Realizling Dapr Observability Using Elastic Stack
>100 Views
July 14, 21
スライド概要
https://msdevjp.connpass.com/event/215108/
ヴイエムウェア株式会社 プリンシパルエンタープライズアーキテクト。Microsoft で13年間、テクニカルエバンジェリストとして .NET、Visual Studio、Windows、iOS、Android、Microsoft Azure 等の開発者向け最新技術啓発活動を実施。その後、Dell、Accenture、Elastic 等を通じて現職でも同様の活動を実施。 2019年4月〜2021年8月迄、内閣官房 IT 総合戦略室 政府 CIO 補佐官を兼務、2021年9月〜2024年3月迄、デジタル庁 PjM ユニット ソリューションアーキテクトを兼務。
関連スライド
各ページのテキスト
Elastic Stack で Daprのオブザーバビリティ （観測可能性）を実現 鈴⽊ 章太郎 Elastic テクニカルプロダクトマーケティングマネージャー/エバンジェリスト 内閣官房 IT 総合戦略室 政府 CIO 補佐官
⾃⼰紹介 鈴⽊ 章太郎 Elastic テクニカルプロダクトマーケティングマネージャー/ エバンジェリスト 内閣官房 IT 総合戦略室 政府 CIO 補佐官 2003年マイクロソフト⼊社。公共営業部⾨の担当アーキテクトとして .NET の技術啓発活動に従事。 2006年開発者向けマーケティング部⾨に異動、テクニカルエバンジェリストと して Windows/iOS/Android や Microsoft Azure の開発者向け 技術啓発活動を10年にわたり担当。 ⽇本マイクロソフト退社後は、Dell、Accenture 等を経て、2020年6⽉ からは Elastic で開発者向け技術啓発活動に携わる。 2019年4⽉〜 内閣官房 IT 総合戦略室 政府 CIO 補佐官。
1. アジェンダ 2. 3. 4. Elastic 概要 Observability（可観測性）とは Dapr の Observability コンポーネント群と Elastic による Dapr Observability 実現 まとめ
Elastic 概要
About Elastic Elastic 会社概要 Distributed by design 2012 年設⽴ IPO 2018, NYSE: “ESTC” 40 カ国以上で 2,000 ⼈の従業員 3 億 5,000 万以上のダウンロード、 12,000 以上の企業での採⽤ 世界の #1 データベース検索エンジン (DB-Engines)
3 Solutions, 1 Stack, Deploy Anywhere 3 つのソリューション Elastic エンタープライズサーチ Elastic オブザーバビリティ Elastic セキュリティ 可視化 & 管理 Kibana Elastic スタックで実現 Beats 豊富なデプロイ選択肢 蓄積、検索、分析 Elasticsearch Logstash Elastic Cloud Elastic Cloud Enterprise SaaS (AWS/Azure/GCP) IaaS (クラウド & オンプレ） Elastic Cloud on Kubernetes Kubernetes (クラウド & オンプレ） 収集
事例︓三井住友 DS アセット マネジメント株式会社 アナリストが利⽤する資産運⽤での⾼速情報検索に向け Elasticsearch を導⼊。 35 種類のデータソースを Elasticsearch に集約し、圧倒的な検索パフォーマンスで業務を⽀援 https://www.elastic.co/jp/customers/smd-am
膨⼤なデータ処理とリアルタイム性を要求 される配⾞マッチング検索で Elastic を活⽤ 1 秒あたりのデータ投⼊件数︓ 85 万から 130 万メッセージ 1 ⽇あたりのデータ投⼊量︓ 12 TB 1 秒あたりのドキュメント スキャン︓1 億から 40 億のドキュメント数 データサイズ︓ 1 PB クラスター サイズ︓ 700 台の Elasticsearch インジェスション パイプライン︓100 + Data パイプライン ジョブ 2018 年 4 ⽉の Qcon での Uber 様 講演より https://www.infoq.com/presentations/uber-elasticsearch-clusters/
