Thanos : ce qu'un seul Prometheus ne peut pas garder
Un Prometheus local garde ses métriques quelques semaines, sur son propre disque. Thanos déporte la rétention vers de l'object storage et unifie plusieurs clusters.
parcours
Observabilité
Une alerte qu'on ignore vaut moins que pas d'alerte du tout. Ce parcours couvre ce qui rend une observabilité exploitable en astreinte plutôt que décorative.
18 articles · 4 sections
01
Métriques et cardinalité
Instrumenter sans faire exploser le coût de stockage.
Cardinalité Prometheus : un label sans limite explose tout
Un label à valeurs non bornées (ID de requête, IP client) multiplie les séries stockées à l'infini. La cardinalité, pas le nombre de métriques, dimensionne Prometheus.
Prometheus/Grafana ou SaaS : quand le payant vaut le coût
Le choix entre Prometheus auto-hébergé et une plateforme SaaS n'est pas idéologique. Un calcul de coût total : infrastructure et exploitation contre facturation à l'ingestion.
Instrumenter une app Prometheus : golden signals
Golden signals, méthode RED et histogramme plutôt que summary pour la latence : comment instrumenter une application Prometheus, avec les requêtes PromQL.
02
Logs
Centraliser sans tout garder, et retrouver la ligne qui compte.
logrotate : le fichier supprimé où un processus écrit encore
Un disque qui se remplit sans qu'aucun fichier visible ne l'explique cache souvent un log renommé par rotation, mais toujours ouvert par un processus qui écrit dans le vide.
Centraliser ses logs avec Loki sans exploser le stockage
Pourquoi Loki n'indexe pas le contenu des logs, ce que ça change pour le coût de stockage et LogQL, et les pièges de cardinalité qui annulent l'économie.
03
Traces
Suivre une requête à travers les services, et savoir ce que ça coûte.
Collector OpenTelemetry : agent et gateway, pas un choix binaire
Un Collector par nœud limite la collecte au strict local. Le tail-sampling qui a besoin de voir une trace complète réclame un second niveau, le gateway.
Tracing distribué : spans et ce qu'OpenTelemetry résout
Pourquoi le tracing complète métriques et logs sur une requête qui traverse dix services, comment le contexte se propage, et le piège du sampling.
04
Alertes, SLO et astreinte
Alerter sur ce qui affecte l’utilisateur, pas sur ce qui bouge.
L'incident commander n'est pas celui qui corrige le bug
Confier le rôle d'incident commander à la personne la plus technique mélange coordination et débogage. Séparer les deux accélère la résolution.
Le toil a une définition précise, pas juste « pénible »
Le toil a une définition précise : travail manuel, répétitif, automatisable, tactique et sans valeur durable, les critères qui décident quoi automatiser en premier.
Postmortem blameless : pas sans responsabilité
Blameless sépare la reconstitution des faits de l'évaluation individuelle, ça n'efface pas le problème. Nommer une personne dans le récit d'incident casse la confiance.
Alertmanager : router, grouper, inhiber avant la tempête d'alertes
Sans Alertmanager bien configuré, un seul incident déclenche des dizaines de notifications identiques pour la même cause, une tempête qui noie le vrai signal.
Chaos engineering : valider la résilience avant l'incident
Un PodDisruptionBudget jamais testé est une hypothèse, pas une garantie. Le chaos engineering provoque la panne en conditions contrôlées pour le vérifier.
metrics-server : le prérequis silencieux derrière HPA et kubectl top
kubectl top pod et le HPA n'ont aucune donnée à lire sans metrics-server installé. Comment il fonctionne, et l'erreur de certificat la plus fréquente à l'installation.
DaemonSet : exactement un pod par nœud
Un Deployment ne garantit aucune répartition par nœud. DaemonSet en garantit une exacte, le mécanisme derrière la plupart des agents d'infrastructure.
Burn-rate alerting : du SLO à l'alerte multi-fenêtres
Un SLO et un budget d'erreur ne disent pas quand alerter. La méthode burn-rate multi-fenêtres, simplifiée pour une PME, pour agir avant l'épuisement du budget.
Blackbox monitoring : superviser depuis l'extérieur
Pourquoi les métriques internes ne suffisent jamais, comment blackbox_exporter sonde HTTP, TLS et expiration de certificats, et le piège du faux positif réseau.
Alertes Prometheus actionnables : symptômes, pas les causes
Pourquoi alerter sur les symptômes et non les causes, comment régler la clause for et le label severity, et une mauvaise règle Prometheus réécrite proprement.