TP : Profiler une application et relier profils et traces

Ce que vous allez apprendre dans ce TP

• Envoyer des profils continus
• Lire un flame graph
• Relier spans et profils

Introduction #

Ce que vous allez apprendre dans cette section

• Envoyer des profils continus
• Lire un flame graph
• Relier spans et profils

Contexte. Un service de calcul de remises est lent et coûteux en CPU, mais ses traces montrent seulement un span long. Vous ajoutez le quatrième signal pour trouver la ligne responsable.

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 : 45 min

Un goulet d'étranglement identifié dans le code grâce au lien span-profil, puis corrigé et mesuré.

Mise en place #

Étapes guidées, avec leur correction.

1. 1. Démarrer la pile d'observabilité

   Pourquoi ? Une seule image fournit un Collector OTLP et tous les backends : on se concentre sur le signal.

   Lancez grafana/otel-lgtm, créez un environnement Python et pointez les exportateurs vers le port OTLP/HTTP 4318.

2. 2. Un service lent

   Pourquoi ? Le code contient un défaut classique : une expression régulière recompilée et une concaténation coûteuse à chaque appel.

   Installez le SDK Pyroscope et son intégration OpenTelemetry, puis écrivez remises.py : traces vers Tempo, profils vers Pyroscope avec le même nom de service, et le PyroscopeSpanProcessor.

3. 3. Lire le flame graph

   Pourquoi ? Le flame graph montre où le CPU est réellement consommé, sans ajouter un seul span.

   Dans Explore > Pyroscope (ou Drilldown > Profiles), sélectionnez l'application remises et le type CPU. Identifiez les plateaux les plus larges et la part de code_valide et de re.compile.

4. 4. Du span au profil

   Pourquoi ? Le span processor étiquette les échantillons avec le span_id : on obtient le profil d'une requête précise.

   Dans Tempo, ouvrez une trace calculer remise longue et utilisez Profiles for this span. Si le lien n'apparaît pas, configurez Trace to profiles dans la source de données Tempo (source Pyroscope, type CPU).

5. 5. Corriger et comparer

   Pourquoi ? Le profil prouve l'effet d'une optimisation, au lieu de le supposer.

   Compilez l'expression une seule fois au niveau du module et remplacez la concaténation par ';'.join(). Relancez, puis comparez les deux périodes avec la vue Diff de Pyroscope et la durée des spans dans Tempo.

6. 6. Situer les profils OpenTelemetry

   Pourquoi ? Le SDK Pyroscope est une solution éprouvée ; le signal OTLP Profiles vise à unifier la collecte, mais n'est pas encore stable.

   Consultez la page de statut du signal profiles sur opentelemetry.io et la documentation du profileur eBPF OpenTelemetry. Rédigez en trois lignes ce qu'il faudrait pour remplacer le SDK par le profileur eBPF et un Collector, puis arrêtez la pile.

Niveau de difficulté : ●●●○○ (3/5)