Formation OpenTelemetry : mettre en œuvre l’observabilité de vos applications distribuées Best
Instrumentez vos applications avec OpenTelemetry pour collecter logs, traces et métriques, et exploitez-les dans une stack d'observabilité complète.
Vue d'ensemble
- Connaissance des architectures applicatives (microservices, conteneurs)
- Bases du monitoring et de la supervision
- Maîtrise d'au moins un langage de programmation
- Notions de Docker recommandées
Objectifs pédagogiques
Programme détaillé
De la supervision à l'observabilité
– Monitoring vs observabilité : comprendre les limites du monitoring classique face aux architectures distribuées
– Les trois piliers de l’observabilité : logs, métriques et traces comme fondements de la visibilité applicative
– Les signaux et leurs rôles : comprendre quelles données chaque pilier produit et quand les utiliser
– Traçage distribué : suivre le parcours d’une requête à travers plusieurs services
– Acteurs de l’écosystème : panorama des outils et standards du marché (CNCF, Prometheus, Grafana, Jaeger)
**Exemples d’activités pratiques :**
– Exploration de logs, métriques et traces sur une application microservices existante
– Identification des limites d’un monitoring classique face à un problème de latence inter-services
Découverte d'OpenTelemetry et de son architecture
– Historique d’OpenTelemetry : de la fusion OpenTracing/OpenCensus au standard CNCF
– Architecture du projet : API, SDK, Collector et Exporters comme composants fondamentaux
– Contexte de propagation : mécanisme de corrélation des données de télémétrie à travers les services
– Conventions sémantiques : nommage standardisé des attributs pour garantir l’interopérabilité
– Protocole OTLP : format d’échange natif pour la transmission des données de télémétrie
**Exemples d’activités pratiques :**
– Installation et configuration initiale du SDK OpenTelemetry dans une application
– Mise en place du fil rouge : présentation de l’application distribuée utilisée tout au long de la formation
Collecte des logs avec le Collector OpenTelemetry
– Logs dans OpenTelemetry : modèle de données, mapping avec les formats existants
– Architecture de collecte : rôle du Collector comme point central d’agrégation
– Pipelines du Collector : configuration des récepteurs, processeurs et exportateurs
– Modes de déploiement du Collector : agent local vs gateway centralisée
– Stack LGTM : présentation de Loki, Grafana, Mimir et Tempo comme backend d’observabilité intégré
**Exemples d’activités pratiques :**
– Déploiement du Collector OpenTelemetry et de la stack LGTM
– Configuration d’un pipeline de collecte de logs et export vers Loki
– Visualisation des logs dans Grafana
Instrumentation et export des traces distribuées
– Modèle de données des traces : spans, span events, attributs et statuts
– Instrumentation automatique : collecte de traces sans modification de code applicatif
– Instrumentation manuelle : ajout de spans personnalisés pour une visibilité métier fine
– Propagation de contexte : corrélation des spans à travers les appels inter-services
– Échantillonnage head-based : décision de collecte au démarrage de la trace, impact sur le volume de données
– Échantillonnage tail-based : décision en fin de trace pour conserver les requêtes lentes ou en erreur
**Exemples d’activités pratiques :**
– Instrumentation de l’application fil rouge (automatique puis manuelle)
– Génération de trafic avec Grafana K6 et visualisation des traces dans Tempo
– Configuration de stratégies d’échantillonnage et comparaison de leurs effets
Collecte et exploitation des métriques
– Types de métriques OpenTelemetry : compteurs, histogrammes, gauges et leurs cas d’usage
– Instrumentation synchrone et asynchrone : choisir le bon mode selon le type de mesure
– Metrics API : création de métriques personnalisées dans le code applicatif
– PromQL : langage de requête pour interroger et agréger les métriques dans Prometheus
– Métriques dérivées des traces : génération automatique d’indicateurs à partir des données de traçage
– Méthode RED : Rate, Errors, Duration comme cadre d’analyse de la performance des services
**Exemples d’activités pratiques :**
– Configuration de l’export des métriques vers Prometheus via le Collector
– Création de dashboards Grafana exploitant PromQL
– Analyse de performance d’un service avec la méthode RED
Stratégie d'observabilité et mise en production
– Définir sa stratégie d’observabilité : quelles données collecter, à quelle granularité, pour quels usages
– Bonnes pratiques de collecte : éviter la sur-instrumentation et son impact sur les performances
– Normalisation des données : conventions de nommage et structuration pour maintenir la cohérence à l’échelle
– Diagnostic d’incidents : corrélation logs/traces/métriques pour identifier la cause racine
**Exemples d’activités pratiques :**
– Scénario de diagnostic : analyse d’un incident simulé en corrélant les trois piliers
– Élaboration d’une stratégie d’observabilité adaptée à un cas d’usage donné
Avis des participants
Formation claire, structurée et directement applicable. Le formateur a pris le temps de répondre à toutes nos questions avec des exemples concrets.
Très bon équilibre entre théorie et pratique. Les exercices permettent de comprendre rapidement les concepts et de les mettre en œuvre.
Un formateur expérimenté, pédagogue et disponible. Je repars avec des méthodes et des outils que je peux utiliser immédiatement dans mon travail.
Le contenu était dense, mais très bien expliqué. Le rythme a été adapté au niveau du groupe et chacun a pu progresser.
Des formateurs experts, reconnus par nos apprenants
Chez Sparks Formation, la qualité de nos formations repose sur l'expertise de nos formateurs et la satisfaction de nos apprenants.
Note moyenne attribuée par les participants à nos formateurs
formateurs experts partenaires
Sparks Formation
sujets IT délivrés chaque jour partout en France
Financement
Cette formation est éligible aux financements OPCO et FNE-Formation. Nos équipes vous accompagnent dans le montage de votre dossier.
En savoir plus sur le financement
