Ce que vous allez apprendre dans ce TP
- Auto-instrumenter une application
- Ajouter des spans et attributs
- Rechercher par tag
Introduction #
Ce que vous allez apprendre dans cette section
- Auto-instrumenter une application
- Ajouter des spans et attributs
- Rechercher par tag
Contexte. Votre équipe développe une API Python sans aucune trace. Vous l'instrumentez sans réécrire le code, puis ajoutez le contexte métier.
Prérequis : TP précédent terminé, Python 3 · Durée estimée : 45 min
Une API Python tracée de bout en bout.Mise en place #
Étapes guidées, avec leur correction.
1. Écrire l'API
Pourquoi ? Une API qui appelle un service externe produit une trace à plusieurs spans.
Créezapp.pyavec une route qui appelle httpbin.2. Auto-instrumenter
Pourquoi ? opentelemetry-instrument ajoute les instrumentations Flask et requests sans toucher au code.
Installez la distribution OpenTelemetry et lancez l'application instrumentée.3. Générer et observer
Pourquoi ? Chaque appel crée une trace serveur (Flask) avec un span client (requests).
Appelez la route une vingtaine de fois et ouvrez une trace du servicestock.4. Ajouter un span métier
Pourquoi ? Les spans automatiques ne disent rien du métier : un span et des attributs le complètent.
Ajoutez un spanverifier_stockavec l'attributproduit.idautour de l'appel externe.5. Rechercher par tag
Pourquoi ? Retrouver la trace d'un produit précis, comme le ferait le support.
Relancez l'application, refaites des appels et cherchez dans Jaeger les traces avec le tagproduit.id=7et une durée minimale de 1 s.
Niveau de difficulté : ●●●○○ (3/5)
Mon suivi
Connectez-vous pour suivre votre progression et prendre des notes. Se connecter
Articles recommandés
Instrumenter ses applications pour Jaeger avec OpenTelemetry
Envoyer des traces à Jaeger avec OpenTelemetry : auto-instrumentation (Java, Python, Node.js), SD...
Comprendre la notion de score
Le concept de score va permettre à Elasticsearch de classer vos documents par pertinence lors d u...
Elastic Common Schema (ECS) : le format standard des données Elastic et son rôle dans Elastic SIEM
Comprendre l'Elastic Common Schema (ECS) : format standard des champs dans Elasticsearch, convent...
Grail : Dynatrace Data Lakehouse
Désormais vous disposez dans Dynatrace (SaaS) d'un Data Lakehouse nommé Grail dont vous pouvez co...
C'est quoi l'observabilité
La capacité à connaître l'état interne d'un système à partir des données que cette dernière émet...
Les types de transactions dans les base de données
Cet article détaille les différences entre trois concepts essentiels dans l'exécution des instruc...
Différences entre Technologies et Services dans Dynatrace
Dans Dynatrace, les concepts de 'Technologie' et de 'Services' aident à organiser et surveiller l...
Dynatrace : Différences entre SQL Modifications, SQL Queries or Procedures, et SQL Transactions
Cet article détaille les différences entre trois concepts essentiels dans l'exécution des instruc...
Licences Dynatrace : modèle par unités et consumption-based licensing (DPS)
Comprendre la facturation Dynatrace : l'ancien modèle de licences segmentées par unités (Host Uni...