なぜ Elasticsearch なのか︖ 企業では主にリレーショナル データベースを使⽤して データを格納 • • • • テーブルを簡単に結合し必要なデータベースからこのデータを取得できる しかし、時間の経過とともに、データベースとテーブルが肥⼤化して、数百万のデータセットを 含む⼤規模なデータベースになると、操作を実⾏できなくなる ⼀⽅、Elasticsearch は、数百万のドキュメントを数秒で簡単に検索できる Elasticsearch は柔軟で強⼒、オープンでフリーな 分散型リアルタイム検索及び分析エンジン • • • • Elasticsearch はドキュメントベースのデータベースでデータを JSON 形式で保存（⾮正 規化） Elasticsearch は、アプリケーションの強⼒な検索ツールとして使⽤できる インデックス、ドキュメント、フィールド等を作成し、データを Elasticsearch にプッシュで、検 索の準備が整う Elasticsearch の 2 つのユニークで重要な機能 • • • ⽔平スケール ⾼可⽤性 Elasticsearch
Elasticsearch の概念 インデックス・ドキュメント・フィールド • • • • • • Elasticsearch は分散ドキュメント ストア 保存されるデータの最⼩単位が ドキュメント ドキュメントは、フィールドと呼ばれる 複数の属性を持つ インデックスはドキュメントの集合 Elasticsearch の概念 具体例 SQL Server, MySQL, postgreSQL 等 インデックス 書籍データが格納 される場所 テーブル ドキュメント 書籍データ レコード フィールド 書籍タイトル、著者、 カラム ISBN、出版⽇、等 RESTful Web サービスの設計原則に従って設計 HTTP メソッドを使って CRUD による⼀通りのドキュメント操作が可能 https://www.elastic.co/guide/en/elasticsearch/reference/current/index.html
CQRS（コマンドクエリー責任分離）との関係 • • 「コマンド クエリ責務分離 （CQRS）パターンは、データ ストアの読み取り操作と更新操作を分離します。 アプリケーション内に CQRS を実装すると、そのパフォーマンス、スケーラビリティ、セキュリティが最⼤化される場合があります。 CQRS への移⾏によって⽣ まれる柔軟性により、システムは時間の経過と共にさらに進化し、更新コマンドでドメインレベルのマージ競合が発⽣することを防ぐこと ができます。」 Elasticsearch はこのアーキテクチャに極めて整合性⾼い https://docs.microsoft.com/ja-jp/azure/architecture/patterns/cqrs
⽇本語のサジェスト機能を実装する際の課題と Elasticsearch を使⽤してこれらの課題を克服する⽅法 https://www.elastic.co/jp/blog/implementing-japanese-autocomplete-suggestions-in-elasticsearch … ⽇本語のサジェストの例 詳細な説明に⼊る前に、⽇本語のサジェスト機能の実装例を⾒ てみましょう。 主な要件 •ユーザーが検索キーワードを⼊⼒すると、関連する候 補が表⽰される。例︓「⽇本」と⼊⼒すると、「⽇本」、 「⽇本 地図」、「⽇本 ⼈⼝」などが提案される。 •不完全な検索キーワードを⼊⼒した場合でも、関連 する候補が表⽰される。例︓「にほｎ」と⼊⼒すると、 「⽇本」、「⽇本 地図」、「⽇本の⼈⼝」などが提案さ れる。 •タイプミスした場合でも、意味の通る候補が提案され る。例︓「にｈん」、「にっほん」、「⽇本ん」と⼊⼒すると、 「⽇本」、「⽇本 地図」、「⽇本の⼈⼝」などが表⽰さ れる。 •候補となる単語が、キーワードが検索された回数が多 い順に⼀覧表⽰される。 ...
