تبدأ حادثة، فيفتح المناوب ثلاث شاشات: قائمة الخدمات، ثم تطبيق Kubernetes، ثم السجلات. لكل شاشة نطاقها الزمني ومرشحاتها الخاصة، وتمر دقائق قبل تكوين رؤية شاملة. أما dashboard Dynatrace SaaS المبني جيدًا فيجمع هذه الإشارات في صفحة واحدة بمرشحات موحدة لكل البلاطات.
في منصة SaaS الحديثة تعيش لوحات المعلومات (dashboards) في تطبيق Dashboards وتستعلم Grail بلغة DQL. كل بلاطة (tile) استعلام مقروء يمكن إصداره وإعادة استخدامه في Notebook. وهذا مكسب حقيقي في MTTR: الاستعلام الذي خدم التشخيص يصبح البلاطة التي يطّلع عليها الفريق كله بعد ذلك.
هدف هذا الدرس فهم المفردات (البلاطات والمتغيرات والتصوّرات)، وإنشاء لوحة خطوة بخطوة، ثم إعادة بناء ثلاثة أمثلة كاملة موصوفة بلاطة بلاطة مع استعلام DQL لكل منها. المحتوى صالح لـ Dynatrace SaaS مع Grail. أما Dynatrace Managed فليس فيه تطبيق Dashboards ولا Grail: يحتفظ بلوحات المعلومات الكلاسيكية التي نعالجها في مقال منفصل.
مفردات dashboard Dynatrace SaaS
قبل النقر لنثبّت المصطلحات. فهي تتكرر في الواجهة وفي JSON اللوحة.
| العنصر | الدور | في JSON |
|---|---|---|
| بلاطة بيانات | تنفّذ استعلام DQL وتعرض النتيجة | "type": "data"، مع query وvisualization |
| بلاطة Markdown | نص وتعليمات المناوبة وروابط إلى أدلة التشغيل (runbooks) | "type": "markdown" |
| بلاطة كود | تجلب البيانات بدالة JavaScript | بلاطة من نوع code |
| متغيّر | مرشح مشترك (قائمة أو نص أو استعلام) يُشار إليه بـ $cle |
المصفوفة variables |
| تصوّر | منحنى أو أعمدة أو قيمة وحيدة أو جدول… | visualization وvisualizationSettings |
تقدم اللوحات أيضًا القطاعات (segments). توصي الوثائق باستخدام القطاعات للمرشحات المعاد استخدامها بين عدة لوحات، وبالمتغيرات عندما تحتاج إلى تحكم دقيق في عامل المرشح أو في تسلسل مرشحات مترابطة.
إن كنت مبتدئًا في DQL فابدأ بالأساسيات الواردة في وحدة Notebooks وDashboards في دورة SaaS، ثم أبقِ في متناولك مجموعتنا من استعلامات DQL للتشغيل.
المتطلبات
- بيئة Dynatrace SaaS مع Grail وتطبيق Dashboards.
- صلاحيات القراءة على البيانات المستعلَمة (المقاييس والسجلات) في Grail: تحقق من سياسات IAM لمجموعتك.
- بيانات موجودة: خدمات مجهَّزة (OneAgent أو OpenTelemetry)، وعنقود Kubernetes مراقَب، وسجلات مستوعَبة.
- للتهيئة الآلية: عميل OAuth بالصلاحيات
document:documents:readوdocument:documents:writeوdocument:documents:deleteوdocument:trash.documents:delete(Terraform)، أو Monaco.
إنشاء اللوحة في خمس خطوات
- افتح Dashboards، ثم أنشئ لوحة جديدة وامنحها اسمًا واضحًا («صحة الخدمات – prod»).
- أضف بلاطة بيانات (الاختصار Shift + D)، والصق استعلام DQL ونفّذه (Ctrl/Cmd + Enter).
- اختر التصوّر من اللوحة الجانبية واضبط الوحدات والعتبات ومفتاح الرسم.
- أضف المتغيرات: مفتاحها مسبوق بـ
$يُستخدم بعد ذلك في الاستعلامات والعناوين. ولا يجوز أن يبدأ المفتاح بـdt_. - أضف بلاطة Markdown (Shift + M) فيها رابط دليل التشغيل ومالك اللوحة.
المثال 1: صحة الخدمات (الطلبات والأخطاء وزمن الاستجابة p95)
تجيب هذه اللوحة عن سؤال «هل تحقق خدماتي هدف SLO؟». وتعتمد على مقاييس الخدمة في Grail: dt.service.request.count (مع البعد المنطقي failed) وdt.service.request.response_time.
البلاطة 1 – إجمالي الطلبات (قيمة وحيدة مع sparkline مفعّل):
timeseries sparkline = sum(dt.service.request.count),
value = sum(dt.service.request.count, scalar: true)
البلاطة 2 – معدل الفشل لكل خدمة (منحنى، وعتبة بصرية عند هدف الأخطاء لديك):
timeseries {
failed = sum(dt.service.request.count, default: 0.0, filter: failed == true),
total = sum(dt.service.request.count)
}, by: {dt.entity.service}, union: true
| fieldsAdd failure_rate = (failed[] / total[]) * 100
| fieldsAdd service = entityName(dt.entity.service)
| fieldsRemove failed, total
الأسطر الحرجة: يمنع default: 0.0 الفجوات عندما لا يكون للخدمة أي فشل، ويقسم العامل [] السلسلتين نقطة بنقطة.
