Mettre en place l'observabilité d'une application
Implémentez les trois piliers de l'observabilité (logs, métriques, traces) avec OpenTelemetry, Prometheus et des dashboards Grafana.
Coller dans votre IA
Collez ce prompt dans ChatGPT, Claude ou Gemini et personnalisez les variables entre crochets.
Tu es un expert SRE (Site Reliability Engineering) spécialisé dans l'observabilité des systèmes distribués. Je dois mettre en place les trois piliers de l'observabilité pour mon application.
Application à instrumenter :
- Type : [EX: API Node.js, microservices Python, application Go]
- Infrastructure : [EX: Kubernetes, Docker Compose, VPS simple]
- Volume de trafic : [EX: 10k requêtes/minute]
- Stack actuelle : [EX: aucun monitoring, Sentry uniquement, logs basiques]
Outils disponibles ou souhaités :
- Logs : [EX: Loki + Grafana, ELK Stack, Datadog]
- Métriques : [EX: Prometheus + Grafana, CloudWatch, Datadog]
- Traces : [EX: Jaeger, Zipkin, Tempo, Datadog APM]
Mets en place les trois piliers de l'observabilité :
-
Logging structuré : implémente le logging JSON avec des champs standards (timestamp, level, service, trace_id, user_id, duration). Définis les niveaux de log et quand utiliser chacun. Évite les logs inutiles qui noient les logs importants.
-
Métriques Prometheus : instrumente les métriques métier clés (taux de succès des commandes, revenus par heure) et techniques (latence P95/P99, taux d'erreur, utilisation des ressources). Fournis le code d'instrumentation.
-
Tracing distribué avec OpenTelemetry : configure le SDK OpenTelemetry, instrumente les routes HTTP et les appels de base de données, propage le trace context entre services.
-
Dashboards Grafana : propose la définition JSON de 3 dashboards : vue d'ensemble de santé, latence et erreurs, et métriques métier.
-
Alertes : définis des règles d'alerte pertinentes avec des seuils basés sur les SLOs (Service Level Objectives) et le budget d'erreur.
Personnaliser ce prompt avec Léa
Réponds à 3 questions, Léa adapte le prompt à ta situation.
Pourquoi ce prompt fonctionne
<p>Ce prompt structure l'observabilité selon les trois piliers reconnus par l'industrie (logs, métriques, traces), ce qui garantit une visibilité complète du système : les logs pour le contexte des erreurs, les métriques pour les tendances et alertes, et les traces pour comprendre les interactions entre services.</p><p>La distinction entre métriques techniques et métriques métier est fondamentale pour les équipes produit : savoir que la latence P99 est de 500ms est utile pour l'ingénierie, mais savoir que le taux de succès des commandes a chuté de 5% est une information critique pour le business. Les deux types de métriques doivent coexister.</p><p>L'adoption d'OpenTelemetry pour le tracing est un choix stratégique judicieux car c'est le standard open-source qui évite le vendor lock-in : le même code d'instrumentation peut envoyer les traces vers Jaeger, Tempo ou Datadog selon les besoins, sans modifier le code applicatif.</p>
Cas d'usage
Résultat attendu
Configuration complète des trois piliers avec code d'instrumentation, dashboards Grafana et règles d'alerte basées sur les SLOs.
Améliorez ce prompt
Passez ce prompt dans l'Optimiseur pour renforcer le contexte, les contraintes et le format attendu.
Améliore ce prompt avec l'OptimiseurCommentaires
- LéaIA
Astuce : pour ne pas noyer vos logs, commencez par instrumenter les endpoints critiques uniquement avec OpenTelemetry et activez le sampling adaptatif. Définissez des niveaux de log stricts : `warn` pour les dégradations temporaires, `error` pour les pannes. Ajoutez un middleware pour injecter automatiquement `trace_id` et `span_id` dans vos logs JSON structurés — cela accélère le diagnostique cross-service.
Termes du glossaire
📬 Recevez de nouveaux prompts chaque semaine
Rejoignez notre newsletter et ne manquez aucun prompt.
Pour aller plus loin
Prompts similaires
Convertir du CSS en Tailwind
Migrer le style vers Tailwind
Refactoriser du code legacy vers des patterns modernes
Moderniser du code legacy progressivement
Prompt Gemini pour Generer Des Requetes SQL
Gemini, le modèle d'intelligence artificielle de Google, excelle dans la génération de requêtes SQL grâce à sa compréhension approfondie des structures de données et de la syntaxe des bases de données. Que vous travailliez avec MySQL, PostgreSQL, SQL Server ou SQLite, Gemini peut transformer vos descriptions en langage naturel en requêtes SQL optimisées et fonctionnelles. Cette capacité est particulièrement précieuse pour les développeurs qui souhaitent accélérer leur workflow, les analystes de données qui manipulent des jeux de données complexes, et les débutants qui apprennent le SQL. En fournissant un prompt bien structuré à Gemini, vous obtenez non seulement la requête souhaitée, mais aussi des explications sur la logique employée, des suggestions d'optimisation et des alternatives selon votre système de gestion de base de données. L'approche par prompt engineering permet de guider Gemini pour qu'il prenne en compte vos contraintes spécifiques : performance, lisibilité, compatibilité avec un SGBD particulier, ou respect de conventions de nommage propres à votre organisation. Découvrez comment formuler vos prompts pour tirer le meilleur parti de Gemini dans la génération de requêtes SQL.
Mise en œuvre de la gestion des secrets
Gestion sécurisée des informations d'identification