Seu script de monitoramento do Graylog ligou — ele quer se aposentar

Ilustração da substituição de um script de monitoramento do Graylog com ajuda de IA

🌐 Também em: English · Deutsch · Français · Español · Italiano · Nederlands · Polski

🔍 Às vezes um projeto paralelo começa com um problema do trabalho, não do homelab. Este começou assim: no momento estou domando o Graylog como plataforma de gerenciamento de logs profissionalmente, e precisava de check plugins de monitoramento decentes para ele — tanto para Icinga2 quanto para Zabbix. Com certeza alguém já resolveu isso, né? Né?? 😅

Índice

📉 A parte decepcionante: procurando no Google e no GitHub

Meu primeiro passo foi o óbvio — encontrar alguém que já tivesse construído isso, porque reinventar a roda é coisa de otário. Os resultados foram, para ser gentil, decepcionantes. O que existia era ou extremamente minimalista (um check hardcoded, zero thresholds, o equivalente em monitoramento a um detector de fumaça sem bateria) ou genuinamente antigo — alguns repositórios não viam um commit havia até dez anos. A REST API do Graylog mudou bastante desde a última vez que esses plugins foram tocados por mãos humanas. Não é exatamente uma base de monitoramento que inspire confiança. 🦕

💡 A ideia levemente desvairada

Então tive o que vou generosamente chamar de “ideia gloriosa”: fazer o Claude subir Graylog, Icinga2 e Zabbix no meu próprio servidor via Docker Compose e simplesmente... construir os check plugins do zero, testando tudo ao vivo contra uma instância real rodando, em vez de copiar e colar de um post de blog de dez anos atrás e torcer pelo melhor. 🐳

Pedi ao ChatGPT uma lista dos checks e métricas mais importantes para monitorar no Graylog — uso do journal, saúde do cluster do indexer, estados dos inputs, throughput, saúde dos nós, esse tipo de coisa. Aí a tarefa real para o Claude era: implementar os checks, testar as chamadas reais da API contra uma instância ao vivo e corrigir/validar o parsing do JSON contra o que o Graylog realmente retorna, não contra o que a documentação de três versões principais atrás insiste que ele retorna.

🖥️ A parte que eu realmente quero destacar: eu não só pedi a um chatbot de IA que cuspisse um pouco de Python numa caixa de texto. Dei ao Claude acesso real, prático, à minha própria infraestrutura de homelab — um cluster de servidores baseado em Proxmox — e deixei ele dirigir. Ele provisionou a sua própria VM descartável, instalou o Docker e montou uma stack inteira de Graylog + Icinga2 + Zabbix do zero, totalmente sozinho. E continuou: executou as chamadas reais da API contra esse ambiente ao vivo, percebeu quando as respostas não batiam com as suas suposições e corrigiu o próprio código de acordo — sem eu passar as correções. Na prática, ele se depurou contra a realidade em vez de chutar a partir de um manual. É um sabor bem diferente de "a IA me ajudou a programar isso". 🤖🔧

🧠 Onde o conhecimento treinado acabou

O Claude tinha uma quantidade razoável de conhecimento prévio sobre a REST API do Graylog vinda do treinamento — nomes de endpoints, o formato geral das coisas. Parte disso se sustentou bem. Parte, definitivamente não: alguns nomes de campos JSON presumidos simplesmente não existem mais, e o comportamento de pelo menos um endpoint (um check de status de load balancer que sinaliza o estado pelo código de status HTTP bruto em vez de um corpo JSON, porque para que facilitar) estava silenciosamente errado desde o primeiro dia. Acontece que chutar de memória só leva você até certo ponto contra uma API que teve três anos para mudar. 🎯

O que realmente fechou a lacuna: entreguei ao Claude um export OpenAPI completo, tirado direto da minha própria instância do Graylog. Isso permitiu conferir cada endpoint e nome de campo presumido contra a especificação real e atual — e então, como eu também deixei ele montar o ambiente de teste Docker ao vivo, ele pôde ir um passo além e de fato executar as chamadas em vez de só ler sobre elas como uma espécie de turista de API. Os dois bugs reais que ele encontrou assim só apareceram em tempo de execução, não lendo documentação. 🐛➡️✅

Reviravolta bônus: no meio do caminho, percebi que todo o ambiente de teste vinha rodando discretamente contra o Graylog 6.1, enquanto a especificação OpenAPI que eu tinha entregado era da 7.1.3. Clássico momento “funciona na minha máquina (errada)”. Peguei isso no meio da revisão, mandei reconstruir o ambiente com a versão correta e fiz o Claude rodar a suíte de testes inteira de novo, de ponta a ponta, por pura paranoia. Boa notícia: os dois bugs encontrados eram idênticos nas duas versões — nada específico de versão, só suposições genuinamente erradas o tempo todo. Mesmo assim, melhor admitir a discrepância do que fingir em silêncio que ela nunca aconteceu. 🙈

✅ O resultado

Saíram daqui duas implementações de check separadas e realmente nativas — não uma presa com fita adesiva em volta da outra e pronto. O Icinga2 ganha um plugin clássico no estilo Nagios (exit codes, OK/WARNING/CRITICAL, perfdata, tudo). O Zabbix ganha a sua própria versão idiomática, em que cada check reporta um valor bruto e os thresholds de verdade ficam nos triggers do Zabbix — porque é assim que o Zabbix quer ser alimentado, não porque o modo nativo era a opção preguiçosa (definitivamente não era — me pergunte algum dia sobre fazer parsing do formato JSON de Low-Level Discovery do Zabbix). Os dois também foram testados contra uma instância Icinga2/Zabbix ao vivo, não só contra o Graylog isoladamente — incluindo ver um trigger real do Zabbix virar para o estado “problem” na hora certa, o que gerou uma satisfação desproporcional para um sábado. 📡

Tudo — plugins, instruções de instalação e documentação completa — é público:

github.com/aptupgrademe/graylog-checks

Se você está preso monitorando o Graylog com um script Nagios de dez anos atrás de um repositório aleatório do GitHub, espero que isso te poupe a arqueologia. 🏺

Alguns textos e imagens deste site foram criados com a ajuda de IA ou gerados por IA. Detalhes