Formation - OpenTelemetry – Mettre en oeuvre une architecture d’observabilité cloud-native

1 - Passer de la supervision classique à l’observabilité cloud-native

• Comprendre les limites des outils de supervision IT traditionnels dans les architectures distribuées
• Identifier les différences entre monitoring, supervision et observabilité cloud-native
• Comprendre les bénéfices d’une approche orientée logs, traces et métriques corrélés
• Analyser le rôle des trois signaux dans la détection proactive d’incidents
• Découvrir les principaux outils d’observabilité modernes : OpenTelemetry, Grafana, Prometheus, Tempo, Loki
• Introduire les enjeux du traçage distribué dans les architectures microservices
Atelier

Analyser un incident applicatif et démontrer pourquoi la supervision classique ne suffit plus en environnement cloud-native

2 - Comprendre les fondamentaux d’OpenTelemetry

• Comprendre la genèse d’OpenTelemetry et sa standardisation par la CNCF
• Identifier le rôle d’OpenTelemetry dans une stratégie d’observabilité unifiée
• Distinguer OpenTelemetry API et OpenTelemetry SDK
• Comprendre les trois signaux OpenTelemetry : logs, traces et métriques
• Maîtriser les conventions sémantiques OpenTelemetry pour normaliser les données
• Comparer les approches d’auto-instrumentation et d’instrumentation manuelle
Atelier

Instrumenter un service applicatif simple afin de produire des traces distribuées, logs structurés et métriques locales

3 - Déployer OpenTelemetry Collector dans une architecture moderne

• Comprendre le rôle du OpenTelemetry Collector dans une architecture d’observabilité cloud-native
• Structurer un pipeline de collecte : receivers, processors, exporters, pipelines
• Utiliser les protocoles OTLP HTTP / gRPC pour la collecte de télémétrie
• Appliquer les bonnes pratiques de configuration : batch, memory_limiter, resource, attributes
• Déployer OpenTelemetry Collector en mode agent, gateway, Docker ou Kubernetes
• Optimiser la collecte des signaux dans des environnements distribués et hybrides
Atelier

Installer un OpenTelemetry Collector et configurer un pipeline complet de collecte des logs, traces et métriques

4 - Centraliser et analyser les logs avec OpenTelemetry et Loki

• Comprendre le modèle de logs OpenTelemetry et sa structuration
• Instrumenter des logs enrichis avec contexte, attributs et métadonnées
• Configurer l’export OTLP vers Loki pour centraliser les logs applicatifs
• Concevoir des labels efficaces et maîtriser la cardinalité des logs
• Utiliser LogQL pour filtrer, parser, agréger et corréler les événements
• Identifier rapidement erreurs, exceptions et signaux faibles dans les logs
Atelier

Instrumenter les logs d’un microservice et analyser un incident applicatif via des requêtes LogQL dans Grafana

5 - Instrumenter et exploiter les traces distribuées avec Tempo

• Comprendre la propagation de contexte dans une architecture microservices
• Maîtriser le modèle de traces OpenTelemetry : spans, parent/child, links, events
• Configurer les stratégies d’échantillonnage : probabilistic sampling et tail-based sampling
• Exporter les traces distribuées via OTLP vers Tempo
• Visualiser les dépendances, latences et erreurs dans Grafana Tempo
• Exploiter les traces pour diagnostiquer les goulets d’étranglement applicatifs
Atelier

Instrumenter deux services communicants et analyser la chaîne complète d’exécution dans Tempo

6 - Produire et exploiter les métriques avec Mimir et Prometheus

• Comprendre les types de métriques OpenTelemetry : counter, gauge, histogram
• Exporter les métriques applicatives vers Mimir et Prometheus
• Utiliser PromQL pour interroger, agréger et corréler les métriques
• Mesurer latence, disponibilité et performance avec quantiles et percentiles
• Construire des indicateurs de supervision RED et USE
• Exploiter les métriques pour piloter SLA, SLO et capacité applicative
Atelier

Créer des métriques personnalisées, écrire des requêtes PromQL avancées et visualiser les résultats dans Grafana

7 - Corréler logs, traces et métriques dans Grafana

• Configurer les datasources Loki, Tempo, Mimir et Prometheus dans Grafana
• Construire un tableau de bord d’observabilité full-stack
• Mettre en oeuvre la méthode RED (Rate, Errors, Duration)
• Corréler logs, traces et métriques pour accélérer le diagnostic incident
• Créer des dashboards orientés performance, disponibilité et expérience utilisateur
• Définir un alerting simple avec PromQL et règles de seuil
Atelier

Construire un dashboard “Health Service” corrélé et analyser un incident

8 - Maîtriser les concepts avancés d’observabilité

• Comprendre le rôle du Baggage et sa propagation
• Structurer les attributs standard et personnalisés
• Maîtriser la volumétrie (sampling, anti-cardinalité)
• Sécuriser les signaux : masquage, données sensibles, conformité
• Définir une stratégie d’observabilité adaptée à la production
Atelier

Ajouter un baggage métier et visualiser sa propagation dans une trace