PrĂ©parez-vous Ă une rĂ©volution de l'observabilitĂ© ! đ Dans cette vidĂ©o, plongez au cĆur de l'intelligence artificielle Davis de Dynatrace. DĂ©couvrez comment son IA causale et prĂ©dictive vous permet de dĂ©tecter et mĂȘme de rĂ©soudre les problĂšmes avant qu'ils n'impactent vos utilisateurs. Finis les incidents surprises, place Ă la proactivitĂ© !
Ce que vous allez apprendre dans cette vidĂ©o đ
Comprendre le fonctionnement de Davis, l'IA de Dynatrace.
Différencier l'analyse causale et l'analyse prédictive de Davis.
Comprendre la capacité générative avec Davis Copilot.
Identifier les problĂšmes potentiels avant qu'ils ne se manifestent.
Utiliser les alertes intelligentes de Davis pour une intervention rapide.
Optimiser la performance et la stabilité de vos systÚmes grùce à l'IA.
Pourquoi c'est incontournable pour vous ? đĄ
L'IA de Dynatrace transforme radicalement la gestion des incidents. Cette vidéo vous permettra de :
Anticiper les pannes et Ă©viter les temps d'arrĂȘt coĂ»teux.
Réduire drastiquement le temps de résolution des problÚmes (MTTR).
Libérer vos équipes des tùches de diagnostic répétitives.
Prendre des décisions éclairées basées sur des insights précis et prédictifs.
Passer d'une gestion réactive à proactive de votre infrastructure.
PrĂȘt Ă exploiter la puissance de l'IA pour une observabilitĂ© sans prĂ©cĂ©dent ? C'est parti ! đ
đ Pour aller plus loin et maĂźtriser Dynatrace, dĂ©couvrez nos formations complĂštes : https://elearning.rousseltm.fr
N'oubliez pas de vous abonner Ă la chaĂźne pour ne manquer aucune de nos futures vidĂ©os sur Dynatrace, l'IA et l'observabilitĂ© ! đ
Laissez un pouce bleu si cette vidĂ©o vous a Ă©tĂ© utile et partagez-la avec vos collĂšgues ! đ
Mon suivi
Connectez-vous pour suivre votre progression et prendre des notes. Se connecter
đŹ Discussions rĂ©centes de la formation
- Dynatrace : mes pods Kubernetes ne sont pas instrumentĂ©s malgrĂ© le DynaKubeâ rĂ©solu · 1 rĂ©ponse(s)
Poser une question sur cette leçon âVoir toutes les discussions de la formation
Glossaire de la formation
Observabilité
La capacité à connaßtre l'état interne d'un systÚme à partir des données qu'il émet.Ces données sont classées en 3 piliers : logsmétriquestracesprofil...
CI/CD
Intégration Continue et Déploiement Continu. Pratiques DevOps visant à automatiser les tests et le déploiement des applications pour livrer plus rapid...
Dynatrace
Plateforme d'observabilité complÚte basée sur l'intelligence artificielle (Davis), offrant la surveillance applicative (APM), d'infrastructure et l'ex...
APM (Application Performance Monitoring)
Surveillance des performances applicatives pour identifier, diagnostiquer et résoudre les problÚmes complexes liés aux performances et à la disponibil...
SLA (Service Level Agreement)
Contrat officiel conclu entre un fournisseur de services et son client, définissant le niveau de service attendu (disponibilité, temps de réponse, etc...
SLO (Service Level Objective)
Objectif interne chiffré défini par l'équipe technique (SRE) concernant le niveau de fiabilité d'un service (ex: 99.9% de disponibilité). Relation : L...
SLI (Service Level Indicator)
MĂ©trique quantitative rĂ©elle mesurant le niveau de service fourni en production (ex: taux de rĂ©ussite des requĂȘtes, latence moyenne). Relation : Le SL...
DEM (Digital Experience Monitoring)
Surveillance de l'expérience numérique. Englobe les technologies permettant de suivre et d'optimiser l'expérience des utilisateurs finaux sur les appl...
RUM (Real User Monitoring)
Surveillance des utilisateurs réels. Technique d'observabilité passive qui capture et analyse chaque interaction des utilisateurs avec une application...
Synthetic Monitoring
Surveillance synthétique. Technique d'observabilité active utilisant des scripts automatisés (robots) pour simuler le parcours des utilisateurs et vér...
Traces distribuées
Technique (issue du pilier des Traces) permettant de suivre le cheminement complet d'une requĂȘte Ă 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 systÚme au f...
