Ce que vous allez apprendre dans ce TP
- Auto-instrumenter tous les signaux
- Garantir une ressource commune
- Naviguer entre les signaux
Introduction #
Ce que vous allez apprendre dans cette section
- Auto-instrumenter tous les signaux
- Garantir une ressource commune
- Naviguer entre les signaux
Contexte. Une boutique de deux services renvoie des erreurs par intermittence. Vous instrumentez sans toucher au code et menez l'enquête en naviguant d'un signal à l'autre.
Prérequis : Docker et Python 3.10 ou plus ; la pile grafana/otel-lgtm (Collector, Tempo, Loki, Prometheus, Pyroscope et Grafana dans un seul conteneur) · Durée estimée : 50 min
Mise en place #
Étapes guidées, avec leur correction.
1. Démarrer la pile d'observabilité
Pourquoi ? Une seule image fournit un Collector OTLP et tous les backends : on se concentre sur le signal.
Lancezgrafana/otel-lgtm, créez un environnement Python et pointez les exportateurs vers le port OTLP/HTTP 4318.2. Écrire les deux services
Pourquoi ? Le code ne contient aucune ligne OpenTelemetry : tout viendra de l'auto-instrumentation.
Créezfront.py(port 8001) qui appellestock.py(port 8002) ; le service stock échoue sur 15 % des requêtes avec un log d'erreur.3. Démarrer avec une ressource commune
Pourquoi ? Les mêmes variables pour les trois signaux garantissent la même ressource : c'est la clé de la corrélation.
Lancez chaque service avecopentelemetry-instrument, les trois exportateurs OTLP, la capture des logs et des attributs de ressource communs, puis générez du trafic.4. Partir de la métrique
Pourquoi ? L'enquête commence comme une alerte : une métrique d'erreurs issue des conventions HTTP, identique pour tous les services.
Dans Prometheus, calculez le taux d'erreurs 5xx par service à partir de l'histogrammehttp.server.request.duration(ou de son équivalent selon la version d'instrumentation). Activez les exemplars et ouvrez une trace depuis un point.5. De la trace aux logs
Pourquoi ? La trace montre quel service a échoué ; ses logs disent pourquoi.
Dans Tempo, cherchez les traces en erreur, ouvrez-en une, constatez que le span serveur destockest en 503 et utilisez Logs for this span pour trouver le message « pool de connexions épuisé ». Faites le chemin inverse depuis Loki.6. Carte des services et métriques de spans
Pourquoi ? Les métriques calculées depuis les spans donnent débit, erreurs et durée par service et une carte des dépendances.
Ouvrez l'onglet Service Graph de Tempo dans Explore : vérifiez l'arêtefrontversstocket son taux d'erreur. Notez la ligne de configuration (connecteurservicegraphou générateur de métriques de Tempo) qui la rend possible.7. Casser puis réparer la corrélation
Pourquoi ? Une ressource différente suffit à couper tous les liens : on le vérifie pour s'en souvenir.
RedémarrezstockavecOTEL_LOGS_EXPORTER=none, regénérez du trafic et constatez que Logs for this span ne renvoie plus rien. Remettez la configuration et arrêtez tout.
Niveau de difficulté : ●●●○○ (3/5)
Mon suivi
Connectez-vous pour suivre votre progression et prendre des notes. Se connecter
💬 Discussions récentes de la formation
- Quels attributs utiliser pour nommer mes spans HTTP (semconv) ?✓ résolu · 1 réponse(s)
- OpenTelemetry Collector : mes traces arrivent mais pas mes métriques✓ résolu · 2 réponse(s)
Poser une question sur cette leçon →Voir toutes les discussions de la formation
Articles recommandés
Corréler traces, métriques, logs et profils avec OpenTelemetry
Relier les quatre signaux pour diagnostiquer vite : ressource commune, trace_id dans les logs, ex...
Les métriques OpenTelemetry : instruments, temporalité, histogrammes et exemplars
Maîtriser le signal métrique : MeterProvider, instruments synchrones et asynchrones (Counter, UpD...
Les logs avec OpenTelemetry : modèle de données, appenders, corrélation et collecte
Maîtriser le signal log : modèle de données LogRecord, Logs Bridge API et appenders (Logback, Log...
Projet fil rouge : les quatre signaux de l'OpenTelemetry Demo dans la stack Grafana
Un projet fil rouge qui traverse les formations d'observabilité : déployer l'OpenTelemetry Demo, ...
Corréler traces, logs, métriques et profils dans Grafana
Relier Tempo aux logs (Loki), aux métriques (Prometheus) et aux profils (Pyroscope) : tracesToLog...
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...
Les concepts fondamentaux d'OpenTelemetry : signaux, ressources, contexte et maturité
Le vocabulaire indispensable d'OpenTelemetry : les quatre signaux, API et SDK, ressource et instr...
OpenTelemetry : Instrumentation Automatique vs Manuelle
Comprenez les différences entre l'instrumentation automatique et manuelle avec OpenTelemetry, leu...
OpenTelemetry sur Kubernetes : Operator, auto-instrumentation et Collector
Déployer OpenTelemetry sur Kubernetes : modes de déploiement du Collector (DaemonSet, Deployment,...