Erweitertes Monitoring von TypeScript-Anwendungen: Metriken und Alarme

Erweitertes Monitoring von TypeScript-Anwendungen: Metriken und Alarme

In der modernen Entwicklung geht Monitoring über die einfache Überprüfung "lebt der Server noch" hinaus. Für TypeScript-Anwendungen, die in komplexen verteilten Umgebungen laufen, ist ein erweitertes Observability-System erforderlich. Es reicht nicht aus, nur Fehler zu protokollieren – es müssen benutzerdefinierte Leistungsmetriken gesammelt, intelligente Alarme konfiguriert und Dashboards für prädiktive Analysen erstellt werden. In diesem Artikel betrachten wir, wie professionelles Monitoring von TypeScript-Anwendungen mit modernen Tools und Best Practices umgesetzt wird.

1. Erfassung benutzerdefinierter Leistungsmetriken

Basis-Metriken (CPU, Speicher) liefern oft kein vollständiges Bild. Für TypeScript-Anwendungen sind Geschäftsmetriken und Laufzeitmetriken von entscheidender Bedeutung. Betrachten wir die Einrichtung der Erfassung benutzerdefinierter Metriken mit der Bibliothek prom-client (Prometheus-Client für Node.js).

Arten benutzerdefinierter Metriken

\n
• Counter (Zähler) – zum Zählen von Ereignissen (Anfragen, Fehler).
\n
• Gauge (Messwert) – für Werte, die steigen und fallen können (Anzahl aktiver Verbindungen).
\n
• Histogram (Histogramm) – für die Verteilung von Werten (Antwortzeit).
\n
• Summary (Zusammenfassung) – für Quantile der Ausführungszeit.
\n

Beispiel: Registrierung benutzerdefinierter Metriken in TypeScript

import client from 'prom-client';\nimport express, { Request, Response } from 'express';\n\n// Erstellen eines Metrikregisters\nconst register = new client.Registry();\nclient.collectDefaultMetrics({ register });\n\n// Benutzerdefinierter Fehlerzähler\nconst errorCounter = new client.Counter({\n  name: 'app_errors_total',\n  help: 'Total number of application errors',\n  labelNames: ['type', 'code'],\n  registers: [register],\n});\n\n// Histogramm der Antwortzeit\nconst httpRequestDuration = new client.Histogram({\n  name: 'http_request_duration_seconds',\n  help: 'Duration of HTTP requests in seconds',\n  labelNames: ['method', 'route', 'status'],\n  buckets: [0.01, 0.05, 0.1, 0.5, 1, 2, 5],\n  registers: [register],\n});\n\n// Gauge aktiver Benutzer\nconst activeUsers = new client.Gauge({\n  name: 'active_users_count',\n  help: 'Number of currently active users',\n  labelNames: ['user_type'],\n  registers: [register],\n});\n\nconst app = express();\n\n// Middleware zum Messen der Anfragezeit\napp.use((req: Request, res: Response, next) => {\n  const end = httpRequestDuration.startTimer();\n  res.on('finish', () => {\n    end({ method: req.method, route: req.path, status: res.statusCode });\n  });\n  next();\n});\n\n// Endpunkt für Metriken\napp.get('/metrics', async (req: Request, res: Response) => {\n  res.set('Content-Type', register.contentType);\n  res.end(await register.metrics());\n});\n\n// Fehlersimulation\napp.get('/error', (req: Request, res: Response) => {\n  errorCounter.inc({ type: 'validation', code: '400' });\n  res.status(400).send('Bad Request');\n});\n\napp.listen(3000, () => console.log('Server on port 3000'));

2. Integration mit Prometheus und Grafana

Die gesammelten Metriken müssen exportiert und visualisiert werden. Prometheus fragt unseren Endpunkt /metrics ab, und Grafana zeigt die Daten auf Dashboards an.

Prometheus-Konfiguration für die TypeScript-Anwendung

# prometheus.yml\nglobal:\n  scrape_interval: 15s\nscrape_configs:\n  - job_name: 'typescript-app'\n    static_configs:\n      - targets: ['localhost:3000']\n    metrics_path: '/metrics'\n    # Hinzufügen von Umgebungs-Labels\n    relabel_configs:\n      - source_labels: [__address__]\n        target_label: instance\n        regex: '([^:]+):.*'\n        replacement: '${1}'

Erweiterte PromQL-Abfragen zur Analyse

\n
• rate(app_errors_total[5m]) – Fehlerrate in den letzten 5 Minuten.
\n
• histogram_quantile(0.95, rate(http_request_durati