Belajar Observability dengan LGTM Stack - Setting Up Development Environment - Local LGTM Stack

#Pendahuluan

Teori sudah cukup. Mulai episode ini, kalian akan membangun LGTM Stack lokal yang benar-benar berjalan — Grafana, Loki, Tempo, dan Mimir, ditambah OpenTelemetry Collector dan Grafana Alloy sebagai collector telemetry. Semua dijalankan lewat Docker Compose agar mudah diulang dan dihancurkan.

Episode ini adalah fondasi praktis untuk hampir semua episode berikutnya. Setelah selesai, kalian akan memiliki environment observability lengkap di localhost, terhubung sebagai data source di Grafana, dan mengirim telemetry pertama dari aplikasi sample. Pastikan Docker berjalan sebelum memulai.

#Docker Compose Setup

#Struktur Project

Buat direktori project dan file compose.yaml. Susunan komponen:

• grafana: UI utama di port 3000. loki: agregasi log di port 3100.
• tempo: backend trace di port 3200. mimir: backend metrik di port 9009.
• otel-collector: penerima OTLP di port 4317 dan 4318.
• alloy: collector log dari file dan container Docker.

mkdir -p lgtm-stack
cd lgtm-stack

Perintah cd lgtm-stack membawa kalian ke direktori kerja utama; semua file konfigurasi dibuat di sini.

#Menulis Compose File

services:
  grafana:
    image: grafana/grafana:latest
    ports:
      - "3000:3000"
    volumes:
      - grafana-data:/var/lib/grafana
  loki:
    image: grafana/loki:latest
    ports:
      - "3100:3100"
  tempo:
    image: grafana/tempo:latest
    ports:
      - "3200:3200"
      - "4317:4317"
  mimir:
    image: grafana/mimir:latest
    command: ["-config.file=/etc/mimir.yaml"]
    ports:
      - "9009:9009"
  otel-collector:
    image: otel/opentelemetry-collector-contrib:latest
    ports:
      - "4317:4317"
      - "4318:4318"
  alloy:
    image: grafana/alloy:latest
    volumes:
      - /var/run/docker.sock:/var/run/docker.sock
      - /var/lib/docker/containers:/var/lib/docker/containers
      - ./config.alloy:/etc/alloy/config.alloy
volumes:
  grafana-data:

Catatan penting: volumes: di bagian bawah mendefinisikan volume bernama untuk menyimpan data Grafana. Sementara Mimir butuh file konfigurasi, jadi siapkan mimir.yaml sederhana yang menyalakan mode single-binary.

#Basic Configuration

#Konfigurasi Mimir

target: all
multitenancy_enabled: false
blocks_storage:
  backend: filesystem
  filesystem:
    dir: /data/blocks

Konfigurasi di atas menonaktifkan multi-tenancy agar lokal lebih sederhana dan menyimpan blok data ke filesystem. Konsep target: all berarti satu proses menjalankan seluruh komponen Mimir sekaligus — kalian akan belajar memecahnya di episode 22.

#Menghubungkan Data Source di Grafana

Grafana menyediakan mekanisme provisioning agar data source tersedia otomatis:

apiVersion: 1
datasources:
  - name: Mimir
    type: prometheus
    url: http://mimir:9009/prometheus
    access: proxy
  - name: Loki
    type: loki
    url: http://loki:3100
    access: proxy
  - name: Tempo
    type: tempo
    url: http://tempo:3200
    access: proxy

Nama data source Mimir, Loki, dan Tempo dipakai sebagai referensi di episode berikutnya. Mimir diekspos sebagai type: prometheus karena kompatibel dengan Prometheus.

#First Stack Deployment

#Menjalankan dan Memverifikasi

Jalankan seluruh stack dan tunggu container sehat:

docker compose up -d
docker compose ps

Pastikan semua service dalam status Up. Lalu verifikasi kesehatan tiap backend lewat API:

curl -s http://localhost:3000/api/health
curl -s http://localhost:3100/ready
curl -s http://localhost:3200/ready
curl -s "http://localhost:9009/ready"

Jika curl -s http://localhost:3100/ready mengembalikan ready, Loki siap menerima log. Lakukan hal yang sama untuk tiga endpoint lain.

#Akses Grafana UI

Buka http://localhost:3000, login dengan admin / admin, lalu buka menu Connections → Data sources. Kalian akan melihat Mimir, Loki, dan Tempo sudah terdaftar. Jika belum, periksa kembali provisioning dan jalankan docker compose restart grafana.

#Sample Application dan Telemetry Pertama

Untuk mengirim telemetry pertama, buat aplikasi Python kecil yang mengekspor trace lewat OTLP ke Collector:

app.py - aplikasi sample

from opentelemetry import trace
from opentelemetry.sdk.resources import Resource
from opentelemetry.sdk.trace import TracerProvider
from opentelemetry.sdk.trace.export import BatchSpanProcessor
from opentelemetry.exporter.otlp.proto.grpc.trace_exporter import OTLPSpanExporter
 
provider = TracerProvider(resource=Resource.create({"service.name": "checkout"}))
provider.add_span_processor(BatchSpanProcessor(OTLPSpanExporter(endpoint="http://localhost:4317")))
trace.set_tracer_provider(provider)
 
tracer = trace.get_tracer("checkout")
with tracer.start_as_current_span("checkout.process"):
    pass

pip install opentelemetry-api opentelemetry-sdk opentelemetry-exporter-otlp-proto-grpc
python3 app.py

Jalankan aplikasi beberapa kali, lalu buka Grafana → Explore, pilih data source Tempo, dan kalian akan menemukan trace bernama checkout.process. Inilah telemetry pertama yang berhasil mengalir: aplikasi → OTLP → Collector → Tempo → Grafana.

#Penutup

Di episode 4 ini kalian berhasil membangun environment LGTM Stack lengkap di lokal: menjalankan enam container dengan Docker Compose, mengonfigurasi Mimir single-binary, menghubungkan data source Grafana lewat provisioning, memverifikasi kesehatan backend, dan mengirim trace pertama dari aplikasi sample.

Inti yang harus dibawa pulang:

• Docker Compose adalah cara tercepat menjalankan stack lokal.
• Antara container gunakan nama service, dari host gunakan localhost.
• Grafana provisioning membuat data source tersedia otomatis.
• Endpoint health Mimir, Loki, dan Tempo siap menerima cek.
• Alur telemetry pertama: aplikasi → OTLP → Collector → Tempo → Grafana.

Di episode 5 selanjutnya kita akan membahas Grafana fundamentals — arsitektur server dan plugin, navigasi UI, pembuatan dashboard dan panel pertama, variabel dan templating, hingga perbedaan query editor PromQL, LogQL, dan TraceQL. Environment kalian sudah hidup, jadi mari kita pelajari cara membacanya dengan benar.