Exercice 06 : Projet Capstone - Stack de Monitoring Complet avec Prometheus et Grafana

🎯 Objectifs

À la fin de cet exercice, vous serez capable de :

✅ Déployer Prometheus et Grafana avec Docker Compose
✅ Configurer le scraping de métriques dans prometheus.yml
✅ Écrire des requêtes PromQL de base et avancées
✅ Créer un dashboard Grafana avec des panels de métriques
✅ Configurer des règles d'alerting et AlertManager

Durée estimée : 1h

Difficulté : ⭐⭐⭐⭐☆ (Avancé)

Prérequis :

Docker et Docker Compose installés
Module Monitoring complété (Prometheus, Grafana, alerting, logs)

📖 Contexte

Votre équipe a déployé plusieurs applications et n'a aucune visibilité sur leur état de santé. Vous allez mettre en place le stack d'observabilité complet : Prometheus pour les métriques, Grafana pour la visualisation, AlertManager pour les alertes, et Node Exporter pour les métriques système.

📋 Énoncé

Déployez une stack de monitoring complète avec Prometheus + Grafana + AlertManager + Node Exporter, créez un dashboard, et configurez des alertes.

🧭 Déroulement de l'exercice

Tâche 1 : Déployer la stack avec Docker Compose

Créez un docker-compose.yml pour déployer les services suivants :

Prometheus (port 9090) avec un volume pour les données et la config
Grafana (port 3000) avec un volume pour la persistance
Node Exporter (port 9100) pour les métriques système de l'hôte
AlertManager (port 9093) pour le routage des alertes

Indice : Node Exporter a besoin d'accéder aux métriques de l'hôte via des mounts : /proc, /sys, et / en lecture seule. --path.procfs=/host/proc --path.sysfs=/host/sys --collector.filesystem.mount-points-exclude=...

Vérification : docker compose up -d. curl http://localhost:9090/-/healthy retourne Prometheus Server is Healthy. curl http://localhost:9100/metrics | head -20 affiche des métriques.

Tâche 2 : Configurer prometheus.yml

Créez prometheus.yml avec :

global.scrape_interval: 15s
Un scrape job prometheus (self-monitoring)
Un scrape job node pointant vers node-exporter:9100
Un lien vers les règles d'alerting alerting_rules.yml

Indice :
`yaml
global:
scrape_interval: 15s
evaluation_interval: 15s

rule_files:
- "alerting_rules.yml"

alerting:
alertmanagers:
- static_configs:
- targets: ["alertmanager:9093"]

scrape_configs:
- job_name: prometheus
static_configs:
- targets: ["localhost:9090"]
- job_name: node
static_configs:
- targets: ["node-exporter:9100"]
`

Vérification : Dans Prometheus UI (http://localhost:9090) → Status → Targets, les 2 targets sont UP.

Tâche 3 : Écrire des requêtes PromQL

Dans l'interface Prometheus (http://localhost:9090), écrivez et exécutez les 5 requêtes suivantes :

CPU usage (%) : 100 - (avg(irate(node_cpu_seconds_total{mode="idle"}[5m])) * 100)
RAM utilisée (GB) : (node_memory_MemTotal_bytes - node_memory_MemFree_bytes - node_memory_Cached_bytes) / 1024^3
Disque utilisé (%) : 100 - ((node_filesystem_avail_bytes{mountpoint="/"} / node_filesystem_size_bytes{mountpoint="/"}) * 100)
Uptime système (heures) : node_time_seconds - node_boot_time_seconds) / 3600
Nombre de goroutines Prometheus : go_goroutines{job="prometheus"}

Indice : irate() calcule le taux instantané. avg() agrège sur toutes les instances. Les accolades {} filtrent par label. [5m] est la fenêtre de temps.

Vérification : Les 5 requêtes retournent des valeurs numériques sans erreur dans Prometheus.

Tâche 4 : Créer un dashboard Grafana

Connectez-vous à Grafana (http://localhost:3000, admin/admin). Créez un nouveau dashboard Monitoring Système avec 4 panels :

Gauge : Utilisation CPU en % (query de la tâche 3)
Gauge : Utilisation RAM en %
Time series : Évolution CPU sur 1 heure
Stat : Uptime du système

Indice : Dashboard → New → Add panel. Sélectionnez la source Prometheus. Collez la requête PromQL. Le type de visualisation se choisit dans la colonne de droite. Sauvegardez le dashboard avec Ctrl+S.

Vérification : Le dashboard Monitoring Système affiche 4 panels avec des données en temps réel.

Tâche 5 : Créer des règles d'alerting

Créez le fichier alerting_rules.yml avec 2 règles :

HighCPU : alerte si CPU > 80% pendant 5 minutes
LowDiskSpace : alerte si espace disque disponible < 10%

Indice :
`yaml
groups:
- name: system_alerts
rules:
- alert: HighCPU
expr: 100 - (avg(irate(node_cpu_seconds_total{mode="idle"}[5m])) * 100) > 80
for: 5m
labels:
severity: warning
annotations:
summary: "CPU élevé sur {{ $labels.instance }}"
description: "CPU à {{ $value | printf \"%.1f\" }}%"
`
for: 5m attend 5 minutes de condition vraie avant de déclencher l'alerte.

