练习：配置 Alloy 处理微服务数据

今天我们要动手配置 Alloy 处理微服务数据，包括接收 OTLP 数据、处理数据、导出到 Grafana Stack。通过实践，我们可以巩固前面学习的知识。

练习目标

今天的练习目标是什么？

第一个目标：配置 OTLP Receiver。 接收 gRPC 和 HTTP 数据，配置端口和端点。这是数据入口。

第二个目标：配置数据处理 Pipeline。 Metrics Pipeline、Traces Pipeline、Logs Pipeline。每个 Pipeline 包含 Processor（批处理）和 Exporter。

第三个目标：配置导出到 Grafana Stack。 导出到 Prometheus（指标）、导出到 Loki（日志）、导出到 Tempo（追踪）。

第四个目标：验证配置。 检查配置文件语法，测试数据流，验证数据导出。

练习架构： 微服务（OTLP）→ Alloy（OTLP Receiver）→ Metrics Pipeline / Traces Pipeline / Logs Pipeline → Prometheus / Tempo / Loki。

配置步骤

第一步：创建配置文件。 在终端创建配置文件目录和文件，然后在 IDE 中打开。我们使用

microservices.river

第二步：配置 OTLP Receiver。 在 IDE 中输入 Receiver 配置代码，配置 gRPC 端点（0.0.0.0:4317）和 HTTP 端点（0.0.0.0:4318），然后保存文件。

第三步：配置 Pipelines。 逐步添加 Metrics Pipeline（Processor + Exporter），Traces Pipeline（Processor + Exporter），Logs Pipeline（Processor + Exporter），每次添加后保存并验证。

第四步：配置 Exporters。 添加 Prometheus Remote Write 配置，添加 Loki Write 配置，添加 Tempo Write 配置，然后连接 Exporters 到对应的 Exporter 组件。

第五步：测试配置。 在终端运行

alloy run --dry-run config/alloy/microservices.river

完整配置示例

配置包括：

• 日志配置： 配置 Alloy 的日志级别（info）和格式（logfmt）。这是可选的，但建议配置。
• OTLP Receiver： 配置接收 gRPC（4317）和 HTTP（4318）数据，输出到三个 Processor。这是数据入口。
• Metrics Pipeline： 批处理 Metrics，导出到 Prometheus。包括 batch processor 和 prometheus exporter。
• Traces Pipeline： 批处理 Traces，导出到 Tempo。包括 batch processor 和 tempo exporter。
• Logs Pipeline： 批处理 Logs，导出到 Loki。包括 batch processor 和 loki exporter。
• Remote Write 配置： 配置 Prometheus、Loki、Tempo 的写入端点。这些是数据出口。

注意组件之间的连接关系，每个 Processor 的 output 指向 Exporter 的 input，每个 Exporter 的 forward_to 指向 Remote Write 的 receiver。

验证和测试

验证步骤：

第一步：检查配置语法。 在终端运行

alloy run --dry-run config/alloy/microservices.river

第二步：启动 Alloy。 在终端运行

alloy run config/alloy/microservices.river

sudo systemctl start alloy

第三步：检查服务状态。 检查端口是否监听（4317 gRPC、4318 HTTP），检查 Alloy 进程是否运行。

第四步：发送测试数据。 使用 otel-cli 发送测试追踪，或者使用 curl 发送 HTTP 请求。

第五步：验证数据导出。 打开浏览器，访问 Grafana，进入 Explore，分别查询 Prometheus、Tempo、Loki 的数据，或者在终端使用 curl 验证。

练习总结

我们完成了什么？

• ✅ 配置了 OTLP Receiver。 接收 gRPC 和 HTTP 数据。
• ✅ 配置了 Metrics、Traces、Logs Pipeline。 处理不同类型的数据。
• ✅ 配置了导出到 Prometheus、Loki、Tempo。 数据导出到 Grafana Stack。
• ✅ 验证了配置和数据流。 确保一切正常运行。

关键收获：

1. 掌握了 Alloy 配置方法。 学会了如何配置 Alloy。
2. 理解了 Pipeline 配置。 理解了数据流的配置。
3. 学会了如何导出到 Grafana Stack。 学会了如何导出数据。
4. 掌握了配置验证方法。 学会了如何验证配置。

下一步： 继续学习 Grafana Tempo 分布式追踪，学习如何查询和分析追踪数据。

本节小结

在本节中，我们完成了配置 Alloy 处理微服务数据的练习：

第一个是 OTLP Receiver。 接收 gRPC 和 HTTP 数据。

第二个是 Pipelines。 Metrics、Traces、Logs Pipeline。

第三个是 Exporters。 导出到 Prometheus、Loki、Tempo。

第四个是验证配置。 使用 --dry-run 测试配置。

练习总结： 练习目标 → 配置 OTLP Receiver → 配置 Pipelines → 配置 Exporters → 验证配置 → 完成练习。

这就是练习：配置 Alloy 处理微服务数据。通过实践，我们巩固了前面学习的知识。

恭喜你！ 你已经完成了第 7 章的学习。我们学习了 Alloy 简介、安装、配置基础、接收 OpenTelemetry 信号、数据处理和路由、导出到 Grafana Stack、高级配置，以及实战练习。

在下一章，我们将学习 Grafana Tempo 分布式追踪。学习如何查询和分析追踪数据。