{"id":8,"date":"2026-02-28T22:31:00","date_gmt":"2026-02-28T22:31:00","guid":{"rendered":"https:\/\/rpi.temporiti.net\/wordpress\/blog\/metriche-sistema-centralizzate\/"},"modified":"2026-05-30T14:05:26","modified_gmt":"2026-05-30T12:05:26","slug":"metriche-sistema-centralizzate","status":"publish","type":"post","link":"https:\/\/rpi.temporiti.net\/wordpress\/?p=8","title":{"rendered":"Esportare metriche di sistema centralizzate"},"content":{"rendered":"

Tenere una dozzina di host monitorati senza centralizzare le metriche \u00e8 come gestire una contabilit\u00e0 con post-it sparsi: funziona finch\u00e9 non serve davvero. Il mio stack attuale \u00e8 Glances<\/a> come collector locale, InfluxDB come time series database e Grafana come dashboard. \u00e8 la terza iterazione del setup, dopo aver provato Telegraf+InfluxDB e Prometheus+node_exporter. Quello che lascio qui \u00e8 la versione che gira oggi.<\/p>\n

Glances in modalit\u00e0 export<\/h2>\n

Glances \u00e8 nato come strumento “top-like” interattivo, ma supporta export verso una decina di backend, tra cui InfluxDB v2. L’idea: su ogni host gira glances<\/code> come daemon che ogni dieci secondi pubblica le metriche verso un InfluxDB centrale.<\/p>\n