無料かつオープンな アプリケーションパフォーマンス監視 https://www.elastic.co/jp/apm https://www.elastic.co/guide/en/apm/agent/rum-js/5.x/react-integration.html
データを収集、投⼊する
Logstash による Elasticsearch へのデータ⼀括挿⼊
保存、インデックス、分析 分散型かつ スケーラブル 開発者にとって 親しみやすい • 弾⼒性のある、スケールアウトを 考慮した設計 • スキーマレス • リアルタイム • ネイティブな JSON • 全⽂検索 • ⾼可⽤性、マルチテナンシー • クライアントライブラリ • 集計 • 構造化/⾮構造化データ対応 • Apache Lucene • 地理空間データ 検索と分析 • 多⾔語データ
可視化 → 気付き（洞察）を得る • 洞察の発⾒ カスタマイズと共有 データ内に存在するパターン の探索と分析: 任意のレベ ルへのドリルダウンが可能 • • Elasticsearch の強⼒ な 分析機能を活⽤ • 棒グラフ、折れ線グラフ や散 布図、マップ、ヒストグラムの 作成 ダッシュボードを共有し、 運⽤ワークフローに組み込み アプリ構築向け UX プラットフォーム • • 組込み可能なアーキテク チャ: ダッシュボードや可視化をアプリとして作成 • セッション管理、ユーザー ロール、 セキュリティ統合
Observability (可観測性) とは
ソフトウェアの開発⽅法とデリバリーは常に進化 CI / CD サーバレス コンテナ オーケストレーション マイクロ サービス クラウド
Kubernetes の課題 Dev Ops Infrastructure
Kubernetes の課題 Container Runtime
現状 ー 典型的なオブザーバビリティのツール群 運⽤: ログ監視 ログツール ウェブログ アプリログ データベース ログ コンテナログ 運⽤︓ インフラ監視 メトリック ツール コンテナ指標 ホスト指標 データベース指標 ネットワーク指標 ストレージ指標 開発チーム 運⽤︓ サービス監視 ビジネス チーム APM ツール アップタイム ツール ビジネスツール リアルユーザー監視 トランザクション パフォーマンス監視 分散トレーシング 可動性 応答時間 ビジネス KPI
Elastic のオブザーバビリティへのアプローチ 開発、運⽤、ビジネスチーム ログデータ 指標データ APM データ アップタイム データ ビジネス 全ての運⽤にまつわるデータを、 ⼀つの強⼒なデータストアに集約 - Elasticsearch データ
Elastic の Observability へのアプローチ ログ、指標、トレースを1つのチャートで⾒る
Elastic オブザーバビリティ 単⼀のオープンプラットフォームによる完全な可視性を ⼿頃な価格で提供し、 MTTR (データ・分析結果を得るまでの平均時間) をゼロに近づける
Dapr の Observability コンポーネント群と Elastic による Dapr Observability 実現
Dapr の Observability とは • Dapr API をすべてのサービス間コールと pub/sub メッセージングに使⽤することで、アプリケーションを意識した ⾃動観測が実現できる • Daprの Sidecar が設定ファイルに基づいてトレースを⾏うため、観測のための追加のコードは必要ない • Dapr は W3C trace context や OpenTelemetry のような標準に準拠 • Zipkin プロトコルを使⽤してトレースを出⼒。 これをサポートするあらゆるツールと統合可能 • OpenTelemetry Collector を使⽤して、他 のモニタリングツールと統合することもできる • W3C trace context との互換性により、 Dapr は trace context 管理に柔軟性を付 与。これにより、アプリケーションの外部で⽣成さ れた trace context を受け⼊れたり、送信処 理を追加することで trace context を外部に 伝播したりできる https://github.com/dapr #CNDT2020
