Johan LEROY
dc952d13aa
L'API exposait /metrics, mais aucun collecteur ne le lisait : monitoring/ ne contenait que des .gitkeep. Sous le profil Compose `monitoring` : prometheus, alertmanager, grafana, postgres-exporter, node-exporter et cadvisor. Tous ont un mem_limit, pour environ 700 Mo au total sur la VM de 8 Go, et leurs interfaces n'écoutent que sur 127.0.0.1. Le profil est actif en prod via COMPOSE_PROFILES, donc à chaque déploiement, et se lance à la demande ailleurs (make monitoring-up). - Neuf règles d'alerte (API, base, hôte, cibles). Chacune a un cas dans les tests joués par `promtool test rules`, en CI comme par make monitoring-check. - Alertmanager route les alertes par courriel vers Mailpit ; un critical masque le warning de la même cible. - Grafana est provisionné : sources Prometheus et TimescaleDB, et trois tableaux de bord (API, données et dérive du modèle, infrastructure). - Le rôle PostgreSQL `supervision` est en lecture seule sur les seules tables métier (db/roles/supervision.sql), posé par make db-ensure-supervision et par stack-up quand le profil est actif. - Le jeton de /metrics passe à Prometheus en secret Compose (APP_METRICS_TOKEN) ; provision-host.sh génère ce secret et les deux autres. Backend : - un APP_METRICS_TOKEN vide vaut absent ; - les sondes de santé ne comptent plus dans les métriques ; - seaux de latence fins autour de 500 ms ; - un registre Prometheus par application, sans quoi toute application créée après la première (dans les tests) ne mesurait rien. Réf : #26
113 lines
4.0 KiB
YAML
113 lines
4.0 KiB
YAML
rule_files:
|
|
- ../rules/enervision.yml
|
|
|
|
evaluation_interval: 1m
|
|
|
|
tests:
|
|
- name: l'API injoignable déclenche une alerte critique au bout de 2 minutes
|
|
interval: 1m
|
|
input_series:
|
|
- series: 'up{job="backend", instance="backend:8000"}'
|
|
values: "1 0 0 0 0"
|
|
alert_rule_test:
|
|
- eval_time: 2m
|
|
alertname: ApiIndisponible
|
|
exp_alerts: []
|
|
- eval_time: 3m
|
|
alertname: ApiIndisponible
|
|
exp_alerts:
|
|
- exp_labels:
|
|
severity: critical
|
|
job: backend
|
|
instance: backend:8000
|
|
exp_annotations:
|
|
summary: "L'API ne répond plus"
|
|
description: "Prometheus ne joint plus backend:8000 depuis 2 minutes."
|
|
|
|
- name: une API qui répond ne déclenche rien
|
|
interval: 1m
|
|
input_series:
|
|
- series: 'up{job="backend", instance="backend:8000"}'
|
|
values: "1x10"
|
|
alert_rule_test:
|
|
- eval_time: 10m
|
|
alertname: ApiIndisponible
|
|
exp_alerts: []
|
|
|
|
- name: dix pour cent de 5xx déclenchent l'alerte d'erreurs serveur
|
|
interval: 1m
|
|
input_series:
|
|
- series: 'http_requests_total{job="backend", handler="/api/v1/sites", method="GET", status="5xx"}'
|
|
values: "0+10x20"
|
|
- series: 'http_requests_total{job="backend", handler="/api/v1/sites", method="GET", status="2xx"}'
|
|
values: "0+90x20"
|
|
alert_rule_test:
|
|
- eval_time: 12m
|
|
alertname: ApiErreursServeur
|
|
exp_alerts:
|
|
- exp_labels:
|
|
severity: critical
|
|
exp_annotations:
|
|
summary: "Plus de 5 % de réponses 5xx"
|
|
description: "10% des réponses de l'API sont des erreurs serveur."
|
|
|
|
- name: un p95 au-delà d'une seconde déclenche l'alerte de latence
|
|
interval: 1m
|
|
input_series:
|
|
- series: 'http_request_duration_highr_seconds_bucket{job="backend", le="0.5"}'
|
|
values: "0x30"
|
|
- series: 'http_request_duration_highr_seconds_bucket{job="backend", le="1"}'
|
|
values: "0x30"
|
|
- series: 'http_request_duration_highr_seconds_bucket{job="backend", le="2"}'
|
|
values: "0+10x30"
|
|
- series: 'http_request_duration_highr_seconds_bucket{job="backend", le="+Inf"}'
|
|
values: "0+10x30"
|
|
alert_rule_test:
|
|
- eval_time: 20m
|
|
alertname: ApiLatenceElevee
|
|
exp_alerts:
|
|
- exp_labels:
|
|
severity: warning
|
|
exp_annotations:
|
|
summary: "p95 de l'API au-dessus d'une seconde"
|
|
description: "Le p95 des réponses vaut 1.95s depuis 10 minutes."
|
|
|
|
- name: la mémoire de l'hôte au-delà de 90 % déclenche un avertissement
|
|
interval: 1m
|
|
input_series:
|
|
- series: 'node_memory_MemAvailable_bytes{job="node", instance="node-exporter:9100"}'
|
|
values: "500000000x15"
|
|
- series: 'node_memory_MemTotal_bytes{job="node", instance="node-exporter:9100"}'
|
|
values: "10000000000x15"
|
|
alert_rule_test:
|
|
- eval_time: 12m
|
|
alertname: HoteMemoireSaturee
|
|
exp_alerts:
|
|
- exp_labels:
|
|
severity: warning
|
|
job: node
|
|
instance: node-exporter:9100
|
|
exp_annotations:
|
|
summary: "Mémoire de l'hôte au-delà de 90 %"
|
|
description: "95% de la mémoire est utilisée, recette et prod comprises."
|
|
|
|
- name: un exportateur muet déclenche l'alerte de cible, pas celle de l'API
|
|
interval: 1m
|
|
input_series:
|
|
- series: 'up{job="postgres", instance="postgres-exporter:9187"}'
|
|
values: "0x10"
|
|
alert_rule_test:
|
|
- eval_time: 6m
|
|
alertname: CibleInjoignable
|
|
exp_alerts:
|
|
- exp_labels:
|
|
severity: warning
|
|
job: postgres
|
|
instance: postgres-exporter:9187
|
|
exp_annotations:
|
|
summary: "Cible de supervision injoignable"
|
|
description: "Prometheus ne joint plus postgres (postgres-exporter:9187) depuis 5 minutes."
|
|
- eval_time: 6m
|
|
alertname: ApiIndisponible
|
|
exp_alerts: []
|