Formation Prometheus & Grafana

Programme de notre formation Supervision cloud native avec Prometheus et Grafana

[Jour 1 – Matin]

Comprendre le monitoring cloud native

• Comprendre les enjeux de la supervision cloud native
• Différencier monitoring, observabilité, métriques, logs et traces
• Découvrir l’architecture et le fonctionnement de Prometheus
• Comprendre le modèle Pull et la découverte des targets
• Identifier le rôle de Prometheus, exporters et Grafana dans une architecture de monitoring
• Atelier fil rouge : préparer l’environnement de supervision d’une application cloud native et identifier les composants à monitorer

Compétences acquises : maîtrise de l’architecture d’une chaîne de monitoring.

[Jour 1 – Après-midi]

Installer et configurer Prometheus

• Installer et démarrer Prometheus
• Configurer prometheus.yml et les scrape_configs
• Déclarer et superviser plusieurs targets
• Comprendre les types de métriques : Counter, Gauge, Histogram et Summary
• Utiliser les exporters pour collecter les métriques systèmes et applicatives
• Atelier fil rouge : connecter Prometheus à l’environnement et collecter les premières métriques de l’application et de son infrastructure

Compétences acquises : maîtrise de l’installation de Prometheus et de la collecte de métriques sur plusieurs targets.

Interroger les métriques avec PromQL

• Comprendre le modèle de données et les séries temporelles Prometheus
• Sélectionner et filtrer les métriques avec PromQL
• Utiliser opérateurs, fonctions et agrégations
• Calculer des taux et analyser l’évolution des métriques
• Construire des requêtes pour mesurer disponibilité, charge et performance
• Atelier fil rouge : construire les requêtes PromQL nécessaires au suivi de la disponibilité et des performances de l’application

Compétences acquises : maîtrise des requêtes PromQL.

[Jour 2 – Matin]

Créer des dashboards avec Grafana

• Installer et prendre en main Grafana
• Connecter Prometheus comme source de données
• Créer et organiser des dashboards
• Choisir les visualisations adaptées aux métriques supervisées
• Utiliser variables, filtres et transformations pour construire des tableaux de bord dynamiques
• Atelier fil rouge : construire le dashboard opérationnel de l’application à partir des métriques Prometheus collectées

Compétences acquises : maîtrise de la construction de dashboards Grafana adaptés au suivi opérationnel d’un service.

[Jour 2 – Après-midi]

Définir les indicateurs de performance et SLO

• Identifier les indicateurs de performance réellement utiles à la supervision
• Comprendre les Golden Signals : latence, trafic, erreurs et saturation
• Définir des SLI adaptés à un service cloud native
• Construire des SLO mesurables à partir des métriques Prometheus
• Suivre disponibilité, erreurs et consommation de ressources
• Atelier fil rouge : définir les indicateurs critiques et construire les SLI/SLO associés à l’application supervisée

Compétences acquises : maîtrise de la définition d’indicateurs permettant de mesurer objectivement la santé et la performance d’un service.

Configurer les alertes et notifications

• Comprendre les principes d’une stratégie d’alerting efficace
• Créer des règles d’alerte à partir des métriques et requêtes PromQL
• Configurer les seuils et conditions de déclenchement
• Utiliser Alertmanager pour router et regrouper les alertes
• Limiter le bruit et éviter la fatigue liée aux alertes
• Atelier fil rouge : créer les alertes critiques de l’application, configurer leur routage et simuler un incident

Compétences acquises : maîtrise d’un système d’alertes ciblées.

[Jour 3 – Matin]

Superviser Kubernetes avec Prometheus et Grafana

• Comprendre les spécificités du monitoring Kubernetes
• Découvrir Prometheus Operator et les Custom Resources associées
• Collecter les métriques des nodes, pods et workloads
• Exploiter kube-state-metrics et les métriques Kubernetes
• Construire des dashboards adaptés aux ressources du cluster
• Atelier fil rouge : étendre la supervision au cluster Kubernetes hébergeant l’application et visualiser la santé de ses workloads

Compétences acquises : maîtrise de la supervision des workloads et ressources d’un environnement Kubernetes.

[Jour 3 – Après-midi]

Diagnostic et analyse des métriques assistés par IA

• Utiliser un assistant IA pour expliquer et améliorer des requêtes PromQL
• Analyser un ensemble de métriques afin d’identifier des comportements anormaux
• Corréler les variations de plusieurs indicateurs lors d’un incident
• Utiliser l’IA pour synthétiser les observations et suggérer des pistes d’investigation
• Identifier les limites de l’analyse générée et valider les conclusions à partir des données de supervision
• Atelier fil rouge : diagnostiquer une dégradation de l’application à partir des dashboards et métriques, puis confronter l’analyse humaine aux pistes proposées par l’IA

Compétences acquises : maîtrise d’une démarche de diagnostic assistée par IA.

Industrialiser la supervision cloud native

• Structurer une architecture Prometheus et Grafana exploitable en production
• Organiser les configurations, dashboards et règles d’alerte
• Appliquer les bonnes pratiques de labels et de cardinalité
• Comprendre les enjeux de rétention, stockage et montée en charge
• Identifier les bonnes pratiques de sécurité et de contrôle des accès
• Atelier final : finaliser la supervision de l’application en contrôlant collecte, PromQL, dashboards, SLI/SLO, alertes, monitoring Kubernetes et diagnostic d’un incident

Compétences acquises : maîtrise d’une chaîne de supervision cloud native exploitable.