Module 5 : Davis, problèmes, analyse des causes et notifications

Davis, problèmes dans Dynatrace SaaS : lire une cause racine, interroger les problèmes en DQL, créer une détection d’anomalie et notifier vos équipes.
Module 5 : Davis, problèmes, analyse des causes et notifications

Parcours : Dynatrace SaaS · Module 5/8 — Davis : problèmes et causes racines · Durée : ~60 min · Niveau : intermédiaire

Objectifs :

  • Expliquer comment Davis transforme des anomalies isolées en un problème unique avec une cause racine.
  • Lire un problème dans l’application Problems et retrouver les mêmes données dans Grail avec DQL.
  • Créer une détection d’anomalie personnalisée sur une série temporelle.
  • Choisir le bon canal de notification pour une équipe.

Prérequis : modules 1 à 4 du parcours (plateforme, OneAgent, DQL, Notebooks et Dashboards) et un environnement d’essai avec au moins une application surveillée.

Ce module de formation porte sur Davis et problèmes dans Dynatrace SaaS, c’est-à-dire comment la plateforme repère une anomalie, la relie aux autres symptômes, désigne une cause racine probable et prévient les bonnes personnes. Jusqu’ici, vous avez appris à collecter les données et à les interroger. Il s’agit maintenant de laisser la plateforme travailler à votre place pendant la nuit, puis de savoir relire son raisonnement le matin.

Davis est le moteur d’IA causale de Dynatrace ; dans la communication récente de l’éditeur, ses capacités sont regroupées sous le nom Dynatrace Intelligence. Le principe ne change pas : on part de la topologie (Smartscape) pour expliquer les anomalies, au lieu de corréler des alertes uniquement par l’horodatage.

Comment Davis passe-t-il d’une anomalie à un problème ?

Le cycle tient en quatre étapes, qu’il est utile de garder en tête quand on lit un problème :

Étape Ce qui se passe Ce que vous voyez
1. Référence Davis apprend le comportement normal de chaque entité (temps de réponse, taux d’erreur, trafic, ressources). Rien : c’est l’apprentissage silencieux des premiers jours.
2. Événement Un écart significatif ou un seuil franchi produit un événement Davis rattaché à une entité. Un événement dans la vue de l’entité et dans dt.davis.events.
3. Corrélation Les événements liés par la topologie (un service, sa base, son hôte, son pod) sont regroupés. Un seul problème au lieu de dix alertes.
4. Cause racine Davis remonte les dépendances pour désigner l’entité la plus probablement à l’origine. Une section cause racine et la liste des entités affectées.

Retenez la différence de vocabulaire : un événement est un fait constaté sur une entité ; un problème est un regroupement d’événements que Davis juge liés, avec un cycle de vie (ouvert puis fermé) et un impact.

Lignes de base et seuils

Pour les services et applications, Davis s’appuie d’abord sur des lignes de base automatiques : vous n’avez rien à régler pour être prévenu d’une hausse brutale du taux d’erreur. Pour l’infrastructure, des seuils par défaut existent (saturation CPU, disque presque plein, etc.). Vous pouvez ajuster la sensibilité de ces détections dans les paramètres de détection d’anomalies, par environnement ou par périmètre plus restreint.

Davis, problèmes : lire un problème dans l’application Problems

L’application Problems est le point d’entrée. Pour chaque problème, adoptez la même lecture en quatre questions :

  1. Quoi ? Le titre et la catégorie résument le symptôme principal.
  2. Qui est touché ? Les entités affectées et, le cas échéant, le nombre d’utilisateurs.
  3. Pourquoi ? La cause racine proposée, avec les événements qui l’étayent (déploiement, changement de configuration, saturation).
  4. Depuis quand ? La chronologie : le premier événement est souvent plus parlant que le plus récent.

Depuis le problème, vous pouvez rebondir vers les traces distribuées, les logs de la période et les métriques de l’entité.

Interroger les problèmes avec DQL

Les problèmes et les événements Davis sont stockés dans Grail. Vous pouvez donc les analyser comme n’importe quelle donnée, par exemple pour un bilan hebdomadaire :

fetch dt.davis.problems, from:now()-7d
| summarize nb = count(), by:{event.category}
| sort nb desc

Pour lister les problèmes encore ouverts :

fetch dt.davis.problems, from:now()-24h
| filter event.status == "ACTIVE"
| fields timestamp, display_id, event.name, event.category
| sort timestamp desc

Les noms de champs peuvent évoluer : avant de construire un dashboard, exécutez un simple fetch dt.davis.problems | limit 5 et regardez les champs réellement présents dans votre environnement. La même remarque vaut pour dt.davis.events.

Créer ses propres détections d’anomalies

Les détections intégrées ne couvrent pas vos indicateurs métier. Dans l’application Anomaly Detection, vous pouvez définir une détection personnalisée à partir d’une requête DQL qui renvoie une série temporelle, puis choisir une méthode :

  • seuil statique : simple et prévisible, adapté à une limite contractuelle ;
  • seuil auto-adaptatif : la plateforme apprend la plage normale récente ;
  • ligne de base saisonnière : tient compte des cycles (jour, semaine), utile pour un trafic très variable.