Installazione su Debian\/Ubuntu:<\/p>\n

\nsudo apt install glances\n<\/code><\/pre>\n
Per il supporto InfluxDB v2 mi serve la libreria Python:<\/p>\n
\nsudo apt install python3-influxdb-client\n<\/code><\/pre>\n
Su Mac uso brew:<\/p>\n
\nbrew install glances\npip3 install influxdb-client\n<\/code><\/pre>\n
Configurazione \/etc\/glances\/glances.conf<\/code>, sezione InfluxDB v2:<\/p>\n
\n[influxdb2]\nhost=influx.example.local\nport=8086\nprotocol=http\norg=homelab\nbucket=metrics\ntoken=GENERATO_DA_INFLUXDB_UI\nprefix=glances\ntags=host:nome-host\n<\/code><\/pre>\n
Il token e l’org\/bucket li creo via UI di InfluxDB. Il tag host<\/code> mi consente di filtrare in Grafana per macchina.<\/p>\n
Lanciare Glances come servizio<\/h2>\n
Niente script custom, uso il file unit di systemd che il pacchetto fornisce e creo un override per attivare l’export:<\/p>\n
\nsudo systemctl edit glances.service\n<\/code><\/pre>\n
Aggiungo:<\/p>\n
\n[Service]\nExecStart=\nExecStart=\/usr\/bin\/glances --export influxdb2 -q -t 10\n<\/code><\/pre>\n
-q<\/code> disabilita la UI (\u00e8 un daemon), -t 10<\/code> aggiorna ogni dieci secondi. Poi:<\/p>\n
\nsudo systemctl enable --now glances.service\n<\/code><\/pre>\n
InfluxDB centrale<\/h2>\n
L’InfluxDB sta su un Raspberry Pi 5 con SSD USB (mai microSD per database). Installazione dai repo ufficiali InfluxData:<\/p>\n
\nwget -qO- https:\/\/repos.influxdata.com\/influxdata-archive_compat.key | gpg --dearmor | sudo tee \/etc\/apt\/trusted.gpg.d\/influxdata.gpg > \/dev\/null\necho \"deb https:\/\/repos.influxdata.com\/debian stable main\" | sudo tee \/etc\/apt\/sources.list.d\/influxdata.list\nsudo apt update\nsudo apt install influxdb2\nsudo systemctl enable --now influxdb\n<\/code><\/pre>\n
Il primo setup, sulla porta 8086, definisce org homelab<\/code>, bucket metrics<\/code> con retention 30 giorni e token operatore. Il token operatore lo conservo offline, e creo un token write-only “glances” da distribuire sugli host: in questo modo se un host viene compromesso, l’attaccante pu\u00f2 scrivere metriche fasulle ma non leggere o cancellare quelle altrui.<\/p>\n
Grafana sulla stessa macchina<\/h2>\n
Grafana sta nello stesso Pi InfluxDB, repo ufficiale, datasource InfluxDB con token read-only. Dashboard “Glances v2” importata dal marketplace ufficiale Grafana, ID 17424. Mi mostra in un colpo d’occhio CPU, RAM, load, IO, network, top processes per host.<\/p>\n
Su Grafana imposto allerting nativo per soglie semplici: cpu_total > 80% per 10m<\/code>, mem_used_pct > 90% per 5m<\/code>, disk_used_pct > 85%<\/code>. Notifiche via Telegram bot personale e email Resend.<\/p>\n
Un caso reale<\/h2>\n
Un sabato mattina, verso le 9:00, ho aperto la dashboard per controllare i grafici prima del caff\u00e8 e ho visto che l’host edge aveva avuto un picco di load avg 12.4 nelle quattro ore precedenti. CPU era stata al 100% per intervalli regolari. Ho guardato i top processes catturati da Glances: un cron mal configurato lanciava un import dati ogni cinque minuti invece che ogni cinque ore. Una virgola dimenticata nel crontab. Ho corretto e ho riallineato il job. Senza la cronologia centralizzata, il picco notturno me lo sarei perso, perch\u00e9 l’host era tornato in range per quando ho aperto la sessione SSH del mattino. Il bello di un time series database \u00e8 esattamente questo: ti racconta cosa \u00e8 successo quando tu non c’eri.<\/p>\n
Cosa funziona bene<\/h2>\n
Glances \u00e8 semplicissimo da installare e configurare, copre subito CPU, RAM, IO, network, processi, sensori. InfluxDB v2 con retention policy non si gonfia mai oltre i 5-6 GB di storage. Grafana \u00e8 lo standard de facto e dashboard belle si trovano gi\u00e0 fatte.<\/p>\n
Limiti<\/h2>\n
Glances usa un po’ di RAM (50-80 MB per host) e su SBC molto vecchi (Raspberry Pi Zero) pu\u00f2 essere troppo. L’export ogni dieci secondi \u00e8 generoso per un homelab, ma se voglio cardinalit\u00e0 pi\u00f9 alta devo passare a Telegraf. Per metriche applicative custom Glances non basta: aggiungo Prometheus scraper su porte specifiche, dove serve.<\/p>\n
In pratica<\/h2>\n
Lo stack Glances+Influx+Grafana \u00e8 il livello “infrastruttura di base” delle mie metriche. Sopra ci poggiano monitoring applicativi specifici (Observium per SNMP di rete, ping check serverless per uptime). Avere tre piani separati e indipendenti mi protegge dal classico problema “il monitoring \u00e8 gi\u00f9, quindi non so se \u00e8 gi\u00f9”: se Glances tace ma Observium grida, so subito da dove cominciare.<\/p>\n
\n
\n
Immagine generata con Cloudflare Workers AI \/ FLUX.<\/p>\n<\/blockquote>\n","protected":false},"excerpt":{"rendered":"
Tenere una dozzina di host monitorati senza centralizzare le metriche \u00e8 come gestire una contabilit\u00e0 con post-it sparsi: funziona finch\u00e9 non serve davvero. Il mio stack attuale \u00e8 Glances come collector locale, InfluxDB come time series database e Grafana come dashboard. \u00e8 la terza iterazione del setup, dopo aver provato Telegraf+InfluxDB e Prometheus+node_exporter. Quello che […]<\/p>\n","protected":false},"author":1,"featured_media":189,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-8","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-monitoring"],"_links":{"self":[{"href":"https:\/\/rpi.temporiti.net\/wordpress\/index.php?rest_route=\/wp\/v2\/posts\/8","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/rpi.temporiti.net\/wordpress\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/rpi.temporiti.net\/wordpress\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/rpi.temporiti.net\/wordpress\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/rpi.temporiti.net\/wordpress\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=8"}],"version-history":[{"count":10,"href":"https:\/\/rpi.temporiti.net\/wordpress\/index.php?rest_route=\/wp\/v2\/posts\/8\/revisions"}],"predecessor-version":[{"id":357,"href":"https:\/\/rpi.temporiti.net\/wordpress\/index.php?rest_route=\/wp\/v2\/posts\/8\/revisions\/357"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/rpi.temporiti.net\/wordpress\/index.php?rest_route=\/wp\/v2\/media\/189"}],"wp:attachment":[{"href":"https:\/\/rpi.temporiti.net\/wordpress\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=8"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/rpi.temporiti.net\/wordpress\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=8"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/rpi.temporiti.net\/wordpress\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=8"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}