, Loki http://localhost:3106, Tempo http://localhost:3206, все порты только loopback. Go на host не нужен. Docker/Compose и Python 3.9+ достаточны. Все зависимости внутри этого репозитория, provisioning импортируется автоматически. Первый запуск загружает закреплённые образы. `make down` сохраняет volumes, удалять их при проверке сохранности нельзя. ```sh make test-race python3 student-tests/observability.py # Повторить только нужный сценарий, сохранив остальные результаты: python3 student-tests/observability.py trace python3 student-tests/observability.py worker python3 student-tests/observability.py db python3 student-tests/observability.py backend make test-persistence ACTION_SCRIPT=scripts/restart.sh make test-failover ACTION_SCRIPT=scripts/stop-one.sh docker compose up -d --no-deps --wait api # вернуть остановленную API ``` Incident-тесты выполнять последовательно: они останавливают только компоненты этого учебного Compose-проекта и создают синтетические данные. Исследование SLO использует явные локальные окна 10/60s и 30/120s, SLO rolling10m; это не подмена production30d окна. Worker/outbox/replay/cleanup — те же CLI и гарантии, что объяснены в `PIPELINE.md`. `DEFENSE.md` содержит рассказ от первого лица, схемы и все вопросы README. Runbook с PromQL/LogQL/Tempo — `RUNBOOK.md`; фактические результаты и ограничения — `REPORT.md`, `evidence/`.