https://k8s-school.fr/labs/otel/fr/tags/prometheus/index.htmlHugofr-frCopyright (c) 2026 Fabrice Jammes - Licensed under CC BY-SA 4.0Mon, 06 Jul 2026 16:55:00 +0200https://k8s-school.fr/labs/otel/fr/1_labs/30-otel-collector/index.htmlMon, 06 Jul 2026 15:15:00 +0200https://k8s-school.fr/labs/otel/fr/1_labs/30-otel-collector/index.htmlLe collecteur OpenTelemetry est le cœur de la chaîne : il reçoit (receivers), transforme (processors) et exporte (exporters) la télémétrie. Dans ce lab, vous allez lire sa configuration réelle, puis l’enrichir pour collecter des métriques système (hostmetrics) et des métriques produit (PostgreSQL) — sans toucher aux applications. 💡 Dans la démo, le collecteur est déployé par Helm : modifier sa configuration = modifier les values du chart + helm upgrade. Pas de rebuild, pas de redéploiement manuel.https://k8s-school.fr/labs/otel/fr/1_labs/40-otel-grafana/index.htmlMon, 06 Jul 2026 16:55:00 +0200https://k8s-school.fr/labs/otel/fr/1_labs/40-otel-grafana/index.htmlVous disposez maintenant des trois signaux : traces (Labs 2), métriques système et produit (Lab 3), logs (collectés d’office par la démo). Dans ce lab, vous les rassemblez dans un seul dashboard Grafana : la « vue service » que consulterait un astreinte. Prérequis Labs 1 à 3 terminés. D’abord les variables de la formation chargées dans votre shell : . ./scripts/env.sh — elles donnent $PF_HOST et $UI_PORT, l’adresse et le port de vos UIs. Ensuite le port-forward des UIs : ./scripts/open-ui.sh. Le script affiche l’URL de Grafana, http://$PF_HOST:$UI_PORT/grafana/ — soit http://localhost:8080/grafana/ sur un poste individuel, mais http://localhost3:8080/grafana/ pour student3 sur le serveur partagé. Étapes Explorer les datasources déjà câblées : Dans Grafana : ⚙️ Connections → Data sources. Trois sources correspondent à nos trois signaux — identifiez-les et notez leur type.https://k8s-school.fr/labs/otel/fr/1_labs/60-otel-metrics/index.htmlMon, 06 Jul 2026 11:40:00 +0200https://k8s-school.fr/labs/otel/fr/1_labs/60-otel-metrics/index.htmlLe Lab 3 collectait des métriques d’infrastructure (système, PostgreSQL) ; le connector spanmetrics fournit déjà débit et latence par service. Il manque les métriques métier : combien d’avis créés ? En combien de temps ? Dans ce lab, vous instrumentez review-service avec Micrometer (un compteur + un histogramme), exportés vers Prometheus via l’agent OpenTelemetry, puis vous dérivez une métrique depuis les spans avec le connector count. Prérequis Labs 1 à 3 terminés, agent Java actif sur review-service (cf. Lab 5, étape 2). D’abord les variables de la formation chargées dans votre shell : . ./scripts/env.sh. Elles donnent le port du review-service ($APP_PORT, accès direct au service, pas via le frontend-proxy) ainsi que $PF_ADDR et $PF_HOST, l’adresse sur laquelle vos port-forward écoutent. Ensuite seulement le port-forward Prometheus, qui s’appuie sur ces variables : kubectl port-forward -n otel-demo --address $PF_ADDR svc/prometheus $PROM_PORT:9090 & Étapes Partie 1 — Compteur et histogramme dans le code Lire l’instrumentation Micrometer dans apps/review-service/src/main/java/fr/k8sschool/reviews/ReviewController.java : this.reviewsCreated = Counter.builder("reviews.created") .description("Number of product reviews created") .register(registry); this.reviewCreationTimer = Timer.builder("reviews.creation.time") .description("Time spent creating a review (catalog check + insert)") .publishPercentileHistogram() .register(registry); Pourquoi Micrometer plutôt que le SDK OpenTelemetry directement ?