Anypoint Insights & observabilité (Course #observability)
For ops, admins, architectes.
À la fin, vous saurez
À l'issue de cette formation, vous serez capable de mettre la plateforme sous instrumentation complète — dashboards, métriques métier, traces, alarmes calibrées — pour réduire le délai de détection de 25 min à moins de 5.
Cas fil rouge
Kestrel Santé exploite 60 intégrations Mule pour la planification patient, mais sans visibilité : alertes uniquement sur CPU, détection moyenne à 25 minutes, post-mortems sans preuves de trace. La guilde SRE doit installer une observabilité complète en un trimestre — dashboards signaux d'or, alarmes liées aux traces, télémétrie exportée — sous un plafond d'ingestion de 15 Go/jour.
Programme chaque ligne est quelque chose que vous faites
5 modules · 13 sujets · dans l'ordre du cours
-
Module 1
Des dashboards qui décident
Objectif. Construire des dashboards signaux d'or avec métriques personnalisées et règles d'alarme taillées pour réduire le bruit.
- Composer des dashboards autour des signaux d'or — latence p95, taux d'erreur, saturation — par groupe applicatif
- Définir des métriques métier issues des événements (commandes/min, sinistres/h) aux côtés des jauges JVM
- Calibrer les alarmes par paliers warning/critical et fenêtres de dédoublonnage (cible : −70 % d'alertes)
-
Module 2
De l'analytics aux KPI
Objectif. Transformer l'analytics multi-environnements en bases de tendance et KPI métier présentables au comité.
- Agréger l'analytics des API entre environnements en bases semaine/semaine sur volumes et erreurs
- Classer les API par taux de consommation du budget SLO pour tuner là où les consommateurs sentent la dégradation
- Dériver des KPI métier (sinistres déposés/h) de l'usage analytique et les publier sur une vue comité
-
Module 3
Une trace, toute l'histoire
Objectif. Suivre un message unique à travers les couches API-led par trace ID et y adjoindre les logs correspondants.
- Lire les cascades de spans entre couches Experience→Process→System pour localiser la latence ajoutée
- Joindre logs et traces par correlationId (cible : 100 % de jointures) pour que chaque span porte sa preuve
-
Module 4
Télémétrie sans enfermement
Objectif. Diffuser métriques et logs vers Splunk/Datadog/Grafana via un schéma d'export chiffrable avant généralisation.
- Exporter métriques et logs vers Splunk, Datadog ou Grafana après dimensionnement de l'ingest (plafond : 15 Go/jour)
- Évaluer les collecteurs OpenTelemetry comme couche de normalisation de sources Mule et non-Mule mêlées
-
Module 5
Avant que le pager sonne
Objectif. Anticiper grâce aux budgets d'erreur, alertes d'anomalie et prévisions de capacité plutôt que subir.
- Superviser les SLA en budgets d'erreur (99,9 % de disponibilité ≈ 43 min/mois d'indisponibilité tolérée)
- Régler la détection d'anomalies sur le trafic saisonnier pour saisir la dérive avant l'escalade consommateur
- Planifier la capacité workers six semaines avant la saturation projetée, à partir des tendances insights
Références & documentation officielle chaque affirmation ci-dessus a une source
Module 1
- Recevoir des alertes dans Anypoint MonitoringDoc MuleSoft
- Configurer des tableaux de bord personnalisésDoc MuleSoft
Module 2
- Analytique des API MuleDoc MuleSoft
Module 3
- W3C Trace ContextSpécification
- Correlation IDDoc MuleSoft
- Examiner les tracesDoc MuleSoft