Exemple de série temporelle utilisable comme source, le nombre de requêtes en échec par minute sur les services :

timeseries echecs = sum(dt.service.request.failure_count), interval:1m

Vérifiez le nom de la métrique dans votre environnement (l’éditeur de requêtes propose l’autocomplétion) ; vous pouvez aussi partir d’une métrique extraite des logs, comme on le verra au module 6. Une détection personnalisée produit des événements Davis, qui peuvent ensuite ouvrir un problème.

Notifier les bonnes personnes

Dans Dynatrace SaaS, deux approches coexistent. Les intégrations de notification classiques, configurées dans les paramètres, envoient les problèmes vers un e-mail, un webhook ou un outil de gestion d’incidents. L’approche moderne passe par les Workflows : un déclencheur sur problème Davis, des filtres (catégorie, entités, tags), puis une ou plusieurs actions. Ce second mode est plus souple et sera détaillé au module 7.

Quel que soit le canal, trois règles évitent la fatigue d’alerte : filtrer par périmètre (une équipe ne reçoit que ses services), attendre quelques minutes avant de notifier un problème de faible gravité, et inclure le lien vers le problème dans chaque message. Les équipes qui viennent de Managed retrouveront l’esprit des profils d’alerte décrits dans profils d’alerte et intégrations de notification en Managed, avec des outils différents.

Exercice pratique

Étape 1 — Observer un problème

Dans votre environnement d’essai, ouvrez l’application Problems. Si aucun problème n’est ouvert, générez une charge d’erreurs sur une application de démonstration (par exemple en appelant en boucle une URL inexistante) pendant une dizaine de minutes. Résultat attendu : un problème de catégorie erreur apparaît, avec le service concerné comme entité affectée.

Étape 2 — Répondre aux quatre questions

Ouvrez le problème et notez dans un Notebook : le symptôme, les entités affectées, la cause racine proposée et le premier événement. Résultat attendu : une fiche d’analyse de cinq lignes.

Étape 3 — Retrouver le problème dans Grail

Dans le même Notebook, exécutez la requête sur dt.davis.problems filtrée sur les dernières 24 heures. Résultat attendu : une ligne dont l’identifiant correspond à celui affiché dans l’application.

Étape 4 — Créer une détection personnalisée

Dans Anomaly Detection, créez une détection à seuil statique sur une série temporelle de votre choix, avec un seuil volontairement bas. Résultat attendu : un événement Davis apparaît après quelques minutes ; supprimez ensuite la détection pour ne pas polluer l’environnement.

Quiz

  1. Quelle est la différence entre un événement et un problème ?
    A. Aucune, ce sont des synonymes · B. Un problème regroupe des événements liés, avec une cause racine · C. Un événement est toujours plus grave · D. Un problème ne concerne que l’infrastructure
  2. Sur quoi Davis s’appuie-t-il principalement pour corréler les anomalies ?
    A. L’ordre alphabétique des entités · B. La topologie Smartscape · C. Le nombre d’utilisateurs connectés · D. Les tags uniquement
  3. Quelle méthode convient le mieux à un trafic fortement saisonnier ?
    A. Seuil statique · B. Ligne de base saisonnière · C. Aucune détection · D. Une alerte manuelle
  4. Où sont stockés les problèmes pour être analysés en DQL ?
    A. Dans un fichier local · B. Dans Grail · C. Dans la Cluster Management Console · D. Ils ne sont pas stockés

Corrigé

  1. B — le problème agrège des événements que Davis juge liés et leur attribue une cause racine.
  2. B — les dépendances entre entités permettent d’expliquer plutôt que de simplement corréler dans le temps.
  3. B — elle apprend les cycles journaliers ou hebdomadaires et évite les alertes aux heures creuses.
  4. B — problèmes et événements Davis sont des données Grail, interrogeables avec fetch.

Pour aller plus loin

← Module 4 : Notebooks et Dashboards · Sommaire du parcours · Module 6 : logs et OpenPipeline →

Questions fréquentes

Faut-il configurer Davis pour qu’il fonctionne ?

Non. Les lignes de base et la corrélation sont actives dès que des données arrivent. La configuration sert à affiner : sensibilité, détections personnalisées, notifications.

La cause racine proposée est-elle toujours juste ?

C’est l’hypothèse la plus probable compte tenu de la topologie et des événements disponibles. Elle est fiable quand la couverture est bonne ; une entité non instrumentée peut en revanche échapper à l’analyse.

Peut-on fermer un problème manuellement ?

Un problème se ferme automatiquement quand les événements qui le composent prennent fin. Mieux vaut corriger la cause ou ajuster la détection que de chercher à le masquer.

Avec Davis, l’alerte devient une explication : un problème, une cause probable, un impact. Dans le module suivant, vous apprendrez à donner à Davis davantage de matière en structurant vos logs avec OpenPipeline.

span.observer est un blog indépendant de la communauté, non affilié à Dynatrace LLC. Ce parcours ne remplace pas les formations et certifications officielles de Dynatrace University. Vérifiez les fonctionnalités dans la documentation officielle de votre version.

Total
0
Shares
Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Previous Post
Module 4 — Notebooks et Dashboards : enquêter et partager dans Dynatrace SaaS

Module 4 — Notebooks, Dashboards : enquêter et partager dans Dynatrace SaaS

Next Post
Module 6 : logs OpenPipeline, de l'ingestion à l'analyse dans Grail

Module 6 : logs OpenPipeline, de l’ingestion à l’analyse dans Grail

Related Posts