Mit unserem neuesten Update zur New Relic Kubernetes-UI unterstützen wir nun auch Kubernetes Multicluster-Workloads. Dadurch werden nun Daten zu Anwendungs- und Cluster-Performance aus Kubernetes in einer zentralen Benutzeroberfläche im Application Performance Monitoring (APM) von New Relic abbildbar. Probleme innerhalb von Kubernetes-Clustern und zugehörigen Anwendungen spüren Sie damit schneller auf, beheben sie rascher und skalieren zugrunde liegende Infrastruktur-Ressourcen bedarfsgerecht.

Performance-Analyse komplett zentralisiert

Sämtliche Daten rund um die Performance Ihrer Kubernetes-Anwendungen und -Cluster führt die neue UI kuratiert zusammen. Direkt verfügbar innerhalb von APM, erleichtert dies die Umsetzung hochperformanter Anwendungen. Die Features und Vorteile umfassen:

  • Daten zur Anwendungs- und Infrastruktur-Performance in Kubernetes-Umgebungen kuratiert in einer kompakten UI – ganz ohne manuelle Datenkorrelation und Kontext-Switching zwischen APM und Infrastruktur-Monitoring in New Relic
  • Live-Monitoring via Activity Stream mit Echtzeit-Alerts bei Kubernetes-Events und kritischen Problemen
  • Zentral aufrufbare Logs sowie Gegenüberstellung frei auswählbarer Metrics zur Korrelation und Analyse von Performance-Anomalien

Dev-Teams brauchen Klarheit über Cluster-Performance

Die Grenzen zwischen Anwendungen und Infrastruktur verschwimmen bei Kubernetes zunehmend. Entwickler:innen richten ihren Fokus in erster Linie auf die Performance ihrer Anwendung und nicht auf die des Clusters, auf dem diese ausgeführt wird. Allerdings: Was auf Cluster-Ebene und ihr zugrunde liegenden Komponenten geschieht, schlägt sich direkt in der Anwendungs-Performance nieder.

Bislang waren anwendungsbezogene Daten und Signale rund um die Infrastruktur bei den meisten Monitoring-Tools voneinander getrennt. Kubernetes-Umgebungen wird dies jedoch nicht gerecht, wenn es darum geht, den Einfluss der zugrunde liegenden Infrastruktur auf Anwendungen klar nachvollziehen zu können. Daher integriert unsere neue UI für Kubernetes-Observability diese Bereiche nun zentral: Das komplette Ökosystem Ihrer Telemetriedaten ist darin transparent einsehbar und so auch eine unkomplizierte funktionsübergreifende Zusammenarbeit möglich.

Anwendungs- und Cluster-Performance korrelieren

In punkto Problembehebung und Performance-Optimierung ist Visibility entscheidend. In sämtliche Ihren Anwendungen zugrunde liegenden Komponenten ebenso wie darin, wie es um diese bestellt ist – speziell im Kontext von Multicluster-Workloads. Durch Kubernetes-Observability direkt innerhalb von APM wird dies und damit auch der Einfluss der Cluster-Performance auf Ihre Anwendungen ersichtlich: Sämtliche Metadaten Ihrer Entitäten setzt die UI in Kontext zueinander und macht so Zusammenhänge zwischen Ihren Clustern und Ihren Workloads, Deployments, DaemonSets, Pods und Hosts transparent. 

Übersteigt beispielsweise die Latenz die Toleranzschwellen, ist dies womöglich auf eine übermäßige Speicherauslastung zurückzuführen. Infolge unzureichender Cluster-Ressourcen würden die betroffenen Pods aufgrund mangelnder Cluster-Ressourcen durch OOM Kill beendet. Über Systemverhalten wie dieses erhalten Sie in der neuen UI einerseits mit der Übersicht zu Pods und Containern Aufschluss sowie parallel auch über den neuen Activity Stream. 

Der Activity Stream zeigt auf, wie Cluster-Performance und -Events zueinander in Beziehung stehen: Im Zuge von Anwendungs-Deployments werden darin wichtige Events am Cluster erfasst. So können Sie ihren Einfluss auf die Cluster- und letztlich auch auf die Anwendungs-Performance nachvollziehen. Anhand eines Event-Filters können Sie dabei zudem direkt feststellen, an welchen Punkten Sie im Falle von Problemen ansetzen müssen.

Anomalien schneller aufschlüsseln

Anomalien-Analysen gestalten sich bisweilen als reichlich komplexes Unterfangen – erst recht, wenn für sie relevante Daten über verschiedene UIs oder, schlimmer noch, über mehrere Tools verteilt sind. Daher galt es für uns, die hierfür wichtigen Informationen allesamt an einem Ort zu bündeln. Und dies nicht nur in Bezug auf klassische Metrics zur Performance von CPU, Speicher, Netzwerk oder Storage. Denn zu den Ursachen für Veränderungen an dieser führen Sie erst die zugehörigen Logs. Anhand von Metadaten ordnen wir diese zudem noch den zugehörigen Kubernetes-Telemetriedaten etwa zu Fehlern oder der Cluster-Performance zu. So gelangen Sie punktgenau direkt zu den Daten, die Ihnen Aufschluss über die Einflussfaktoren für die Anwendungs-Performance liefern.

Dabei können Sie außerdem über die Diagramme am unteren Seitenrand Korrelationen zwischen Performance-Metrics auswerten. Über average, max und p95 können Sie hier die Darstellung der Korrelationen nach Durchschnitt, Maximalwert oder 95. Perzentil festlegen und analysieren. Generiert werden diese Diagramme via NRQL-Abfragen. Sie können diese also out of the box in einem eigenen Query Builder verwenden und so über die verfügbaren Diagramme hinaus flexible Custom-Datenanalysen umsetzen.

Zur Verfügung stehen diese Metrics:

  • CPU-Nutzung (Cores)
  • CPU-Auslastung (in %)
  • CPU-Drosselung (in %)
  • Speichernutzung (in Byte)
  • Speicherauslastung (in %)
  • Eingehender Netzwerk-Traffic (in KB/s)
  • Übertragener Netzwerk-Traffic (in KB/s)
  • Netzwerkfehler (pro Sekunde)
  • Storage-Nutzung (in Byte)
  • Storage-Auslastung (in %)
  • Anzahl Container-Neustarts

Starten Sie noch heute

Die neue UI für Kubernetes-Observability ist ab sofort für alle Nutzer:innen mit Komplettlizenz für New Relic verfügbar. Um sie zu starten, rufen Sie innerhalb von APM den Menüeintrag Kubernetes auf der linken Seite auf. Weitere Informationen finden Sie unserer Kubernetes-Dokumentation.

Sie haben noch kein Konto für New Relic? Dann starten Sie direkt hier. Das Einstiegskonto ist komplett kostenlos – dies mit 100 GB zur Datenerfassung, einer Komplettlizenz und unbegrenzten Basic-Lizenzen.