Información general

Weaviate es una base de datos vectorial de código abierto nativa de IA que ayuda a crear aplicaciones potenciadas por IA. Con la integración de Weaviate de Datadog, puedes:

• Monitoriza las estadísticas de uso (como la duración de las operaciones de inserción, eliminación y mantenimiento) para identificar posibles problemas de almacenamiento, cuellos de botella y evaluar el impacto de las modificaciones de datos en la capacidad de respuesta del sistema.
• Realiza un seguimiento de la latencia de las consultas, la velocidad y las solicitudes de lectura/escritura concurrentes para obtener información sobre la capacidad de respuesta general de la base de datos vectorial y las capacidades de gestión de la carga.
• Optimiza las cargas de trabajo de escritura intensiva con estadísticas de objetos, como el tiempo medio que tardan las operaciones “put” (escritura).
• Garantiza una ingesta de datos fluida y eficaz con métricas relacionadas con la importación que ofrecen información sobre operaciones como el proceso de carga de datos.

Este check monitoriza Weaviate a través del Datadog Agent. Para más información, consulta Monitorización de Weaviate. Para saber más sobre el conjunto de integraciones de IA de Datadog, consulta este blog.

Configuración

Sigue las instrucciones a continuación para instalar y configurar este check para un Agent que se ejecuta en un host. Para entornos en contenedores, consulta las plantillas de integración de Autodiscovery para obtener orientación sobre la aplicación de estas instrucciones.

Instalación

A partir de la versión 7.47.0 del Agent, el check de Weaviate se incluye en el paquete del Datadog Agent .

Nota: Este check requiere el Agent v7.47.0 o posterior.

Configuración

Weaviate puede configurarse para exponer métricas con formato Prometheus. El Datadog Agent puede recopilar estas métricas utilizando la integración descrita a continuación. Sigue las instrucciones para configurar la recopilación de datos para tus instancias de Weaviate. Para las configuraciones requeridas para exponer las métricas de Prometheus, ve la página Monitorización de la documentación de Weaviate.

Además, se puede recopilar un pequeño subconjunto de métricas comunicándose con diferentes endpoints de la API. En concreto:

• /v1/meta: información sobre la versión
• /v1/nodes: métricas específicas del nodo como objetos y fragmentos
• /v1/.well-known/live: tiempo de respuesta HTTP y actividad del servicio

Nota: Este check utiliza OpenMetrics para la recopilación de métricas, que requiere Python 3.

Contenedores

Recopilación de métricas

Asegúrate de que las métricas con formato Prometheus estén expuestas en tu clúster de Weaviate. Puedes configurar y personalizarlas siguiendo las instrucciones de la página Monitorización de la documentación de Weaviate. Para que el Agent comience a recopilar métricas, los pods de Weaviate deben estar anotados. Para más información sobre anotaciones, consulta la guía plantillas de integración de Autodiscovery. Puedes encontrar opciones adicionales de configuración revisando el weaviate.d/conf.yaml de ejemplo

Nota: Las métricas mencionadas solo pueden recopilarse si están disponibles. Algunas métricas solo se generan cuando se realizan determinadas acciones. Por ejemplo, la métrica de eliminación de objetos solo se expone cuando se elimina un objeto.

Los dos parámetros más importantes para configurar el check de Weaviate son los siguientes:

• openmetrics_endpoint: este parámetro debe establecerse en la localización en la que las métricas con formato Prometheus están expuestas. El puerto por defecto es 2112, pero puede configurarse utilizando la variable de entorno PROMETHEUS_MONITORING_PORT. En entornos en contenedores, %%host%% debe ser utilizado para la autodetección de hosts.
• weaviate_api_endpoint: este parámetro es opcional. Por defecto, este parámetro se establece en <hostname>:8080 y especifica la configuración de la API de RESTful.

Si se requiere autenticación para los endpoints de la API de RESTful, el check puede configurarse para proporcionar una clave de API como parte del encabezado de solicitud.

apiVersion: v1
kind: Pod
# (...)
metadata:
  name: '<POD_NAME>'
  annotations:
    ad.datadoghq.com/weaviate.checks: |
      {
        "weaviate": {
          "init_config": {},
          "instances": [
            {
              "openmetrics_endpoint": "http://%%host%%:2112/metrics",
              "weaviate_api_endpoint": "http://%%host%%:8080",
              "headers": {'Authorization': 'Bearer if_needed_for_auth'}
            }
          ]
        }
      }
    # (...)
spec:
  containers:
    - name: 'weaviate'
# (...)

Nota: Puedes establecer estas anotaciones directamente en tu Helm chart de Weaviate usando la clave annotations.

Validación

Ejecuta el subcomando de estado del Agent y busca weaviate en la sección Checks.

Datos recopilados

Métricas

Eventos

La integración de Weaviate no incluye ningún evento.

Checks de servicio

weaviate.openmetrics.health

Returns CRITICAL if the Agent is unable to connect to the Weaviate OpenMetrics endpoint, otherwise returns OK.

Statuses: ok, critical

weaviate.node.status

Returns CRITICAL if the node is UNAVAILABLE, WARNING if UNHEALTHY and OK if HEALTHY.

Statuses: ok, warning, critical

weaviate.liveness.status

Returns OK if liveness endpoint returns a 200 response, otherwise returns CRITICAL.

Statuses: ok, critical

Solucionar problemas

¿Necesitas ayuda? Contacta con el equipo de asistencia de Datadog.

Referencias adicionales

Más enlaces, artículos y documentación útiles:

• Integration roundup: Monitoring your AI stack