Loki & Log-Management

Kursinhalt

TAG 1

Architektur, Installation & Log-Erfassung mit Alloy

Loki-Architektur & Grundkonzepte Unterschied zu Elasticsearch, Label-basierter Index, Chunks & Object Storage, Komponenten (Distributor, Ingester, Querier, Compactor)

Installation & Deployment Loki per Docker und Helm, Monolithic- vs. Microservices-Mode, Konfigurationsdatei, Lab: eigene Instanz starten

Grafana Alloy – Einführung Alloy als Promtail-Nachfolger, Alloy-Konfigurationssprache, Komponenten-Modell (Sources, Processors, Exporters), Migration von Promtail

Log-Shipping-Pipelines mit Alloy Stages: JSON, logfmt, regex, Labels, Timestamp, Multiline – Lab: Anwendungslogs erfassen und strukturieren

LogQL – Grundlagen Log-Selektoren, Filter-Expressions (|=, |~, !=, |!), Parsing (JSON, logfmt, pattern, regexp), Line-Format

LogQL – Metriken aus Logs rate, count_over_time, bytes_over_time, quantile_over_time – Lab: Fehler-Rate berechnen und als Metrik visualisieren

TAG 2

Kubernetes, Grafana-Integration & Betrieb

Kubernetes-Logging mit Alloy DaemonSet-Deployment, Pod-Autodiscovery, Namespace- und Label-Strategien, Lab: vollständige Cluster-Log-Erfassung

OpenTelemetry-Integration Loki als OTLP-Backend, strukturierte Logs über OTel SDK, Trace-to-Log-Korrelation via TraceID, Lab: OTel-Logs in Loki

Integration in Grafana Loki als Datasource, Explore-Ansicht, Log-Panels, Derived Fields (Log-to-Trace-Links), Correlations, Alerting aus Log-Mustern

Alternative Clients Fluent Bit und Fluentd im Vergleich, Einsatzbereiche, Promtail als Legacy-Option – Vor- und Nachteile

Best Practices & Betrieb Label-Design, Cardinality vermeiden, Retention-Konfiguration, Komprimierung, Multi-Tenancy, Skalierung im Produktionsbetrieb

Praxisprojekt Vollständige Log-Pipeline: Kubernetes-Anwendung → Alloy → Loki → Grafana-Dashboard mit Alerting

Zielgruppe

DevOps-Teams, die Log-Management in ihre Observability-Plattform integrieren möchten
Alle, die Elasticsearch/ELK durch eine schlanke Lösung ersetzen wollen
Grafana-Nutzer, die Logs und Metrics in einem Tool vereinen möchten

Voraussetzungen

Linux/Terminal-Grundkenntnisse
Docker-Grundkenntnisse
Kubernetes-Grundkenntnisse (für Tag 2)
Grundkenntnisse in Grafana von Vorteil (nicht zwingend)