Tracing exporters コンポーネント マイクロサービス全体で⼀貫したトレースを構成可能 W3Cトレースコンテキスト標準に準拠し、コンテキスト情報は Dapr が⾃動⽣成 異なるチームで作成され、異なる⾔語で作成されるサービス間でも⼀貫性が保たれる forwarding ・・・ Dapr Sidecar OpenCensus Kafka application #CNDT2020 https://github.com/dapr/docs/blob/master/concepts/observability/traces.md
Dapr の Observability Dapr Sidecar からサービスのメトリクス、ログ、トレースを収集 コントロールプレーンのサービス（Dapr Placement, etc.）は現状メトリクスとログのみを提供 代表的な構成例 Dashboard は テンプレートが 提供されている Metrics Tracing Application Dapr Sidecar Logging https://docs.microsoft.com/ja-jp/dotnet/architecture/dapr-for-net-developers/observability #CNDT2020
トレースのために Dapr を設定する • Dapr の設定では YAML 形式の設定ファイルにトレースのサンプルレート（Dapr は確率的サンプリングを使⽤） とトレース収集のためのエンドポイント URL を設定 apiVersion: dapr.io/v1alpha1 kind: Configuration metadata: name: myconfig namespace: default spec: tracing: samplingRate: "1" zipkin: endpointAddress: "http://..." • Dapr アプリケーションをデプロイすると、上記の設定が使⽤される • 例えば Kubernetes のデプロイでは、Dapr アノテーションの dapr.io/config がアプリケーションに関連付けられ る設定を定義 (Dapr アプリケーションの Kubernetes へのデプロイについての詳細はこちら) #CNDT2020
分散トレーシング、OpenTracing と Elastic APM -1 マイクロサービスの世界 • 多様なサービストポロジーの健全性とパフォーマンスに対する可視性は、 問題の根本原因を迅速に判断し、全体的な信頼性と効率性を向上 させるためにきわめて重要 • そのために役⽴つのが分散トレーシング #CNDT2020 • トレーシングは可観測性の3本の柱の1つに 過ぎない • 3本の柱とは、ロギング、メトリック、トレーシング • Elastic Stack は可観測性の3つの柱すべて に対応する統合プラットフォーム
分散トレーシング、OpenTracing と Elastic APM -2 Elastic APM での分散トレーシング • Elastic APM は、Elastic Stack 上に構築された アプリケーションパフォーマンス監視システム • Elastic APM は分散トレーシングをサポート • Zipkin や Jaeger など、他にも⼈気のあるオープンソーストレーサーがある • マイクロサービスの世界では、ポリグロット（多⾔語）プログラミングやポリグロットパーシステンスのような概念が普及しており、今後 は「ポリグロットトレーシング」がより⼀般的になっていく • 独⽴、分離といったマイクロサービスの性質により、異なるサービスの責任者は異なるトレーシングシステムを使⽤する可能性あり #CNDT2020
分散トレーシング、OpenTracing と Elastic APM -3 開発者にとっての課題 • さまざまなトレーシングシステムが利⽤できるため、開発者はまさに課題に直⾯ • 結局のところ、トレーサーはアプリケーションコード内に存在 • ⼀般的な課題には次のようなものがある︓ • どのトレーシングシステムを使うか︖ • トレーサーを変更したい場合はどうなるか︖ソースコード全体を変更したくはない • 異なるトレーサーを使⽤している可能性のある共有ライブラリについてはどうすればよいか︖ • サードパーティのサービスが異なるトレーサーを使⽤している場合はどうなるか︖ • 当然のことながら、これらの懸念事項に対処するには標準化が必要 • アーキテクチャ⾯から包括的に分散トレーシングについて検討し、 • そして、分散トレーシングの「最⾼の状態」を達成するために何が必要かについて理解する必 要がある #CNDT2020
