Les tableaux de bord de performance affichent encore très souvent une moyenne. C’est rassurant, lisible, et presque toujours trompeur. Prenons un service dont 90 % des appels répondent en 50 ms et 10 % en 1,5 seconde : la moyenne tombe à 195 ms. Ce chiffre ne décrit ni les utilisateurs satisfaits ni ceux qui attendent. Il masque précisément la population qui va ouvrir un ticket ou abandonner son panier. C’est ce que corrigent les métriques histogrammes OpenPipeline présentées ici.
Les pratiques SRE ont depuis longtemps tranché la question : un objectif de niveau de service se formule en distribution (« 99 % des requêtes en moins de 800 ms »), pas en moyenne. Encore faut-il disposer de données qui conservent cette distribution. C’est le rôle des métriques de type histogramme, et Dynatrace SaaS permet désormais de les produire directement à l’ingestion avec OpenPipeline, à partir des spans et des logs déjà collectés.
Cet article explique ce qu’apporte ce type de métrique, à quel moment il vaut mieux l’utiliser plutôt qu’une requête sur les données brutes, et comment l’intégrer dans une démarche SLO.
Moyenne, résumé, histogramme : trois façons de perdre (ou non) l’information
La valeur unique
Moyenne, minimum, maximum : ces agrégats réduisent des milliers d’observations à un nombre. Une fois stockés seuls, impossible de revenir en arrière. Vous ne saurez jamais quelle part des requêtes a dépassé un seuil donné.
Le résumé précalculé
Certaines bibliothèques d’instrumentation calculent des quantiles côté client, puis les exportent. Le problème apparaît dès qu’on a plusieurs instances : le p99 de l’instance A et le p99 de l’instance B ne permettent pas de calculer le p99 global. Les quantiles ne s’additionnent pas.
L’histogramme
Un histogramme range chaque observation dans un intervalle (un « bucket ») et compte les occurrences par intervalle. La forme de la distribution est préservée : le gros des requêtes rapides, la traîne lente, et tout ce qui se trouve entre les deux. Comme ce sont des compteurs, les histogrammes de plusieurs instances se fusionnent, et les centiles peuvent être calculés côté serveur sur l’ensemble du parc.
Côté format, la spécification OpenTelemetry définit deux variantes : l’histogramme à bornes explicites et l’histogramme exponentiel, dont les bornes s’adaptent à la plage des valeurs observées. Le support n’est pas identique selon la voie d’entrée : à l’ingestion OTLP, Dynatrace stocke les buckets des histogrammes explicites, mais seulement min, max, somme et nombre pour les histogrammes exponentiels. Avant de bâtir un SLO, vérifiez dans la documentation Dynatrace sur les histogrammes quel format est conservé pour votre source.
Requête sur le brut ou métrique extraite ?
Rien n’empêche de calculer un centile directement sur les spans stockés dans Grail :
fetch spans
| makeTimeseries percentile(duration, 95), by:{endpoint.name}
Cette approche reste parfaite pour une exploration ponctuelle. En revanche, chaque exécution relit l’ensemble des spans de la période. Sur une tuile de dashboard rafraîchie toutes les minutes, sur une fenêtre de trente jours ou dans un SLO évalué en continu, ce retraitement coûte du temps et des ressources.
Avec une règle d’extraction de métrique histogramme dans OpenPipeline, la distribution est calculée une fois, au moment de l’ingestion. La même analyse devient une simple requête de séries temporelles :
timeseries percentile(span.api.duration, 95), by:{endpoint.name}
Point important : aucune ré-instrumentation n’est nécessaire. Ni les SDK, ni les collecteurs OpenTelemetry, ni le code applicatif ne changent. OpenPipeline travaille sur les flux de spans et de logs qui arrivent déjà dans Dynatrace. Les métriques produites sont stockées dans Grail et utilisables en DQL, dans les Dashboards, dans les définitions de SLO et par la détection d’anomalies, avec la même rétention et les mêmes contrôles d’accès que n’importe quelle autre métrique.
Une règle simple pour choisir : si une question de distribution revient régulièrement (tuile permanente, SLO, alerte), elle mérite une métrique histogramme ; si elle est posée une fois pendant une investigation, la requête sur le brut suffit.
En pratique : vos métriques histogrammes OpenPipeline
Étape 1 — Identifier les distributions qui comptent
Listez les mesures sur lesquelles vos utilisateurs ou vos SLO sont réellement sensibles : durée des appels d’API publiques, temps de traitement d’un job, temps d’inférence d’un modèle de machine learning, ou une valeur numérique présente dans des logs (taille de message, délai de file d’attente). Commencez par deux ou trois candidates, pas par tout le catalogue.
