RousselTMLEARNING

TP · Alloy : de la découverte à l'expertise

TP : Ingérer, transformer et échantillonner des traces vers Tempo

Ce que vous allez apprendre dans ce TP
  • Recevoir des traces OTLP
  • Enrichir les spans
  • Appliquer un tail sampling
  • Exporter vers Tempo

Introduction #

Ce que vous allez apprendre dans cette section
  • Recevoir des traces OTLP
  • Enrichir les spans
  • Appliquer un tail sampling
  • Exporter vers Tempo

Contexte. Les équipes veulent du tracing distribué, mais conserver 100 % des traces coûterait trop cher. Vous mettez en place un pipeline qui reçoit, enrichit et échantillonne intelligemment les traces avant de les envoyer à Tempo.

Prérequis : TP « Premier pipeline » réalisé, notions OpenTelemetry  ·  Durée estimée : 45 min

Vous allez ajouter un service Tempo à la stack Docker Compose puis construire un pipeline de traces : receiver → processors → exporter.

Préparer Tempo #

Un backend de traces minimal.

  1. 1. Configurer et démarrer Tempo

    Pourquoi ? Tempo est le backend qui stocke les traces : il faut un récepteur OTLP et un stockage avant de pouvoir y envoyer quoi que ce soit.

    Écrivez un fichier tempo.yaml minimal (récepteur OTLP gRPC, stockage local) et ajoutez le service tempo au Compose.

Le pipeline de traces #

Récepteur, processeurs et exportateur otelcol.

  1. 2. Recevoir les traces

    Pourquoi ? Alloy joue le rôle de point d'entrée unique : les applications ne connaissent qu'un endpoint OTLP et ignorent où vont les traces.

    Déclarez un otelcol.receiver.otlp dont la sortie traces alimente un processeur d'attributs.
  2. 3. Enrichir les spans

    Pourquoi ? Ajouter l'environnement à chaque span permet ensuite de filtrer les traces par environnement sans modifier le code des applications.

    Ajoutez l'attribut deployment.environment="lab" à chaque span avec otelcol.processor.attributes.
  3. 4. Appliquer un tail sampling

    Pourquoi ? Les erreurs et les traces lentes sont celles qu'on cherche réellement ; en garder 100 % et seulement 10 % du reste réduit fortement le volume sans perdre l'essentiel.

    Conservez 100 % des traces en erreur et 10 % des autres. Pourquoi un échantillonnage « tail » plutôt que « head » pour garder les erreurs ?
  4. 5. Exporter vers Tempo et vérifier

    Pourquoi ? Un exporter sans TLS convient au laboratoire mais pas à la production : le vérifier de bout en bout avec des traces générées valide le chemin complet.

    Exportez en OTLP vers tempo:4317 (sans TLS dans ce lab), générez des traces avec telemetrygen puis retrouvez-les dans Grafana (source de données Tempo).

Niveau de difficulté : ●●●○○ (3/5)

Mon suivi

  • ⏱ Durée estimée : ≈ 45 min

Connectez-vous pour suivre votre progression et prendre des notes. Se connecter

💬 Discussions récentes de la formation

Poser une question sur cette leçon →Voir toutes les discussions de la formation

Glossaire de la formation

Observabilité

La capacité à connaître l'état interne d'un système à partir des données qu'il émet.Ces données sont classées en 3 piliers : logsmétriquestracesprofil...

Traces distribuées

Technique (issue du pilier des Traces) permettant de suivre le cheminement complet d'une requête à travers de multiples micro-services pour identifier...

Métriques

Mesures numériques collectées à intervalles réguliers (ex: CPU, RAM, temps de réponse) utilisées pour évaluer l'état de santé global d'un système au f...

Profilage en continu (Continuous Profiling)

Analyse constante de l'exécution du code en production pour identifier avec précision quelles lignes de code ou fonctions consomment le plus de ressou...

Access Log

Fichier de journalisation enregistrant les requêtes traitées par un serveur web (Apache, Nginx, Lighttpd, etc.). Il permet de tracer l'activité du ser...

