forked from Zagato27/LoadLens
-
Notifications
You must be signed in to change notification settings - Fork 0
Expand file tree
/
Copy pathsettings.example.py
More file actions
223 lines (217 loc) · 11.4 KB
/
settings.example.py
File metadata and controls
223 lines (217 loc) · 11.4 KB
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
# Пример конфигурации (обезличено). Скопируйте в settings.py и заполните свои значения.
# Поддерживаются рантайм‑оверрайды (settings_runtime.json), в т.ч. по проектным областям через блок per_area.
# Ключевые разделы:
# - llm — провайдер и параметры генерации
# - default_params — шаг выборки и ресемплирование
# - metrics_source — метрики тестируемой системы (SUT): Prometheus напрямую или через Grafana‑прокси
# - lt_metrics_source — метрики инструмента нагрузки (k6/JMeter): Prometheus/InfluxDB напрямую или через Grafana‑прокси
# - storage.timescale — параметры TimescaleDB (в т.ч. таблица engineer_reports)
# - queries — набор доменных запросов и подписей (PromQL/Flux/InfluxQL)
# - per_area (в settings_runtime.json) — переопределения разделов по областям (service)
CONFIG = {
'user': 'your_login',
'password': 'your_password',
'grafana_login': 'admin',
'grafana_pass': 'admin',
'url_basic': 'https://confluence.example.com',
'space_conf': 'SPACE',
'grafana_base_url': 'http://grafana:3000',
'loki_url': 'http://loki:3100/loki/api/v1/query_range',
"llm": {
# Включать ли markdown‑таблицы в контекст для LLM (увеличивает объём prompt)
"include_markdown_tables_in_context": False,
# Провайдер LLM: perplexity | openai | anthropic
"provider": "openai",
"perplexity": {
"api_base_url": "https://api.perplexity.ai",
"model": "sonar-reasoning-pro",
"api_key": "",
"disable_web_search": True,
"max_concurrent": 2,
"generation": {"temperature": 0.2, "top_p": 0.9, "max_tokens": 8000, "force_json_in_prompt": True},
"verify": False,
"proxies": {"https": "", "http": ""},
"connect_timeout_sec": 50,
"request_timeout_sec": 120
},
"openai": {
"api_base_url": "https://api.openai.com/v1",
"model": "gpt-4o-mini",
"api_key": "",
"max_concurrent": 2,
"generation": {"temperature": 0.2, "top_p": 0.9, "max_tokens": 16000, "force_json_in_prompt": True},
"verify": True,
"proxies": {"https": "", "http": ""},
"connect_timeout_sec": 10,
"request_timeout_sec": 120
},
"anthropic": {
"api_base_url": "https://api.anthropic.com",
"model": "claude-3-5-sonnet",
"api_key": "",
"max_concurrent": 2,
"generation": {"temperature": 0.2, "top_p": 0.9, "max_tokens": 120000, "force_json_in_prompt": True},
"verify": True,
"proxies": {"https": "", "http": ""},
"connect_timeout_sec": 10,
"request_timeout_sec": 120
}
},
# Параметры по умолчанию для построения рядов/агрегаций
"default_params": {
# step — шаг выборки (гранулярность измерений, напр. 1m)
"step": "1m",
# resample_interval — интервал ресемплинга (напр. 10T ≈ 10 минут)
"resample_interval": "10T"
},
"metrics_source": {
# Метрики тестируемой системы (SUT)
# Режим: "grafana_proxy" ИЛИ "prometheus"
# Для прямого доступа к Prometheus укажите: "type": "prometheus"
"type": "grafana_proxy",
# Прямой Prometheus (используется при type="prometheus")
"prometheus": {
"url": "http://prometheus:9090"
},
# Grafana Proxy (используется при type="grafana_proxy")
"grafana": {
"base_url": "http://grafana:3000",
"verify_ssl": False,
"auth": {"method": "basic", "username": "admin", "password": "admin", "token": ""},
"prometheus_datasource": {"id": None, "uid": "your-datasource-uid", "name": "Prometheus"}
}
},
"lt_metrics_source": {
# Источник метрик инструмента нагрузочного тестирования (lt_framework)
# Возможные значения: "prometheus" | "grafana_proxy" | "influxdb"
"type": "prometheus",
# Прямой Prometheus для lt_framework
"prometheus": {"url": "http://prometheus:9090"},
# Grafana‑прокси: можно использовать и Prometheus, и InfluxDB datasource
"grafana": {
"base_url": "http://grafana:3000",
"verify_ssl": False,
"auth": {"method": "basic", "username": "admin", "password": "admin", "token": ""},
"prometheus_datasource": {"id": None, "uid": "your-datasource-uid", "name": "Prometheus"},
# Если используете InfluxDB через Grafana: укажите uid/name соответствующего datasource
"influxdb_datasource": {"id": None, "uid": "your-influxdb-uid", "name": "InfluxDB-k6"}
},
# Прямой InfluxDB: поддерживаются Flux и InfluxQL
"influxdb": {
"url": "http://influxdb:8086",
"org": "your_org",
# bucket — для Flux запросов; database — для InfluxQL
"bucket": "your_bucket",
"database": "k6",
"token": "your_token"
}
},
"storage": {
"timescale": {
"host": "timescaledb",
"port": 5432,
"dbname": "loadtesting",
"user": "app_user",
"password": "app_password",
"sslmode": "prefer",
"schema": "public",
"table": "metrics",
"batch_size": 500,
"make_hypertable": True,
"ensure_extension": True,
"chunk_interval": "1 day",
"llm_table": "llm_reports",
# Отдельная таблица для «Итогов от инженера»
"engineer_table": "engineer_reports"
