Je Graylog-monitoringscript belde — het wil met pensioen

Illustratie van het met AI vervangen van een Graylog-monitoringscript

🌐 Ook in: English · Deutsch · Français · Español · Italiano · Português · Polski

🔍 Soms begint een zijproject met een probleem van het werk, niet van het homelab. Dit keer was dat zo: ik ben op dit moment beroepsmatig Graylog aan het temmen als logmanagementplatform, en had er fatsoenlijke monitoring-check-plugins voor nodig — voor zowel Icinga2 als Zabbix. Iemand heeft dit vast al opgelost, toch? Toch?? 😅

Inhoud

📉 Het teleurstellende deel: zoeken op Google en GitHub

Mijn eerste zet was de voor de hand liggende — iemand vinden die dit al gebouwd had, want het wiel opnieuw uitvinden is voor sukkels. De resultaten waren, zacht gezegd, teleurstellend. Wat er bestond was óf extreem minimaal (één hardcoded check, nul thresholds, het monitoringequivalent van een rookmelder zonder batterij) óf echt stokoud — sommige repo’s hadden in tot wel tien jaar geen commit meer gezien. De REST API van Graylog is flink veranderd sinds de laatste keer dat deze plugins door mensenhanden zijn aangeraakt. Niet bepaald een monitoringfundament dat vertrouwen wekt. 🦕

💡 Het licht ontspoorde idee

Dus kreeg ik wat ik genereus een “glorieus idee” zal noemen: Claude Graylog, Icinga2 en Zabbix laten opzetten op mijn eigen server via Docker Compose, en dan gewoon... de check-plugins vanaf nul bouwen, alles live testend tegen een echte draaiende instantie in plaats van te copy-pasten uit een tien jaar oude blogpost en op het beste te hopen. 🐳

Ik vroeg ChatGPT om een lijst van de belangrijkste checks en metrics die het waard zijn om op Graylog te monitoren — journalgebruik, gezondheid van het indexercluster, statussen van inputs, throughput, gezondheid van nodes, dat soort dingen. Daarna was de eigenlijke opdracht voor Claude: de checks implementeren, de echte API-calls tegen een live instantie testen en de JSON-parsing corrigeren/valideren tegen wat Graylog werkelijk teruggeeft, niet tegen wat documentatie van drie major versies geleden volhoudt dat het teruggeeft.

🖥️ Het deel dat ik echt wil benadrukken: ik vroeg niet zomaar een AI-chatbot om wat Python in een tekstvak uit te spugen. Ik gaf Claude echte, praktische toegang tot mijn eigen homelab-infrastructuur — een servercluster op basis van Proxmox — en liet het zelf rijden. Het richtte zijn eigen wegwerp-VM in, installeerde Docker en zette een complete Graylog + Icinga2 + Zabbix-stack vanaf nul op, helemaal zelfstandig. En het ging door: het voerde zelf de echte API-calls uit tegen die live omgeving, merkte wanneer de antwoorden niet klopten met zijn aannames en paste zijn eigen code daarop aan — zonder dat ik het de fixes voorkauwde. Het debugde zichzelf in feite tegen de werkelijkheid in plaats van te gokken op basis van een handleiding. Dat is een wezenlijk andere smaak van "AI heeft me geholpen dit te coderen". 🤖🔧

🧠 Waar de getrainde kennis ophield

Claude had uit de training een redelijke hoeveelheid voorkennis over de REST API van Graylog meegekregen — namen van endpoints, de globale vorm van de dingen. Een deel daarvan hield prima stand. Een deel absoluut niet: een paar aangenomen JSON-veldnamen bestaan simpelweg niet meer, en het gedrag van minstens één endpoint (een statuscheck voor de load balancer die de toestand via de kale HTTP-statuscode doorgeeft in plaats van via een JSON-body, want waarom zou je het makkelijk maken) was vanaf dag één stilletjes fout. Gokken uit het geheugen brengt je blijkbaar maar tot zover tegen een API die drie jaar heeft gehad om af te drijven. 🎯

Wat het gat echt dichtte: ik gaf Claude een volledige OpenAPI-export, rechtstreeks getrokken uit mijn eigen Graylog-instantie. Daarmee kon het elk aangenomen endpoint en elke veldnaam controleren tegen de echte, actuele spec — en omdat ik het ook de live Docker-testomgeving liet bouwen, kon het nog een stap verder gaan en de calls daadwerkelijk uitvoeren in plaats van er alleen over te lezen als een soort API-toerist. Beide echte bugs die het zo vond, kwamen pas tijdens runtime boven, niet bij het lezen van documentatie. 🐛➡️✅

Bonusplotwending: halverwege merkte ik dat de hele testopstelling stilletjes tegen Graylog 6.1 had gedraaid, terwijl de OpenAPI-spec die ik had aangeleverd voor 7.1.3 was. Klassiek “het werkt op mijn (verkeerde) machine”-moment. Ik ving het halverwege de review op, liet de omgeving opnieuw bouwen met de juiste versie en liet Claude uit pure paranoia de hele testsuite van begin tot eind opnieuw draaien. Goed nieuws: beide gevonden bugs waren op beide versies identiek — niets versiespecifieks, gewoon de hele tijd al echt foute aannames. Toch beter om de mismatch op te biechten dan stilletjes te doen alsof hij nooit gebeurd is. 🙈

✅ Het resultaat

Hier kwamen twee aparte, echt native check-implementaties uit — niet de ene met ducttape om de andere heen geplakt en klaar. Icinga2 krijgt een klassieke plugin in Nagios-stijl (exitcodes, OK/WARNING/CRITICAL, perfdata, het hele pakket). Zabbix krijgt in plaats daarvan een eigen idiomatische versie, waarbij elke check een ruwe waarde rapporteert en de echte thresholds in Zabbix-triggers wonen — omdat Zabbix zo gevoed wil worden, niet omdat de native modus de luie optie was (dat was hij absoluut niet — vraag me ooit eens naar het parsen van Zabbix’ Low-Level Discovery-JSON-formaat). Beide zijn ook getest tegen een live draaiende Icinga2/Zabbix-instantie, niet alleen tegen Graylog in isolatie — inclusief het moment waarop een echte Zabbix-trigger keurig op commando naar de toestand “problem” sprong, wat voor een zaterdag een onredelijke hoeveelheid voldoening opleverde. 📡

Alles — plugins, installatie-instructies en volledige documentatie — is openbaar:

github.com/aptupgrademe/graylog-checks

Als je vastzit met het monitoren van Graylog met een tien jaar oud Nagios-script uit een willekeurige GitHub-repo, bespaart dit je hopelijk de archeologie. 🏺

Sommige teksten en afbeeldingen op deze site zijn met hulp van AI gemaakt of door AI gegenereerd. Details