Formation Datadog : monitoring et observabilité des infrastructures et des applications

– Monitoring et observabilité : définitions, enjeux et différence entre surveiller des symptômes connus et expliquer un comportement inattendu
– Les trois piliers (métriques, logs, traces) : nature de chaque signal, cas d’usage et complémentarité pour le diagnostic
– Positionnement de Datadog : plateforme SaaS unifiée face aux approches open source (Prometheus et Grafana, Elastic) et aux autres solutions APM
– Modules de la plateforme : Infrastructure, Logs, APM, Dashboards, Monitors, RUM, Synthetics, et leur articulation
– Architecture : agent, intégrations, API, sites régionaux et flux de données vers la plateforme
– Interface et navigation : Infrastructure List, Explorers, catalogue de services, recherche et partage des vues

– Installation de l’agent sur un hôte Linux et Windows : clé d’API, site Datadog, vérification de la remontée des données
– Configuration de l’agent : fichier `datadog.yaml`, répertoire des checks, activation de la collecte des logs et des traces
– Agent conteneurisé : exécution de l’agent dans Docker, autodiscovery des conteneurs par labels
– Déploiement sur Kubernetes : présentation du Helm chart et de l’opérateur Datadog, agents de nœud et Cluster Agent
– Intégrations : principe des checks, configuration d’intégrations courantes (Nginx, PostgreSQL, Docker)
– Diagnostic de l’agent : commandes `status`, `check` et `flare`, lecture des erreurs de configuration
– Stratégie de tags : tags d’hôte, tags d’intégration et unified service tagging (`env`, `service`, `version`) pour corréler toutes les données
– Bonnes pratiques de déploiement en production : gestion des secrets, automatisation, homogénéité des tags

– Types de métriques : count, rate, gauge, histogram, distribution, et choix de l’agrégation adaptée
– Metrics Explorer : requêtes, filtres et regroupements par tags, agrégation spatiale et temporelle, fonctions
– Vues d’infrastructure : Infrastructure List, Host Map et Container Map pour repérer les ressources en anomalie
– Métriques personnalisées : envoi via DogStatsD pour suivre des indicateurs applicatifs ou business
– Intégrations cloud : collecte via les API du fournisseur sans agent, complément par l’agent sur les machines virtuelles, démonstration sur un fournisseur (AWS, Azure ou Google Cloud)
– Volumes et coûts : cardinalité des tags, nombre de métriques personnalisées, outils de suivi de l’usage

– Collecte des logs : fichiers, conteneurs, intégrations, et rattachement aux tags `service` et `source`
– Pipelines et processeurs : parsing (Grok), remapping des attributs, enrichissement, pipelines d’intégration fournis
– Log Explorer : syntaxe de recherche, facettes et mesures, vues sauvegardées, regroupement en patterns
– Analyse : agrégations, Log Analytics et visualisations construites à partir des logs
– Volumes et coûts : distinction ingestion / indexation, index et filtres d’exclusion, rétention, archives, génération de métriques à partir des logs
– Exploitation des logs pour le diagnostic : retrouver les erreurs, les isoler par service et dans le temps

– Vocabulaire de l’APM : trace, span, service, ressource, et métriques clés d’un service (requêtes, erreurs, latence)
– Instrumentation : bibliothèques de tracing Datadog, instrumentation automatique et personnalisée, OpenTelemetry comme option d’instrumentation
– Catalogue de services et Service Map : dépendances entre services et repérage des maillons dégradés
– Lecture d’une trace : flame graph, liste des spans, identification du span le plus coûteux
– Corrélation traces et logs : injection des identifiants de trace dans les logs, navigation d’un signal à l’autre
– Contrôle des volumes : échantillonnage et rétention des traces

– Dashboards : choix des widgets, variables de template, superposition d’événements, partage
– Conception d’un dashboard utile : indicateurs par public (exploitation, équipe produit, management), lisibilité et bonnes pratiques
– Lecture d’un dashboard existant : repérer une dégradation et identifier les composants en cause
– Monitors : types (métrique, anomalie, logs, APM, processus), seuils d’alerte et d’avertissement, monitors multi-alertes
– Notifications : message, variables de template et conditions, destinataires et canaux (e-mail, Slack, Teams, PagerDuty)
– Limiter la fatigue d’alerte : fenêtres d’évaluation, délais, downtimes, alerter sur les symptômes plutôt que sur les causes
– Introduction aux SLO : indicateurs de service (SLI), objectifs et budget d’erreur suivis dans Datadog

– Démarche de diagnostic : de l’alerte au dashboard, puis aux traces et aux logs pour remonter à la cause
– Identification des causes fréquentes de dégradation : saturation de ressources, dépendance lente, erreurs applicatives, déploiement défectueux
– Notebooks et gestion des incidents : documenter une investigation, déclarer et suivre un incident
– Observabilité dans le cycle de développement : suivi des déploiements par version, rôle des équipes de développement et d’exploitation
– Panorama : RUM, tests Synthetics, Watchdog (détection automatique d’anomalies), assistant Bits AI
– Automatisation : API Datadog et provider Terraform pour gérer monitors et dashboards en code