Vérification : Dans Prometheus → Alerts, les 2 règles apparaissent en état Inactive (conditions non atteintes).

Tâche 6 : Configurer AlertManager

Créez alertmanager.yml avec une route de base qui envoie toutes les alertes vers un receiver default. Le receiver simule une notification (pas besoin d'un vrai Slack/email pour cet exercice).

Indice :
`yaml
route:
receiver: default
group_by: [alertname]
group_wait: 10s
group_interval: 5m
repeat_interval: 1h

receivers:
- name: default
webhook_configs:
- url: 'http://localhost:5001/webhook'
send_resolved: true
`
Sans webhook réel, AlertManager logge les notifications. docker compose logs alertmanager montre les alertes déclenchées.

Vérification : curl http://localhost:9093/api/v1/status retourne les informations d'AlertManager. Dans Prometheus → Alerts, les alertes sont bien connectées à AlertManager.

🗂️ Mini-Projet : Stack monitoring complète

Arborescence du projet :

monitoring-stack/
├── docker-compose.yml
├── prometheus.yml
├── alerting_rules.yml
└── alertmanager.yml

Tests de validation :

bash

# Démarrer la stack
docker compose up -d

# Attendre le démarrage
sleep 10

# Vérifier les health checks
curl -s http://localhost:9090/-/healthy
curl -s http://localhost:9093/-/healthy
curl -s http://localhost:9100/metrics | grep "node_cpu_seconds_total" | head -3

# Vérifier les targets Prometheus
curl -s http://localhost:9090/api/v1/targets | python3 -m json.tool | grep '"health"'

# Tester une requête PromQL via l'API
curl -s "http://localhost:9090/api/v1/query?query=up" | python3 -m json.tool

# Voir les alertes configurées
curl -s http://localhost:9090/api/v1/rules | python3 -m json.tool

# Grafana accessible
curl -s -o /dev/null -w "%{http_code}" http://localhost:3000/login

Checkpoints de validation :

Tous les services sont running (docker compose ps)
Prometheus Targets : node et prometheus sont UP
Les 5 requêtes PromQL retournent des valeurs
Le dashboard Grafana affiche 4 panels avec des données
Les 2 règles d'alerting sont visibles dans Prometheus → Alerts
AlertManager répond sur http://localhost:9093

Exercice 06 : Projet Capstone - Stack de Monitoring Complet avec Prometheus et Grafana

🎯 Objectifs

À la fin de cet exercice, vous serez capable de :

✅ Déployer Prometheus et Grafana avec Docker Compose
✅ Configurer le scraping de métriques dans prometheus.yml
✅ Écrire des requêtes PromQL de base et avancées
✅ Créer un dashboard Grafana avec des panels de métriques
✅ Configurer des règles d'alerting et AlertManager

Durée estimée : 1h

Difficulté : ⭐⭐⭐⭐☆ (Avancé)

Prérequis :

Docker et Docker Compose installés
Module Monitoring complété (Prometheus, Grafana, alerting, logs)

📖 Contexte

📋 Énoncé

Déployez une stack de monitoring complète avec Prometheus + Grafana + AlertManager + Node Exporter, créez un dashboard, et configurez des alertes.

🧭 Déroulement de l'exercice

Tâche 1 : Déployer la stack avec Docker Compose

Créez un docker-compose.yml pour déployer les services suivants :

Prometheus (port 9090) avec un volume pour les données et la config
Grafana (port 3000) avec un volume pour la persistance
Node Exporter (port 9100) pour les métriques système de l'hôte
AlertManager (port 9093) pour le routage des alertes

Indice : Node Exporter a besoin d'accéder aux métriques de l'hôte via des mounts : /proc, /sys, et / en lecture seule. --path.procfs=/host/proc --path.sysfs=/host/sys --collector.filesystem.mount-points-exclude=...

Vérification : docker compose up -d. curl http://localhost:9090/-/healthy retourne Prometheus Server is Healthy. curl http://localhost:9100/metrics | head -20 affiche des métriques.

Tâche 2 : Configurer prometheus.yml

Créez prometheus.yml avec :

global.scrape_interval: 15s
Un scrape job prometheus (self-monitoring)
Un scrape job node pointant vers node-exporter:9100
Un lien vers les règles d'alerting alerting_rules.yml

Indice :
`yaml
global:
scrape_interval: 15s
evaluation_interval: 15s

rule_files:
- "alerting_rules.yml"

alerting:
alertmanagers:
- static_configs:
- targets: ["alertmanager:9093"]

scrape_configs:
- job_name: prometheus
static_configs:
- targets: ["localhost:9090"]
- job_name: node
static_configs:
- targets: ["node-exporter:9100"]
`

Vérification : Dans Prometheus UI (http://localhost:9090) → Status → Targets, les 2 targets sont UP.

