cloud / systèmes
OBSERVABILITÉ · EXPLOITATION · AUTOMATISATION
À mon arrivée en 2000, quelques serveurs et scripts d’analyse de logs constituaient notre point de départ, mais pas une supervision capable de suivre la complexité croissante.
Remplacer l’analyse réactive par une supervision évolutive, capable de détecter les difficultés avant les utilisateurs.
Commencer avec Nagios et Zabbix, introduire des contrôles de service et des notifications, puis conserver les métriques pour analyser les tendances.
Une pratique de supervision enrichie ensuite par Grafana et Checkmk, qui associe alerte précoce et visibilité à long terme.
Lire l’étude de cas+
Un petit dispositif, un angle mort grandissant. Au départ, quelques serveurs et scripts analysaient les logs. Avec la croissance, cette approche ne suivait plus ni le volume ni la complexité. Surtout, elle restait réactive : elle racontait ce qui s’était déjà passé.
Le patron et le client ne sont pas des outils de supervision. Pourquoi attendre qu’un problème se produise pour le remarquer ? Si un responsable ou un client signale la panne en premier, l’exploitation est déjà en retard. Au-delà de l’incident, la confiance dans l’équipe en souffre, à l’intérieur comme à l’extérieur.
Le cas classique : un certificat TLS qui expire. En 2000, l’automatisation actuelle du renouvellement n’existait pas sous cette forme. Let’s Encrypt est arrivé bien plus tard, en 2015. Il fallait surveiller l’échéance plutôt que découvrir le problème via une connexion cassée. Exigences et autorités de certification varient ; même un renouvellement automatisé doit être supervisé.
Détecter, prévenir, conserver les éléments. Nos premiers choix ont été Nagios et Zabbix. Il fallait détecter les problèmes et joindre quelqu’un capable d’agir, en particulier l’équipe d’astreinte 24 h/24, 7 j/7. Pour des raisons de coûts, le site n’avait alors pas d’architecture haute disponibilité. Détection fiable et réponse rapide étaient donc essentielles pour assurer la meilleure qualité de service possible ; la supervision n’éliminait pas les interruptions. SMS, WhatsApp et PagerDuty ont rejoint les canaux au fil des années : cela ne signifie pas qu’ils étaient tous utilisés en 2000.
Des incidents aux tendances. Enregistrer les performances permettait de dépasser l’alarme ponctuelle : comment évoluaient charge, latence et capacité ? Grafana et Checkmk ont ensuite complété les outils. L’objectif restait le même : détecter la dégradation plus tôt et comprendre la trajectoire du système.
Le principe qui reste. La supervision n’est pas une collection de tableaux de bord. Elle doit donner à l’équipe une chance d’agir avant qu’un tiers ne vienne signaler le problème.
Référence historique : annonce du premier certificat public Let’s Encrypt en 2015.
- Nagios
- Zabbix
- Grafana
- Checkmk