RousselTMLEARNING

TP · Alloy : de la découverte à l'expertise

TP : Profilage continu avec Pyroscope

Ce que vous allez apprendre dans ce TP
  • Déployer Pyroscope
  • Collecter des profils pprof
  • Lire un flame graph

Introduction #

Ce que vous allez apprendre dans cette section
  • Déployer Pyroscope
  • Collecter des profils pprof
  • Lire un flame graph

Contexte. Les métriques montrent qu'un service consomme trop de CPU, mais pas quelle fonction est responsable. Le profilage continu répond à cette question ; vous le mettez en place sur Alloy lui-même, qui est une application Go déjà profilable.

Prérequis : Stack du TP « Premier pipeline »  ·  Durée estimée : 30 min

Alloy est écrit en Go et expose ses profils sur /debug/pprof : c'est la cible idéale pour ce TP, sans application supplémentaire à déployer.

Mise en place #

Backend Pyroscope puis pipeline de collecte.

  1. 1. Ajouter Pyroscope à la stack

    Pourquoi ? Pyroscope est la base qui stocke les profils : sans elle, les profils collectés n'ont nulle part où aller.

    Ajoutez le service pyroscope (port 4040) au Compose.
  2. 2. Scraper les profils

    Pourquoi ? Les applications Go exposent leurs profils sur /debug/pprof ; Alloy les interroge régulièrement et évite d'avoir à modifier le code de l'application.

    Avec pyroscope.scrape, ciblez localhost:12345 avec le label service_name="alloy" et activez les profils CPU, mémoire et goroutines.
  3. 3. Expédier vers Pyroscope

    Pourquoi ? Les labels externes (environnement, cluster) permettent plus tard de retrouver les profils depuis une métrique ou une trace grâce à des labels communs.

    Ajoutez pyroscope.write avec un label externe env="lab".
  4. 4. Lire un flame graph

    Pourquoi ? Savoir lire un flame graph est la compétence clé : la largeur d'une barre montre où le temps est réellement passé, ce que les métriques ne disent pas.

    Ouvrez http://localhost:4040 (ou la source de données Pyroscope de Grafana), sélectionnez process_cpu pour alloy et identifiez la fonction la plus consommatrice. Pourquoi les labels doivent-ils être alignés avec ceux des métriques et logs ?

Niveau de difficulté : ●●●○○ (3/5)

Mon suivi

  • ⏱ Durée estimée : ≈ 30 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 : Profilage Continu avec Pyroscope

Découvrez comment configurer le profilage continu (Continuous Profiling) dans vos environnements ...

Les profils, le quatrième signal d'OpenTelemetry : profilage continu et corrélation avec les traces

Comprendre le nouveau signal profile d'OpenTelemetry : profilage continu, flame graphs, modèle de...

Le profiling continu avec Grafana Pyroscope : pourquoi et comment

Le quatrième signal de l'observabilité : ce qu'est le profiling continu, les types de profils (CP...

Profiling continu avec eBPF : Parca, Pyroscope et le profiler OpenTelemetry

Profiler en continu tous les processus d'un hôte grâce à eBPF : principe, Parca et parca-agent, P...

Grafana Alloy : L'importance de l'auto-supervision (Self-Monitoring)

Découvrez pourquoi et comment configurer Grafana Alloy pour qu'il se supervise lui-même, en colle...

Analyser les profils dans Grafana : flame graphs, comparaisons et diagnostics

Méthode d'analyse des profils dans Grafana : Profiles Drilldown, flame graph et top table, compar...

Grafana Alloy : Comprendre et exploiter l'Interface Utilisateur (UI)

Découvrez comment activer, sécuriser et utiliser l'interface web intégrée de Grafana Alloy pour v...

Instrumenter ses applications pour Pyroscope : SDK, Alloy et eBPF

Envoyer des profils à Pyroscope depuis Go, Java, Python et Node.js avec les SDK, collecter les po...

Bonnes pratiques Grafana Pyroscope : collecte, labels, analyse et coûts

Check-list de production pour le profiling continu avec Pyroscope : choix du mode de collecte, la...

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 !