L'observabilité : journaux, métriques et traces
Partie 4 sur 4
8Mettre en place un dispositif : par où commencer
Un dispositif d’observabilité ne se construit pas en un jour, et la tentation de tout installer d’un coup mène à des outils coûteux que personne n’utilise. Une progression raisonnable :
- Un tableau de bord par service, avec les quatre signaux d’or. C’est peu de travail et c’est le plus rentable.
- Des journaux structurés et centralisés, avec un identifiant de corrélation et des heures en UTC.
- Une première alerte sur un symptôme : le service ne répond plus, ou le taux d’erreurs dépasse un seuil clair. Ajouter les alertes une par une, en retirant celles qui ne servent jamais.
- Des SLO sur les deux ou trois parcours les plus importants pour les utilisateurs (se connecter, payer), avec leur budget d’erreur.
- Les traces distribuées, d’abord par instrumentation automatique, sur les services les plus complexes.
- Des exercices : simuler une panne (par exemple en arrêtant volontairement un service dans un environnement de test) et vérifier que les signaux permettent de la comprendre en peu de temps.
8.1Observer des systèmes sans serveur et des plateformes gérées
Plus on confie l’exécution à un fournisseur (fonctions déclenchées à la demande, voir le serverless, ou machines virtuelles gérées, voir la virtualisation), moins on voit l’intérieur. On ne peut plus consulter le processeur d’une machine qui n’existe que pendant deux secondes. On compte alors sur ce que le fournisseur expose (journaux d’exécution, métriques de durée et d’erreurs, traces des appels entre ses services) et sur ce que l’on émet soi-même depuis son code. Ce que le fournisseur ne montre pas reste invisible ; il faut donc l’inclure dans ses critères de choix.
8.2Observer ce qui est extérieur
Une grande part des pannes vient de dépendances extérieures : un service de paiement, un fournisseur de messagerie, un service de noms de domaine (voir le DNS). Deux pratiques aident. Les sondes externes (ou « supervision synthétique ») jouent le rôle d’un utilisateur : un robot, placé en plusieurs endroits du monde, exécute régulièrement un parcours type (ouvrir la page, se connecter, ajouter au panier) et mesure ce qu’il obtient. Elles détectent des pannes qu’aucun signal interne ne montre, par exemple une coupure du réseau d’un opérateur. Les pages d’état des fournisseurs sont à suivre, mais elles sont parfois en retard sur la réalité : mieux vaut aussi mesurer soi-même le comportement de chaque dépendance (taux d’erreurs et durée des appels).
9Les coûts et les compromis
Observer coûte du stockage, du réseau, du temps de processeur et du temps humain. Ces coûts peuvent atteindre une part importante de la facture d’une infrastructure, et ils croissent avec le volume des signaux. Quelques compromis :
- Précision contre durée de conservation. On garde les métriques à la minute pendant quelques semaines, puis on les « résume » (moyennes par heure) pour les conserver des années.
- Exhaustivité contre coût. On échantillonne les traces, on réduit les journaux verbeux (DEBUG) en production, on supprime les champs inutiles.
- Outil unique contre outils spécialisés. Une plateforme tout-en-un simplifie la vie, mais enferme ; des outils libres spécialisés demandent plus d’efforts d’exploitation, mais laissent le contrôle. OpenTelemetry réduit ce risque d’enfermement.
- Hébergement chez un tiers contre chez soi. Envoyer ses signaux à un service en ligne en simplifie l’exploitation, mais expose des données parfois sensibles hors de l’organisation (voir le coin cyber) et soulève la question du lieu d’hébergement, notamment pour les données personnelles européennes.
Un bon réflexe est de se demander, pour chaque signal : quelle décision cette donnée permet-elle de prendre ? Si la réponse est « aucune », elle coûte sans rapporter.
9.1Et l’énergie ?
Le stockage et le traitement de journaux massifs consomment de l’électricité, comme tout le reste de l’infrastructure (voir le centre de données). Réduire des signaux inutiles est donc aussi un geste d’économie d’énergie, discret mais réel.
10Ce qui a changé depuis
L’idée de surveiller un réseau est ancienne (voir la supervision réseau). Voici ce qui a changé depuis :
- De la machine au service. Autrefois, on surveillait des équipements identifiés (un routeur, un serveur). Aujourd’hui, on surveille des services répartis sur des ressources éphémères.
- De la sonde au signal. Les sondes interrogeaient de l’extérieur à intervalles réguliers (protocole de gestion de réseau SNMP, graphiques de trafic de type MRTG, outils comme Nagios). Les systèmes actuels émettent eux-mêmes des signaux riches, à l’intérieur du code.
- Les traces distribuées n’existaient pas en pratique pour le grand public : les premières publications d’outils internes de grandes entreprises datent de la fin des années 2000.
- L’objectif a changé. On vise désormais la qualité de service perçue (SLO, budget d’erreur) plutôt que l’état de chaque composant.
- Les normes ouvertes (OpenTelemetry) ont remplacé les formats propriétaires de chaque fournisseur.
- Le cadre juridique s’est précisé : protection des données personnelles contenues dans les journaux (RGPD) et exigences de journalisation et de détection dans les textes sur la sécurité des réseaux et systèmes d’information.