AIOps (Artificial Intelligence for IT Operations)
Utilisation de l'intelligence artificielle et de l'apprentissage automatique pour automatiser et améliorer les opérations informatiques (ex: détection...
NoOps
Concept oĂč l'environnement informatique est tellement automatisĂ© et abstrait (ex: Serverless, PaaS) qu'il ne nĂ©cessite quasiment plus d'Ă©quipe opĂ©rati...
OpenTelemetry
Framework open source fournissant des standards, APIs et SDKs pour collecter et exporter des données d'observabilité (traces, métriques, logs) de mani...
Core Web Vitals
Ensemble de trois métriques définies par Google pour mesurer l'expérience réelle d'une page web : le chargement (LCP (Largest Contentful Paint)), la r...
LCP (Largest Contentful Paint)
Temps écoulé jusqu'à l'affichage du plus grand élément visible de la page (image, vidéo ou bloc de texte) : il indique quand le contenu principal appa...
INP (Interaction to Next Paint)
Latence des interactions (clic, tap, touche) observée pendant toute la visite : délai entre l'action de l'utilisateur et l'affichage suivant. La valeu...
CLS (Cumulative Layout Shift)
Mesure de la stabilité visuelle : somme des décalages inattendus de mise en page (un bouton qui se déplace au moment du clic, un texte poussé par une ...
FCP (First Contentful Paint)
Temps Ă©coulĂ© jusqu'Ă l'affichage du premier contenu (texte, image, SVG) : le moment oĂč l'utilisateur voit que la page commence Ă charger. Ce n'est pas...
TTFB (Time to First Byte)
Temps entre le début de la navigation et la réception du premier octet de la réponse : il additionne redirections, DNS, connexion TCP/TLS et temps de ...
FID (First Input Delay)
Ancienne métrique de réactivité des Core Web Vitals : délai avant que le navigateur commence à traiter la premiÚre interaction (bon †100 ms). Elle ig...
TBT (Total Blocking Time)
Métrique de laboratoire (Lighthouse) : somme, entre FCP (First Contentful Paint) et la fin du chargement, de la part de chaque tùche longue (plus de 5...
CrUX (Chrome UX Report)
Base publique de Google qui agrÚge les Core Web Vitals mesurées chez les vrais utilisateurs de Chrome (au 75e percentile, par origine et par URL, sur ...
Lighthouse
Outil d'audit libre de Google, intégré aux DevTools de Chrome et à PageSpeed Insights : il charge la page dans un environnement simulé et note perform...
Apdex
Application Performance Index : score de satisfaction entre 0 et 1 calculĂ© Ă partir d'un seuil de temps T. Les requĂȘtes sous T sont « satisfaisantes »...
Articles recommandés
Dynatrace : définitions, architecture et intelligence artificielle Davis
Les notions de base de Dynatrace (entités, Smartscape, PurePath, Davis) et son architecture : One...
Gestion des problÚmes dans Dynatrace : Davis, page problÚme, notifications et auto-remédiation
Comprendre les problÚmes détectés par Davis, lire une page problÚme (cause racine, impact, chrono...
Davis AI avancé : détection d'anomalies, IA causale, prédictive et générative
Comprendre Davis AI : seuils statiques, baselines auto-adaptatives et saisonniĂšres, analyse causa...
Alerting avancé Dynatrace : événements de métrique, profils d'alerting et notifications
Construire un alerting Dynatrace utile : événements de métrique et détecteurs d'anomalies, événem...
Dynatrace vs Datadog : Le duel des leaders de l'APM
Comparatif complet entre les deux géants de l'observabilité. Automatisation par IA contre flexibi...
Licences Dynatrace : modÚle par unités et consumption-based licensing (DPS)
Comprendre la facturation Dynatrace : l'ancien modÚle de licences segmentées par unités (Host Uni...
Guide des Bonnes Pratiques Dynatrace : Vers une Observabilité Mature
Optimisez votre plateforme Dynatrace grĂące Ă nos recommandations d'experts : automatisation du ta...
Dynatrace SaaS vs Managed : choisir, organiser cluster et environnements
Choisir entre Dynatrace SaaS et Managed, organiser cluster et environnements, prendre en main l'i...
L'app Investigations de Dynatrace : mener une enquĂȘte sur les donnĂ©es de Grail
DĂ©couvrir l'app Investigations : requĂȘtes DQL, extraction avec DPL Architect, enrichissement, arb...