Retour à tous les cas d'usage

AuditMultisectoriel

Distinguer les tableaux de bord sur lesquels les équipes s'appuient de ceux que personne n'a ouverts depuis un an

Prestataire logistique international

Audit d'un parc tentaculaire de tableaux de bord Grafana pour identifier les doublons, les panneaux cassés et le petit nombre de tableaux de bord réellement utilisés.

Présentation

Un prestataire logistique avait accumulé des milliers de tableaux de bord Grafana répartis entre des dizaines d'équipes, sans aucun modèle de responsabilité. AceMQ a audité ce parc pour déterminer ce qui était réellement utilisé, ce qui était cassé et ce qui devait être standardisé.

Défi

Les tableaux de bord avaient été clonés à répétition : un même service disposait de plusieurs vues légèrement différentes, sans source de vérité claire. Une grande partie des panneaux faisait référence à des métriques qui n'existaient plus après la réécriture de certains services, si bien que les ingénieurs regardaient régulièrement des graphiques vides en concluant que le service était inactif, et non que le panneau était cassé. Impossible de savoir quels tableaux de bord comptaient, puisque leur utilisation n'avait jamais été mesurée.

Environnement

Grafana sur AWS au service de plusieurs business units, avec des tableaux de bord créés au fil de l'eau via l'interface, sans gestion de versions.

Approche

Nous avons extrait l'inventaire complet des tableaux de bord via l'API, confronté chaque requête de panneau aux métriques réellement présentes dans la source de données, puis ajouté les statistiques de consultation pour les classer selon leur utilisation réelle. Il en est ressorti trois listes — à conserver, à corriger, à retirer — ainsi qu'un modèle de conception pour que les futurs tableaux de bord convergent au lieu de diverger.

Solution

  1. Inventaire complet des tableaux de bord et des panneaux extrait via l'API Grafana, structure des dossiers et des permissions comprise
  2. Validation de chaque requête de panneau par rapport aux métadonnées de la source de données en production, pour signaler les panneaux qui font référence à des métriques disparues
  3. Analyse des statistiques de consultation pour classer les tableaux de bord selon leur utilisation réelle plutôt que selon ceux qui crient le plus fort
  4. Analyse des doublons pour identifier les familles de clones à fusionner en un seul tableau de bord paramétré
  5. Modèles de tableaux de bord réutilisables, avec variables, conçus pour couvrir les patterns de services communs à toutes les équipes
  6. Recommandation d'un modèle de provisioning-as-code pour que les tableaux de bord vivent sous gestion de versions avec des responsables nommés

Résultat obtenu

Le parc a été ramené à une petite fraction de son nombre initial de tableaux de bord, les survivants ayant chacun un responsable et étant versionnés. Les ingénieurs ont cessé de prendre des panneaux cassés pour des services sains, ce qui avait été une cause récurrente de détection tardive des incidents.

Technologies

GrafanaPrometheusAmazon S3Terraform

Prêt pour un bilan de santé Grafana ?

Les ingénieurs Grafana seniors d'AceMQ ont déjà mené exactement ce type de mission. Que vous ayez besoin de conseils d'architecture, d'une remédiation concrète ou d'un partenariat managé dans la durée, nous sommes prêts à vous aider.