Étape 2 — Vérifier les données source
Avant de créer la règle, assurez-vous que le champ existe et qu’il est numérique sur le périmètre visé. Pour des spans, une requête exploratoire de ce type permet de valider le périmètre et les dimensions utiles :
fetch spans, from:now()-1h
| filter isNotNull(endpoint.name)
| summarize appels = count(), p95 = percentile(duration, 95), by:{endpoint.name}
| sort appels desc
| limit 20
Pour une valeur extraite de logs, le champ doit d’abord être disponible sous forme numérique, par exemple grâce à un processeur de parsing en amont dans le même pipeline.
Étape 3 — Créer la règle d’extraction dans OpenPipeline
Dans la configuration OpenPipeline du flux concerné (spans ou logs), ajoutez une extraction de métrique de type histogramme. Vous définissez une clé de métrique (ici span.api.duration, à remplacer par la vôtre), sélectionnez le champ source, et OpenPipeline enregistre chaque valeur comme point d’histogramme. Pour les spans, la variante « Sampling Aware Histogram Metric » tient compte de l’échantillonnage. Choisissez avec soin les dimensions conservées : chaque dimension supplémentaire multiplie le nombre de séries. La documentation OpenPipeline détaille les options disponibles.
Étape 4 — Interroger la métrique
Une fois les données arrivées, plusieurs centiles se calculent depuis la même métrique, sans relire le brut. Le choix entre p50, p90, p95 ou p99 se fait au moment de la requête et non plus à l’instrumentation. Pour tracer la médiane et la traîne sur un même graphique, combinez plusieurs agrégations dans la commande timeseries.
Étape 5 — Brancher un SLO sur la distribution
La question SLO classique est l’inverse du centile : non pas « quelle est la latence au p99 ? », mais « quelle proportion de requêtes passe sous 500 ms ? ». La nouvelle fonction d’agrégation percentRank() répond à cette question : à partir d’un seuil, elle renvoie la fraction estimée des observations situées en dessous. C’est la base naturelle d’un SLO de latence fondé sur la distribution. Consultez la documentation DQL pour sa syntaxe exacte.
Ce que la distribution révèle de plus
Au-delà des SLO, conserver la forme des données change la lecture des incidents. Une distribution bimodale indique souvent deux chemins de code distincts, par exemple un cache qui répond ou non. Une traîne qui s’allonge après un déploiement signale une régression que la médiane ne montre pas encore. Une alerte posée sur un centile élevé de la métrique histogramme peut ainsi repérer l’élargissement de la traîne, là où un seuil sur la moyenne resterait muet ; la documentation de détection d’anomalies précise les modèles disponibles.
Bonnes pratiques
- Bannir la moyenne des SLO de latence : formulez-les en proportion sous un seuil ou en centile.
- Limiter les dimensions : endpoint et service suffisent souvent ; évitez les identifiants à forte cardinalité.
- Garder le brut pour l’exploration : la métrique répond aux questions récurrentes, les spans et logs restent la référence pour l’analyse fine.
- Comparer avant de basculer : sur une période test, rapprochez le centile issu de la métrique de celui calculé sur le brut pour valider la règle.
- Documenter les clés de métrique : une convention de nommage claire évite les doublons entre équipes.
Questions fréquentes
Faut-il modifier l’instrumentation pour obtenir des métriques histogrammes ?
Non. OpenPipeline travaille sur les spans et les logs qui arrivent déjà dans Dynatrace : ni les SDK, ni les collecteurs OpenTelemetry, ni le code applicatif ne changent.
Quand vaut-il mieux interroger les données brutes ?
Pour une question posée une seule fois, pendant une investigation, une requête sur les spans ou les logs suffit. La métrique histogramme se justifie dès que la question revient régulièrement : tuile permanente, SLO ou alerte.
Comment formuler un SLO de latence à partir d’un histogramme ?
En proportion sous un seuil plutôt qu’en moyenne. La fonction d’agrégation percentRank() renvoie la fraction estimée des observations situées sous un seuil donné ; la documentation DQL précise sa syntaxe.
Conclusion
Les métriques histogrammes réconcilient deux besoins longtemps opposés : la précision de l’analyse sur données brutes et la rapidité d’une métrique pré-agrégée. En les produisant à l’ingestion, OpenPipeline les rend accessibles sans toucher à l’instrumentation existante. Pour une équipe qui pilote sa fiabilité par les SLO, c’est l’occasion de remplacer enfin les moyennes rassurantes par des chiffres qui décrivent l’expérience de tous les utilisateurs, y compris les plus mal servis. Pour vous faire la main sur la syntaxe avant de toucher à votre environnement, le Dynatrace Playground propose des exemples de requêtes sur des métriques histogrammes.
Pour aller plus loin : Create histogram metrics at ingest with OpenPipeline (blog Dynatrace, en anglais).
span.observer est un blog indépendant de la communauté, non affilié à Dynatrace LLC. Dynatrace est une marque de Dynatrace LLC. Les fonctionnalités SaaS évoluent vite : vérifiez leur disponibilité dans votre environnement et dans la documentation officielle.
1 comment