البلاطة 3 – زمن الاستجابة p95 لكل خدمة (منحنى):
timeseries p95 = percentile(dt.service.request.response_time, 95),
by: {dt.entity.service}
| fieldsAdd service = entityName(dt.entity.service)
البلاطة 4 – أبطأ 10 خدمات (جدول):
timeseries p95 = percentile(dt.service.request.response_time, 95),
by: {dt.entity.service}
| fieldsAdd service = entityName(dt.entity.service), p95_moyen = arrayAvg(p95)
| sort p95_moyen, direction: "descending"
| limit 10
تحقق من وحدة زمن الاستجابة في لوحة البلاطة قبل تحديد العتبات. ولتحويل هذه المؤشرات إلى أهداف تتابعها الإدارة، اتبع نهج لوحة معلومات SLO للإدارة.
المثال 2: بنية Kubernetes التحتية مع المتغيّر $namespace
أنشئ أولًا متغيّرًا من نوع استعلام، مفتاحه namespace، مع تفعيل الاختيار المتعدد:
smartscapeNodes "K8S_NAMESPACE"
| fields name
| sort name asc
يُستخدم المتغيّر متعدد الاختيار مع in() وarray()، كما في كل البلاطات أدناه.
البلاطة 1 – CPU لكل namespace (منحنى مكدّس أو مساحات):
timeseries cpu = sum(dt.kubernetes.container.cpu_usage),
by: {k8s.namespace.name}
| filter in(k8s.namespace.name, array($namespace))
البلاطة 2 – الذاكرة (working set) لكل namespace (منحنى):
timeseries memoire = sum(dt.kubernetes.container.memory_working_set),
by: {k8s.namespace.name}
| filter in(k8s.namespace.name, array($namespace))
البلاطة 3 – أحمال العمل (workloads) التي أعادت حاوياتها التشغيل (جدول):
timeseries restarts = sum(dt.kubernetes.container.restarts),
by: {k8s.namespace.name, k8s.workload.name}
| filter in(k8s.namespace.name, array($namespace))
| fieldsAdd total = arraySum(restarts)
| filter total > 0
| sort total, direction: "descending"
| limit 20
إذا لم يظهر البعد k8s.workload.name في عنقودك فاجمع حسب k8s.namespace.name وحده وراجع الأبعاد المتاحة في متصفح المقاييس.
البلاطة 4 – الـ pods لكل مرحلة (أعمدة مكدّسة):
timeseries pods = sum(dt.kubernetes.pods, rollup: avg),
by: {k8s.namespace.name, pod_phase}
| filter in(k8s.namespace.name, array($namespace))
ارتفاع عدد الـ pods في مرحلة Pending أو Failed بجانب ازدياد إعادات التشغيل يشير غالبًا إلى حدود ذاكرة منخفضة جدًا (OOM kills).
المثال 3: السجلات (الحجم لكل مستوى وأكثر الأخطاء تكرارًا)
متغيّر من نوع استعلام، مفتاحه loglevel، باختيار متعدد:
fetch logs, from: now() - 2h
| summarize count(), by: {loglevel}
| sort `count()`, direction: "descending"
| fields loglevel
البلاطة 1 – حجم السجلات لكل مستوى عبر الزمن (أعمدة مكدّسة):
fetch logs
| filter in(loglevel, array($loglevel))
| makeTimeseries count(), by: {loglevel}
البلاطة 2 – التوزيع حسب المستوى (أعمدة فئوية):
fetch logs
| summarize count(), by: {loglevel}
البلاطة 3 – عدد الأخطاء (قيمة وحيدة):
fetch logs
| summarize erreurs = countIf(loglevel == "ERROR")
البلاطة 4 – أكثر 10 رسائل خطأ تكرارًا (جدول):
fetch logs
| filter loglevel == "ERROR"
| summarize occurrences = count(), by: {host.name, content}
| sort occurrences, direction: "descending"
| limit 10
غالبًا ما تحوي الرسائل معرّفات متغيرة تفتّت التجميع. استخرج الجزء الثابت بـ parse كما شرحنا في مقالنا عن DQL المتقدم: lookup وjoin وparse. وعند الأحجام الكبيرة أضف حدًا للقراءة (scanLimitGBytes) للتحكم في كلفة الاستعلامات.
المشاركة والتصدير والاستيراد عبر JSON
يشارك مالك اللوحة لوحته بثلاث طرق: وصول للقراءة للجميع، أو قائمة مستخدمين ومجموعات، أو روابط مشاركة. وتوجد أيضًا مشاركة خارجية برابط مجهول، مع تاريخ انتهاء وقائمة عناوين IP مسموحة.