}
},
# Ниже примерная структура запросов — адаптируйте под свои метрики.
# Для Prometheus используйте promql_queries + label_keys_list.
# Для InfluxDB (Flux) используйте flux_queries + label_tag_keys_list. Плейсхолдеры: {bucket}, {start}, {end} (ISO8601 UTC).
# Для InfluxDB (InfluxQL) используйте influxql_queries + label_tag_keys_list. Плейсхолдеры: $timeFilter, $__interval, а также $Group/$Tag/$URL/$Measurement.
"queries": {
"jvm": {
"promql_queries": [
'sum(jvm_memory_used_bytes{area="heap", application!=""}) by (application, instance)',
'sum by (application, instance) (process_cpu_usage{application!=""})'
],
"label_keys_list": [["application", "instance"], ["application", "instance"]],
"labels": [
"JVM: Heap used (bytes) by (application, instance)",
"JVM: Process CPU usage by (application, instance)"
]
},
"database": {
"promql_queries": [
'sum by (pod) (rate(db_http_requests_total{job!~".*replica.*"}[1m]))'
],
"label_keys_list": [["pod"]],
"labels": ["DB: http requests (non-replica)"]
},
"kafka": {
"promql_queries": [
'sum by (topic, consumergroup) (kafka_consumergroup_lag{topic!~"__.+"})'
],
"label_keys_list": [["topic", "consumergroup"]],
"labels": ["Kafka: consumergroup lag by topic & group"]
},
"microservices": {
"promql_queries": [
'sum by (application) (rate(http_server_requests_seconds_count{}[1m]))'
],
"label_keys_list": [["application"]],
"labels": ["Microservices: request count rate (RPS)"]
},
"hard_resources": {
"promql_queries": [
'sum(rate(container_cpu_usage_seconds_total{image!=""}[5m])) by (node)'
],
"label_keys_list": [["node"]],
"labels": ["Nodes: CPU usage by node"]
},
"lt_framework": {
# LT Framework — метрики инструмента нагрузки (пример Prometheus):
"promql_queries": [
'sum by (scenario) (rate(lt_requests_total[1m]))',
'histogram_quantile(0.95, sum(rate(lt_http_req_duration_seconds_bucket[5m])) by (le, scenario))',
'sum by (scenario, status) (rate(lt_http_requests_total[1m]))'
],
"label_keys_list": [
["scenario"],
["scenario"],
["scenario", "status"]
],
"labels": [
"LT: Requests per second by scenario",
"LT: http_req_duration p95 by scenario",
"LT: http requests by scenario & status"
],
# Пример InfluxDB (Flux). Плейсхолдеры {bucket} {start} {end} будут подставлены автоматически.
"flux_queries": [
'from(bucket: "{bucket}") |> range(start: {start}, stop: {end}) |> filter(fn: (r) => r._measurement == "k6" and r._field == "http_reqs") |> aggregateWindow(every: 1m, fn: sum) |> keep(columns: ["_time","_value","scenario"])',
'from(bucket: "{bucket}") |> range(start: {start}, stop: {end}) |> filter(fn: (r) => r._measurement == "k6" and r._field == "http_req_duration") |> aggregateWindow(every: 1m, fn: mean) |> keep(columns: ["_time","_value","scenario"])'
],
"label_tag_keys_list": [
["scenario"],
["scenario"]
],
# Пример InfluxDB (InfluxQL) напрямую или через Grafana Proxy — допускаются шаблонные переменные Grafana.
"influxql_queries": [
'SELECT sum("value") FROM "http_reqs" WHERE ("group" =~ /^$Group$/ AND "name" =~ /^$Tag$/) AND $timeFilter GROUP BY time(1s), "group"::tag, "name"::tag fill(null)',
'SELECT sum("value") FROM "checks" WHERE ("group" =~ /^$Group$/) AND $timeFilter GROUP BY time(1s), "check", "group"::tag fill(none)',
'SELECT percentile("value", 95) FROM /^$Measurement$/ WHERE ("name" =~ /^$URL$/ AND "group" =~ /^$Group$/ AND "name" =~ /^$Tag$/) AND $timeFilter GROUP BY time($__interval), "group", "name"::tag fill(null)'
],
# Для influxql_queries укажите теги, которые попадут в подпись серии (по порядку):
"label_tag_keys_list": [
["group","name"],
["group","check"],
["group","name"]
],
"labels": [
"LT (InfluxQL): RPS by group & name",
"LT (InfluxQL): checks per second by group & check",
"LT (InfluxQL): http_req_duration p95 by group & name"
]
}
}
}