Um aplicativo GKE relata erros frequentes de um componente; nenhum logging/monitoramento está habilitado e o problema não é reproduzível. Para diagnosticar com o mínimo de interrupção, o que você deve fazer?

A melhor abordagem é habilitar o Cloud Operations for GKE (anteriormente Stackdriver) diretamente no cluster existente. Isso permite coletar logs e métricas dos seus pods sem recriar o ambiente ou causar interrupções significativas. O painel de monitoramento do GKE, integrado ao Cloud Operations, facilitará a inspeção dos logs para diagnosticar o problema. Criar um novo cluster e migrar pods (opções 2 e 4) é uma solução mais complexa e disruptiva, que pode não ser necessária se o problema for intermitente e não reproduzível facilmente. Além disso, o Prometheus (opções 3 e 4) é uma ferramenta de monitoramento poderosa, mas o Cloud Operations for GKE já oferece recursos robustos de logging e monitoramento que são nativos e suficientes para a inspeção inicial de logs, conforme solicitado. Configurar alertas (opções 3 e 4) é útil para problemas contínuos, mas a prioridade inicial é diagnosticar a causa raiz através dos logs.