Что такое Kibana?

Kibana — инструмент для анализа логов и мониторинга

Kibana — это визуализационная платформа и интерфейс для анализа данных, которые хранятся в Elasticsearch. Это неотъемлемый инструмент для QA при отладке проблем и анализе логов.

Что такое Elasticsearch и Kibana

Elasticsearch — это поисковая машина и база данных, которая хранит логи и структурированные данные.

Kibana — это визуализационный слой поверх Elasticsearch. Позволяет:

• Искать в логах
• Создавать графики и дашборды
• Анализировать тренды
• Делать аналитику в реальном времени

Зачем QA использует Kibana

1. Отладка ошибок Когда пользователь жалуется на ошибку:

1. Спрашиваю когда это произошло
2. Открываю Kibana
3. Ищу логи за это время
4. Вижу что точно произошло
5. Нахожу stack trace

Пример запроса:

error:true AND timestamp:[2024-03-25 10:00 TO 10:30]

Нахожу все ошибки за этот период.

2. Анализ проблем производительности Если API медленный:

1. Открываю Kibana
2. Смотрю response_time для этого API
3. Вижу когда время упало
4. Ищу что случилось в это время
5. Могу коррелировать с другими событиями

3. Корреляция событий Можу увидеть связь:

• Когда поднялась нагрузка
• Когда упала производительность
• Когда произошла ошибка

4. Тренды и паттерны Могу видеть:

• Количество ошибок по времени
• Пиковые нагрузки
• Изменения паттернов поведения

Основные компоненты

Discover

• Поиск в логах
• Фильтрация
• Просмотр деталей каждого лога

Visualize

• Создание графиков
• Таблицы, диаграммы, тепловые карты
• Метрики

Dashboard

• Коллекция графиков
• Общий вид системы
• Real-time мониторинг

Alerts

• Настройка уведомлений
• Если ошибок > 10 в минуту — отправить alert
• Автоматическое оповещение при проблемах

Примеры использования в тестировании

Пример 1: Найти баг при регистрации

Квери в Kibana:
error:true AND endpoint:"/api/signup" AND timestamp:[now-1h TO now]

Нахожу:

2024-03-25T10:15:30 POST /api/signup
Status: 500
Error: "Duplicate email"
User: "test@test.com"

Это подтверждает баг.

Пример 2: Анализ медленных запросов

квери:
endpoint:"/api/search" AND response_time > 1000

Вижу что эндпоинт иногда отвечает за 5 секунд вместо 200ms.

Пример 3: Мониторинг нагрузочного теста

Во время нагрузочного теста смотрю в Kibana:

• Количество запросов в секунду
• Процент ошибок
• Response time distribution
• CPU/Memory usage

Синтаксис поиска (KQL)

Простой поиск:

error:true

Комбинированный:

error:true AND user_id:123 AND timestamp:[2024-03-25 TO 2024-03-26]

Регулярные выражения:

status:5\d\d  (ищет все 5xx ошибки)

Отрицание:

NOT status:200  (ищет все НЕ 200)

Создание дашборда

Часто создаю дашбоард для спринта:

QA Metrics Dashboard

• График: Количество ошибок по дням
• График: Response time тренд
• Таблица: Топ 10 самых частых ошибок
• Метрика: Uptime %
• Метрика: Среднее response time

Все это обновляется в реальном времени.

Интеграция с командой

DevOps смотрит:

• Логи развертывания
• Ошибки инфраструктуры
• Использование ресурсов

Разработчики смотрят:

• Stack traces ошибок
• Логи приложения
• Database queries

QA смотрит:

• Logи ошибок
• Response times
• Error rates
• Patterns и trends

Advantages

• Real-time — видю ошибки сразу
• Powerful search — быстро найду что нужно
• Visualization — тренды видны сразу
• Scalable — может хранить миллиарды логов
• Open source — free (хотя есть платная версия)

Limitations

• Требует Elasticsearch — нужно его разворачивать
• Learning curve — синтаксис нужно изучить
• Storage — логи занимают много места
• Performance — на больших объемах может быть медленно

ELK Stack

Кибана часть ELK (Elasticsearch, Logstash, Kibana):

• Elasticsearch — хранит данные
• Logstash — обрабатывает и отправляет логи
• Kibana — визуализирует

Это стандарт для логирования в современных приложениях.

Для QA инженера

Кибана — критический инструмент для:

• Отладки сложных проблем
• Анализа ошибок в production
• Тестирования производительности
• Валидации требований к uptime

Хороший QA инженер должен уметь пользоваться Kibana для эффективной отладки и анализа проблем.