Eignen Sie sich Kenntnisse über die grundlegenden Komponenten von PromQL an, die für den täglichen Gebrauch unerlässlich sind: rate(), sum by(), Label-Filter und Histogramm-Quantile – und vermeiden Sie dabei typische Fallstricke im Zusammenhang mit Zählern und Anzeigen. Anschließend wandeln Sie Abfragen in aussagekräftige Signale um, indem Sie ein übersichtliches Grafana-Dashboard mit drei Panels erstellen, das RPS, Fehlerquote und Latenz im 95. Perzentil anzeigt – alles ausgestattet mit entsprechenden Einheiten, Legenden und Variablen. Exportieren Sie das Dashboard als JSON und konfigurieren Sie eine rauschbewusste Warnmeldung (Fehlerrate > 5 % über 5 Minuten), um die Festlegung von Schwellenwerten in Bezug auf Zeitfenster zu üben. Der Schwerpunkt liegt auf einer praktischen Anordnung der Panels und der Erstellung von Abfragen, die sich klar erklären lassen.

Implementieren Sie die Demo-Anwendung mit einem OpenTelemetry (OTel) Software Development Kit (SDK), legen Sie aussagekräftige Ressourcenattribute fest und exportieren Sie Daten über das OpenTelemetry-Protokoll (OTLP) in eine Collector-Pipeline, die Sie konfigurieren werden (Empfänger → Prozessoren → Exporter). Sie visualisieren Traces mit Grafana/Tempo und lernen anhand von Beispielen, wie Sie von einem Dashboard mit „heißen“ Metriken direkt zu den zugehörigen Spans navigieren können. Während des gesamten Prozesses überprüfen Sie den Zustand der Pipeline, integrieren Attribute und Batching und üben die Ursachenanalyse bei induzierten Fehlern. Die Sitzung schließt mit den nächsten Schritten ab, darunter Label-Management, Service Level Objectives (SLOs) und Burn Rates sowie Aufbewahrungs- und Exportstrategien für Produktionsumgebungen.