Tâche 3 : Écrire des requêtes PromQL

Dans l'interface Prometheus (http://localhost:9090), écrivez et exécutez les 5 requêtes suivantes :

CPU usage (%) : 100 - (avg(irate(node_cpu_seconds_total{mode="idle"}[5m])) * 100)
RAM utilisée (GB) : (node_memory_MemTotal_bytes - node_memory_MemFree_bytes - node_memory_Cached_bytes) / 1024^3
Disque utilisé (%) : 100 - ((node_filesystem_avail_bytes{mountpoint="/"} / node_filesystem_size_bytes{mountpoint="/"}) * 100)
Uptime système (heures) : node_time_seconds - node_boot_time_seconds) / 3600
Nombre de goroutines Prometheus : go_goroutines{job="prometheus"}

Indice : irate() calcule le taux instantané. avg() agrège sur toutes les instances. Les accolades {} filtrent par label. [5m] est la fenêtre de temps.

Vérification : Les 5 requêtes retournent des valeurs numériques sans erreur dans Prometheus.

Tâche 4 : Créer un dashboard Grafana

Connectez-vous à Grafana (http://localhost:3000, admin/admin). Créez un nouveau dashboard Monitoring Système avec 4 panels :

Gauge : Utilisation CPU en % (query de la tâche 3)
Gauge : Utilisation RAM en %
Time series : Évolution CPU sur 1 heure
Stat : Uptime du système

Indice : Dashboard → New → Add panel. Sélectionnez la source Prometheus. Collez la requête PromQL. Le type de visualisation se choisit dans la colonne de droite. Sauvegardez le dashboard avec Ctrl+S.

Vérification : Le dashboard Monitoring Système affiche 4 panels avec des données en temps réel.

Tâche 5 : Créer des règles d'alerting

Créez le fichier alerting_rules.yml avec 2 règles :

HighCPU : alerte si CPU > 80% pendant 5 minutes
LowDiskSpace : alerte si espace disque disponible < 10%

Indice :
`yaml
groups:
- name: system_alerts
rules:
- alert: HighCPU
expr: 100 - (avg(irate(node_cpu_seconds_total{mode="idle"}[5m])) * 100) > 80
for: 5m
labels:
severity: warning
annotations:
summary: "CPU élevé sur {{ $labels.instance }}"
description: "CPU à {{ $value | printf \"%.1f\" }}%"
`
for: 5m attend 5 minutes de condition vraie avant de déclencher l'alerte.

Vérification : Dans Prometheus → Alerts, les 2 règles apparaissent en état Inactive (conditions non atteintes).

Tâche 6 : Configurer AlertManager

Créez alertmanager.yml avec une route de base qui envoie toutes les alertes vers un receiver default. Le receiver simule une notification (pas besoin d'un vrai Slack/email pour cet exercice).

Indice :
`yaml
route:
receiver: default
group_by: [alertname]
group_wait: 10s
group_interval: 5m
repeat_interval: 1h

receivers:
- name: default
webhook_configs:
- url: 'http://localhost:5001/webhook'
send_resolved: true
`
Sans webhook réel, AlertManager logge les notifications. docker compose logs alertmanager montre les alertes déclenchées.

Vérification : curl http://localhost:9093/api/v1/status retourne les informations d'AlertManager. Dans Prometheus → Alerts, les alertes sont bien connectées à AlertManager.

🗂️ Mini-Projet : Stack monitoring complète

Arborescence du projet :

monitoring-stack/
├── docker-compose.yml
├── prometheus.yml
├── alerting_rules.yml
└── alertmanager.yml

Tests de validation :

bash

# Démarrer la stack
docker compose up -d

# Attendre le démarrage
sleep 10

# Vérifier les health checks
curl -s http://localhost:9090/-/healthy
curl -s http://localhost:9093/-/healthy
curl -s http://localhost:9100/metrics | grep "node_cpu_seconds_total" | head -3

# Vérifier les targets Prometheus
curl -s http://localhost:9090/api/v1/targets | python3 -m json.tool | grep '"health"'

# Tester une requête PromQL via l'API
curl -s "http://localhost:9090/api/v1/query?query=up" | python3 -m json.tool

# Voir les alertes configurées
curl -s http://localhost:9090/api/v1/rules | python3 -m json.tool

# Grafana accessible
curl -s -o /dev/null -w "%{http_code}" http://localhost:3000/login

Checkpoints de validation :

Tous les services sont running (docker compose ps)
Prometheus Targets : node et prometheus sont UP
Les 5 requêtes PromQL retournent des valeurs
Le dashboard Grafana affiche 4 panels avec des données
Les 2 règles d'alerting sont visibles dans Prometheus → Alerts
AlertManager répond sur http://localhost:9093