分散トレーシング、OpenTracing と Elastic APM -4 分散トレーシングのアーキテクチャコンポーネント • 最新のソフトウェアシステムは、いくつかの⾼レベルのコンポーネントに分解される • それらは通常、異なる組織によって設計および開発され、次のような異なるランタイム環境で実⾏される。 • • • 独⾃のアプリケーションコードとサービス 共有されたライブラリとサービス 外部サービス • そのようなシステムを分散トレーシングで包括的かつ統合的に監視するためには、4つのアーキテクチャコンポーネントが必要 • 標準化された分散トレーシング API • トレーシングコンテキストの標準化された 定義と伝達 • トレーシングデータの標準化された定義 • 相互運⽤可能なトレーサー #CNDT2020 33 https://bit.ly/32uqZKc
分散トレーシング、OpenTracing と Elastic APM -5 OpenTracing の仕様 OpenTracing データモデル それらの全体像 現在の状態 1. OpenTracing APIはAPIの標準セットを提供する 2. トレーシングコンテキストの標準化された定義はまだない 3. トレーシングデータの標準化された定義はまだない 4. トレーサーはランタイム互換性がない Jaeger︓ uber-trace-id︓118c6c15301b9b3b3:56e66177e6e55a91:18c6c15301b9b3b3:1 Elastic APM︓ elastic-apm-traceparent:00-f109f092a7d869fb4615784bacefcfd7-5bf936f4fcde3af0-01 #CNDT2020
分散トレーシング、OpenTracing と Elastic APM -6 Elastic APM による現在の他のトレーサーとの連携⽅法 • さまざまなトレーシングシステムが利⽤できるため、開発者はまさに課題に直⾯ • 結局のところ、トレーサーはアプリケーションコード内に存在 • ⼀般的な課題には次のようなものがある︓ • • • • どのトレーシングシステムを使うか︖ トレーサーを変更したい場合はどうなるか︖ソースコード全体を変更したくはない 異なるトレーサーを使⽤している可能性のある共有ライブラリについてはどうすればよいか︖ サードパーティのサービスが異なるトレーサーを使⽤している場合はどうなるか︖ • 当然のことながら、これらの懸念事項に対処するには標準化が必要 • アーキテクチャ⾯から包括的に分散トレーシングについて検討し、 • そして、分散トレーシングの「最⾼の状態」を達成するために何が必要かについて理解する必 要がある #CNDT2020
分散トレーシング、OpenTracing と Elastic APM -7
Elastic APM による現在の他のトレーサーとの連携⽅法
1. Elasticsearch を他のトレーサー向けのスケーラブルなバックエンドデータストアとして使⽤
2. Elastic OpenTracing ブリッジ
2-1 Jaeger による最初の実装︓
2-2 Jaeger を Elastic OpenTracing ブリッジに置き換え︓
import io.opentracing.Scope;
import io.opentracing.Tracer;
import io.jaegertracing.Configuration;
import io.jaegertracing.internal.JaegerTracer;
...
private void sayHello(String helloTo) {
Configuration config = ...
Tracer tracer = config.getTracer();
try (Scope scope = tracer.buildSpan("sayhello").startActive(true)) {
scope.span().setTag("hello-to", helloTo);
}
...
}
import io.opentracing.Scope;
import io.opentracing.Tracer;
import co.elastic.apm.opentracing.ElasticApmTracer;
...
private void sayHello(String helloTo) {
Tracer tracer = new ElasticApmTracer();
try (Scope scope = tracer.buildSpan("sayhello").startActive(true)) {
scope.span().setTag("hello-to", helloTo);
}
...