تقدم قائمة اللوحة الأمر Download الذي يكتب تعريف JSON في ملف؛ وتقدم اللوحة الجانبية Dashboards الأمر Upload لاستيراده. مقتطف من بلاطة ومتغيّر في هذا JSON:
{
"variables": [
{
"version": 2,
"key": "namespace",
"type": "query",
"visible": true,
"editable": true,
"input": "smartscapeNodes \"K8S_NAMESPACE\" | fields name | sort name asc",
"multiple": true
}
],
"tiles": {
"0": {
"type": "data",
"title": "CPU par namespace",
"query": "timeseries cpu = sum(dt.kubernetes.container.cpu_usage), by: {k8s.namespace.name} | filter in(k8s.namespace.name, array($namespace))",
"visualization": "lineChart",
"visualizationSettings": {},
"querySettings": {}
}
}
}
لا تعد كتابة الملف كله يدويًا: ابنِ اللوحة في الواجهة، ثم نزّلها، ثم أدِر إصدارات ملف JSON الناتج.
التهيئة الآلية باستخدام Terraform أو Monaco
يوفّر مزوّد Terraform الخاص بـ Dynatrace المورد dynatrace_document، وهو مخصص لـ SaaS، ويدير اللوحات وNotebooks وlaunchpads. ويصادق عبر المتغيرات DT_CLIENT_ID وDT_CLIENT_SECRET وDT_ACCOUNT_ID لعميل OAuth:
resource "dynatrace_document" "k8s" {
type = "dashboard"
name = "Kubernetes - prod"
labels = ["kubernetes", "prod"]
content = file("${path.module}/dashboards/k8s.json")
}
مع Monaco يقبل نوع الإعداد document القيمة kind: dashboard:
configs:
- id: k8s-dashboard
type:
document:
kind: dashboard
private: false
config:
name: Kubernetes - prod
template: k8s.json
اختر أداة واحدة لكل لوحة: خطّا نشر يكتبان المستند نفسه ينتهيان دائمًا بأن يمحو أحدهما عمل الآخر.
كيف تتحقق من أن النتيجة صحيحة
- تعرض كل بلاطة بيانات على النطاق «آخر ساعتين»؛ والبلاطة الفارغة تدل على مقياس غائب أو مرشح صارم جدًا.
- غيّر قيمة
$namespace: يجب أن تُعاد حسابات كل بلاطات Kubernetes. وإذا لم تتحرك بلاطة فاستعلامها لا يشير إلى المتغيّر. - الصق كل استعلام في Notebook لقراءة النتيجة الخام وحقولها.
- بعد
terraform applyأو نشر Monaco، افتح اللوحة في التطبيق وقارنها بملف JSON المُصدَّر.
أفضل الممارسات
- لوحة واحدة لسؤال واحد: صحة الخدمات أو سعة Kubernetes أو ضجيج السجلات، لا الثلاثة مخلوطة.
- في الأعلى المؤشرات المرتبطة بـ SLO، وتحتها بلاطات التشخيص.
- متغيرات بدل النسخ: لوحة واحدة مرشَّحة حسب namespace أفضل من عشر لوحات مكررة.
- بلاطة Markdown فيها المالك ودليل التشغيل وتاريخ المراجعة: اللوحة بلا مالك تتحول إلى عمل متكرر مرهق (toil).
- قيّد استعلامات السجلات المكلفة (مرشحات مبكرة،
limit، نطاق زمني معقول).
الأسئلة الشائعة
هل يمكنني ترحيل لوحاتي القديمة إلى تطبيق Dashboards؟
اللوحات الكلاسيكية لا تستخدم DQL. تصف وثائق Dynatrace أدوات ومكافئات للمقاييس لأجل الترحيل؛ وعمليًا، كثيرًا ما تكون إعادة كتابة البلاطات المهمة بـ DQL فرصة لتبسيطها.
لماذا يعرض المتغيّر خيارًا فارغًا بعد النسخ؟
في المتغيّر متعدد الاختيار، لا تُكتب القيمة الافتراضية «تحديد الكل» بنجمة حرفية في JSON. اختر القيمة في الواجهة ثم نزّل ملف JSON بدل كتابته يدويًا.
هل يعمل هذا الدرس على Dynatrace Managed؟
لا. Grail وDQL وتطبيق Dashboards خاصة بمنصة SaaS. وفي Managed تعتمد اللوحات الكلاسيكية على محددات المقاييس (metric selectors) وواجهة API لإعداد اللوحات.
الخلاصة
يتألف dashboard Dynatrace SaaS الفعّال من بضع بلاطات DQL واضحة، مرشَّحة بمتغيرات مشتركة، ومُدارة الإصدارات كأنها كود. انطلق من الأمثلة الثلاثة، وعدّل العتبات لتوافق أهداف SLO لديك، ثم هيّئ النتيجة آليًا بـ Terraform أو Monaco. ولمزيد من التفاصيل راجع الوثائق الرسمية لـ Dashboards.
span.observer مدوّنة مجتمعية مستقلة وغير تابعة لشركة Dynatrace LLC. Dynatrace علامة تجارية لشركة Dynatrace LLC. الأمثلة للاستئناس فقط: تحقق منها في بيئتك قبل استخدامها في الإنتاج.