RousselTMLEARNING

TP · Datadog : de la découverte à l'expertise

TP : Pipeline de logs, facettes et maîtrise du volume avec correction

La correction est intégrée au TP (Voir les encadrés de couleur vert)

Ce que vous allez apprendre dans ce TP
  • Créer un pipeline grok
  • Créer facettes et métriques générées
  • Ajouter un filtre d'exclusion

Introduction #

Ce que vous allez apprendre dans cette section
  • Créer un pipeline grok
  • Créer facettes et métriques générées
  • Ajouter un filtre d'exclusion

Contexte. Les logs d'une application arrivent en texte brut et coûtent cher à l'indexation. Vous les rendez exploitables et réduisez leur coût.

Prérequis : TP 1 terminé  ·  Durée estimée : 45 min

Des logs utiles à moindre coût.

Mise en place #

Étapes guidées, avec leur correction.

  1. 1. Produire des logs

    Pourquoi ? Un conteneur qui écrit des lignes au format connu, dont des erreurs.

    Lancez un générateur de logs étiqueté service:paiement.
    Voir la correction
    docker run -d --name paiement -l com.datadoghq.ad.logs='[{"source": "paiement", "service": "paiement"}]' busybox \
      sh -c 'while true; do echo "$(date -Iseconds) INFO paiement accepte montant=$((RANDOM % 300)) client=c$((RANDOM % 50))";
             [ $((RANDOM % 10)) -eq 0 ] && echo "$(date -Iseconds) ERROR paiement refuse montant=$((RANDOM % 300)) motif=fonds"; sleep 1; done'
  2. 2. Créer le pipeline

    Pourquoi ? Le grok parser transforme la ligne en attributs filtrables.

    Dans Logs > Pipelines, créez un pipeline filtré sur source:paiement avec un grok parser, puis un status remapper sur l'attribut niveau.
    Voir la correction
    regle %{notSpace:date} %{word:niveau} paiement %{word:resultat} montant=%{integer:montant}( client=%{notSpace:client})?( motif=%{word:motif})?
  3. 3. Facettes et mesure

    Pourquoi ? Une facette filtre, une mesure s'agrège.

    Créez une facette sur @resultat et une mesure sur @montant, puis affichez la somme des montants refusés par minute dans l'explorateur.
    Voir la correction
    service:paiement @resultat:refuse
  4. 4. Métrique générée

    Pourquoi ? Une métrique générée continue de fonctionner même pour les logs non indexés.

    Créez une métrique paiement.refus (Generate Metrics) qui compte les logs @resultat:refuse, regroupée par @motif.
    Voir la correction

    La métrique peut alimenter un monitor sans dépendre de l'indexation.

  5. 5. Filtre d'exclusion

    Pourquoi ? Les paiements acceptés sont nombreux et rarement consultés.

    Dans l'index principal, ajoutez un filtre d'exclusion qui n'indexe que 10 % des logs service:paiement @resultat:accepte. Vérifiez dans Usage la baisse du volume indexé.
    Voir la correction

    Les erreurs restent indexées à 100 % ; les succès sont échantillonnés. La métrique générée continue de compter tous les refus.

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

Articles recommandés

Logs dans Datadog : collecte, pipelines, index et maîtrise du volume

Collecter les logs avec l'agent, les structurer avec pipelines et processeurs (grok), utiliser fa...

Logs Datadog avancés : index, filtres d'exclusion, Flex Logs, archives et Sensitive Data Scanner

Maîtriser coût et conformité des logs Datadog : pipelines et processeurs, index et rétention, fil...

Fluent Bit : parsers et filters, structurer et transformer les logs

Structurer et transformer les logs dans Fluent Bit : parsers (json, regex, logfmt, ltsv), parsers...

APM Datadog et OpenTelemetry : traces, services et corrélation avec les logs

Instrumenter ses applications pour l'APM Datadog (dd-trace, instrumentation en une étape, OpenTel...

Bonnes pratiques Datadog : tags, coûts, alertes et gouvernance

Check-list pour exploiter Datadog efficacement : tagging unifié, maîtrise des coûts (hôtes, logs,...

Métriques et tags dans Datadog : tagging unifié, DogStatsD et cardinalité

Exploiter les métriques Datadog : tagging unifié (env, service, version), requêtes et agrégations...

Monitors, SLO, dashboards et Datadog as code

Créer des monitors efficaces (métriques, logs, APM, composites, anomalies), des SLO, des dashboar...

Datadog : la plateforme d'observabilité SaaS en un coup d'œil

Ce qu'est Datadog, ses produits (infrastructure, logs, APM, RUM, synthétiques, sécurité), ses con...

Coûts et gouvernance Datadog : usage, attribution, RBAC et politiques de tags

Maîtriser la facture et gouverner Datadog : suivi de l'usage et de l'estimation, attribution des ...

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 !