}
• このシンプルな変更によって、その他のトレーシングコードを変更することなく、トレーシングデータを正常に Elastic APM に送信
• これこそが OpenTracing の⼒
#CNDT2020
分散トレーシング、OpenTracing と Elastic APM -8 Elastic APM リアルユーザー監視 • • • ユーザーがブラウザで何かをクリックした瞬間にトレース情報を得ることができる このトレース情報はパフォーマンスの側⾯からアプリケーションのリアルユーザーエクスペリエンスを表す Elastic APMリアルユーザー監視（RUM）はその情報を転送する⽅法(W3Cの標準化を待たず） #CNDT2020 • RUM JS Agent はフレームワークに依存しない • JavaScript ベースの任意のフロントエンドアプリケーション (React、Vue.js、Angular 等) で使⽤可能
Dapr の Observability Dapr Sidecar からサービスのメトリクス、ログ、トレースを収集 コントロールプレーンのサービス（Dapr Placement, etc.）は現状メトリクスとログのみを提供 完全に Elastic Observability で置換する Dashboard は テンプレートが提供 されている Metrics Tracing application Dapr Sidecar Logging https://docs.microsoft.com/ja-jp/dotnet/architecture/dapr-for-net-developers/observability #CNDT2020 33 33 https://bit.ly/32uqZKc
Elastic と Google Cloud を⽤いた オブザーバビリティ（可観測性） 参考アーキテクチャ Serverless App Engine Cloud Function Filebeat or Functionbeat Elastic Cloud Cloud Pub/Sub Others Operations Compute Engine Kubernetes Engine Filebeat Logstash Cloud Storage Filebeat or Functionbeat Custom Logs VPC Flow Logs
Elastic による検索、展開、管理が簡単 • Azure ポータル内での Elasticsearch の デプロイの表⽰と管理が可能 • ログの取り込みプロセスを⾃動化し、数回 のクリックで環境を迅速に監視可能 • 既に使⽤されている Microsoft Azure サービスに検索機能と可視化機能を簡単 に追加 • Azure コンソールと Elastic コンソール間 のシングルサインオン (SSO) による認証の 合理化 • 展開を管理するのではなくインサイトに集中
Azure にネイティブに統合 された Elastic Elastic Cloud 仕組み ● マイクロソフトはミドルウェアを使⽤して、マーケットプレースの オファーとクラウド API と統合された Azure の API を提供 ● Azure のお客様は、Elastic Cloud (アカウント、デプロイ) で必要なオブジェクトを作成するネイティブの Elasticsearch リソースを作成 ● Azure ユーザーは、⾃分の Azure アカウントを使⽤して、 Kibana とクラウド コンソールに SSO を使⽤できる ● 請求は、「従来の」マーケットプレイスと同様で、マーケットプ レイスサブスクリプションを介して発⽣ ● Choice & Simplicity
Azure にネイティブに統合 された Elastic Elastic Cloud 統合 ● サブスクリプションおよびリソース イベントの Azure プラット フォームログを簡単に収集するネイティブ統合 ● Elastic VM 拡張機能を使⽤して仮想マシンのログとメト リックを簡単に収集できるように統合 ○ お客様は VM 拡張機能を有効にする ○ Elastic は Agent と Beats を設定し、システムログ とメトリックのストリーミングを開始する ○ 顧客は Fleet 経由で Agent を管理できる ● Azure Private Link をサポート (クローズド ベータ) ● 更に追加予定︕︕ Choice & Simplicity
Elastic と Microsoft Azure を⽤いた オブザーバビリティ（可観測性） 参考アーキテクチャ Serverless App Service Azure Functions Azure DevOps Filebeat or Functionbeat Event Grid Others Azure Monitor Azure VM Kubernetes Service Filebeat Logstash Blob Storage Filebeat Or Functionbeat Custom Logs VM Flow Logs
eShop on Dapr アーキテクチャー https://docs.microsoft.com/ja-jp/dotnet/architecture/dapr-for-net-developers/reference-application
Twitter-Sentiment-Processor Azure Cognitive Services と連携してツイートの感情分析を⾏うデモ • ローカル開発 → クラウドサービス連携 → Kubernetes デプロイ、で実際の開発をイメージした段階的なデモ • Go, C#, Node.js のそれぞれで作成されたサービスが協調してアプリケーションを構成 #CNDT2020 https://www.youtube.com/watch?v=qejiWzy5etA https://github.com/dapr/samples/tree/master/twitter-sentiment-processor
まとめ
まとめ • • • • • Dapr アーキテクチャを理解するところから始めよう Observability に関しては OSS スタックと相互接続性が鍵 Elastic は Open Telemetry 経由、直接連携、いずれも可能 サンプルアプリケーションのデプロイを試してみよう 次回︖Demo メインで︕
