Files
mtusi2026lab6/.github/pull_request_template.md
T

5.2 KiB
Raw Blame History

Лабораторная 6

Автор / группа: EgorAnti / БПИ2301

Целевая оценка (3/4/5): 5

Трек 5, если заявлен: «Цена наблюдаемости» — сравнение telemetry off, full 100%/10s, economy 5%/60s и balanced 25%/30s при одинаковом профиле нагрузки.

Что реализовано и что перенесено:

  • из lab5 перенесён и сохранён работающий минимум API/worker, PostgreSQL, Redis, RabbitMQ, MinIO, outbox/retry/DLQ и публичные тесты;
  • добавлены OpenTelemetry Java agent/API для API и worker, W3C trace context через RabbitMQ и durable retry, структурные OTLP logs, metrics и реальные traces;
  • в общий Compose добавлены OTel Collector с memory limiter/batch/bounded queues, Prometheus, Loki, Tempo и Grafana с persistent volumes;
  • provisioned datasources, импортируемый dashboard, p50/p95/p99 из histogram, error ratio, queue depth/age, DB pool, worker saturation, SLI/SLO и alert rules;
  • воспроизведены отказ worker, отказ PostgreSQL, retry через MinIO и недоступность Loki/Tempo с firing/resolved evidence;
  • проведён эксперимент стоимости телеметрии, проверены ingest/CPU/RAM/latency/sampling loss и выбран balanced-профиль: 25% parent-based traces, metrics 30s, все logs.

Команды запуска из чистого clone:

Copy-Item .env.example .env
# Заменить replace-with-* уникальными локальными значениями.
docker compose --env-file .env config --quiet
docker compose --env-file .env up -d --build
$env:PYTHONUTF8 = "1"
make check PYTHON=python
make test BASE_URL=http://localhost:8080 PYTHON=python
powershell -File scripts/experiment-observability-cost.ps1 `
  -BaseUrl http://localhost:8080 -LoadSeconds 45 -Concurrency 4

Результаты проверок и ссылка на REPORT.md:

  • make check PYTHON=python: PASS: offline skeleton structure, local refs and Python syntax;
  • make test BASE_URL=http://127.0.0.1:18080 PYTHON=python: PASS: lab6 public API scenario;
  • docker compose --env-file .env config --quiet: успешно;
  • balanced работает с OTEL_TRACES_SAMPLER_ARG=0.25, OTEL_METRIC_EXPORT_INTERVAL=30000; итоговый make test прошёл;
  • во всех четырёх cost-режимах 0 load errors и 0 Collector transport-lost spans; normalized Tempo+Loki ingest balanced — 2200.52 B/request против 6918.72 B/request в full;
  • sampling-probe: 40 контролируемых HTTP 500, 8 sampled и 32 unsampled logs; sampled trace найден в Tempo (200), unsampled отсутствует (404);
  • полный отчёт: REPORT.md; raw evidence: evidence/lab6-20261119-203024-observability-cost/.

Ограничения / известные ошибки:

  • стенд локальный и однорепличный, telemetry retention — 72 часа/3 дня;
  • cost experiment — один последовательный closed-loop прогон на Docker Desktop; абсолютные latency/CPU требуют повторов и confidence intervals перед production sizing;
  • head sampling принимает решение до outcome/duration: balanced может не сохранить около 75% единичных ошибок и редких slow traces, однако их logs и metric aggregates сохраняются;
  • на Windows перед make check нужен PYTHONUTF8=1, иначе Python с CP1251 не читает UTF-8 OpenAPI JSON.

Источники и использование ИИ:

  • использованы официальные спецификации/документация OpenTelemetry, W3C Trace Context, Prometheus histograms, Grafana provisioning, Loki и Tempo; ссылки зафиксированы в contracts/observability.md и REPORT.md;

  • OpenAI Codex использовался для переноса lab5, реализации конфигурации/инструментации, подготовки воспроизводимых scripts, запуска проверок и анализа evidence; итог подтверждён командами и raw-артефактами выше.

  • 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.