Client IP

L'adresse IP de l'utilisateur effectuant la requête vers le serveur web. Lorsqu'un utilisateur passe par un Load Balancer ou un proxy (ex: Cloudflare)...

Timestamp

La date et l'heure exactes auxquelles la requête a été reçue par le serveur.Configuration : %t dans Apache, $time_local ou $time_iso8601 dans Nginx.

Request

La ligne de requête initiale du client. Elle comprend généralement la méthode HTTP (ex: GET), l'URL demandée et la version du protocole HTTP.Configura...

Status Code

Le code de statut HTTP final renvoyé par le serveur au client (ex : 200 pour un succès, 404 pour ressource non trouvée).Configuration : %>s dans Apach...

Size

Le volume des données renvoyées au client, mesuré en octets (généralement sans les en-têtes HTTP).Configuration : %b ou %O dans Apache, $body_bytes_se...

Referrer

L'URL de la page web depuis laquelle le client a cliqué ou suivi un lien pour accéder à la ressource actuelle.Configuration : %{Referer}i dans Apache,...

User-Agent

Les informations d'identification fournies par le client concernant son navigateur, son système d'exploitation et son appareil. Sa structure standard ...

Response Time

La durée totale prise par le serveur pour traiter la requête et renvoyer la réponse au client.Configuration : %D (microsecondes) ou %T (secondes) dans...

Grafana Alloy

Collecteur de télémétrie open source et flexible, successeur de Grafana Agent. Il est conçu pour collecter, transformer et exporter des logs, métrique...

River

Langage de configuration déclaratif utilisé par Grafana Alloy, inspiré de HCL (Terraform). Il permet de définir des pipelines de télémétrie complexes ...

Grafana Loki

Système de journalisation (logs) multi-tenant, hautement disponible et inspiré de Prometheus. Il est conçu pour être très économe en ressources en n'i...

Articles recommandés

Grafana Alloy et les traces : OTLP, Jaeger et Zipkin vers Tempo

Plongez dans le traitement des traces distribuées. Apprenez à ingérer des traces OTLP, Jaeger ou ...

Grafana Alloy : Collecte et Transformation de Télémétrie

Apprenez à utiliser Grafana Alloy pour collecter, transformer et acheminer logs, métriques et tra...

Envoyer des traces vers Tempo : instrumentation OpenTelemetry et Alloy

Produire et acheminer des traces vers Tempo : auto-instrumentation Python/Java/Node, SDK manuel, ...

La stack LGTM (Loki, Grafana, Tempo, Mimir) : architecture et mise en place

Comprendre la stack LGTM de Grafana Labs : Loki pour les logs, Grafana pour la visualisation, Tem...

Grafana Alloy : Guide complet pour collecter métriques, logs et traces

Tutoriel complet sur Grafana Alloy. Découvrez comment installer, configurer et utiliser ce collec...

Faro et Alloy : recevoir le RUM front-end avec faro.receiver

Configurer faro.receiver : CORS, clé d'API, limite de débit, source maps, puis envoyer erreurs, W...

Grafana Alloy et Prometheus : collecter et envoyer des métriques

Apprenez à configurer Grafana Alloy pour collecter, transformer et envoyer des métriques en utili...

OpenTelemetry Collector : les Processors (transformer, filtrer et protéger la télémétrie)

Maîtriser les processors du Collector OpenTelemetry : batch, memory_limiter, attributes, resource...

Relier traces et profils : span profiles avec Tempo et Pyroscope

Passer d'une trace lente au profil CPU exact de ce span : span profiles en Go et Java, configurat...

Soutenir

♥ SOUTENIR

Soutenez RousselTM Learning

Les formations, articles, TP et attestations restent gratuits et sans publicité intrusive. Une contribution libre, du montant de votre choix, finance l’hébergement, les environnements de TP et l’écriture de nouveaux contenus.

Contribuer avec PayPal Montant libre · carte bancaire ou compte PayPalEn savoir plus
QR code PayPal
Ou scannez ce QR code avec votre téléphone

Merci, chaque contribution compte !