リソース Community Call https://www.youtube.com/channel/UCtpSQ9BLB_3EXdWAUQYwnRA/ Gitter https://gitter.im/Dapr/community/ Microsoft Open Source Blog https://cloudblogs.microsoft.com/opensource/ #CNDT2020 50 https://bit.ly/32uqZKc
リソース 公式ドキュメント https://www.elastic.co/guide/index.html Elastic APM Agent https://www.elastic.co/guide/en/apm/agent/index.html 分散トレーシング、OpenTracing と Elastic APM https://www.elastic.co/jp/blog/distributed-tracing-opentracing-and-elastic-apm Elastic + Grafana Labsのパートナーシップに基づき、Grafana Elasticsearchオフィシャルプラグインが登場 https://www.elastic.co/jp/blog/elastic-and-grafana-labs-partner-on-the-official-grafana-elasticsearch-plugin サンプルソリューション GitHub レポジトリ https://github.com/michaelhyatt/k8s-o11y-workshop 関連ブログ https://www.elastic.co/jp/blog/kubernetes-observability-tutorial-k8s-cluster-setup-demo-app-deployment https://www.elastic.co/blog/kubernetes-observability-tutorial-k8s-log-monitoring-and-analysis-elastic-stack https://www.elastic.co/blog/kubernetes-observability-tutorial-k8s-metrics-collection-and-analysis https://www.elastic.co/blog/kubernetes-observability-tutorial-k8s-monitoring-application-performance-with-elastic-apm
- https://www.elastic.co/guide/index.html
- https://www.elastic.co/guide/en/apm/agent/index.html
- https://www.elastic.co/jp/blog/distributed-tracing-opentracing-and-elastic-apm
- https://www.elastic.co/jp/blog/elastic-and-grafana-labs-partner-on-the-official-grafana-elasticsearch-plugin
- https://github.com/michaelhyatt/k8s-o11y-workshop
- https://www.elastic.co/jp/blog/kubernetes-observability-tutorial-k8s-cluster-setup-demo-app-deployment
- https://www.elastic.co/blog/kubernetes-observability-tutorial-k8s-log-monitoring-and-analysis-elastic-stack
- https://www.elastic.co/blog/kubernetes-observability-tutorial-k8s-metrics-collection-and-analysis
- https://www.elastic.co/blog/kubernetes-observability-tutorial-k8s-monitoring-application-performance-with-elastic-apm
ElasticON Solution Series Japan (7⽉毎週) https://www.elastic.co/elasticon/solution-series/asia-pacific-jp
Elastic on Microsoft Azure: インテグレーション強化による価値の創出 https://www.elastic.co/jp/webinars/elastic-on-microsoft-azure-accelerate-time-to-value-with-enhanced-integration
Elastic 7.13 Update ダイジェスト版(6/24) 今回のWebinarの詳細は以下の通りです。 ========================== ===================== ■開催⽇時 6/24(⽊)19:30〜21:00 ■内容 登壇 1. ⽇本マイクロソフト 惣道 哲也さん 2. Elastic 鈴⽊章太郎さん 3. 募集中 ========================== ===================== 以上 https://www.meetup.com/ja-JP/Tokyo-Elastic-Fantastics/events/278466633/
アプリケーション開発 オンデマンド ウェビナー特集 • • • Elastic の Search API を Visual Studio Code でコーディングする (1) - (3) Elastic Cloud で Azure Kubernetes Serviecs の様々な Log/Metrics/APM を 可視化する ASP.NET Core 3.x Web アプリのログを Elastic Cloud で収集・分析してみよう︕ https://www.microsoft.com/ja-jp/events/top/apps-innovation-webinars.aspx
Thank you for your attention!