Public cible
Débutants, étudiants et professionnels qui souhaitent acquérir une pratique structurée dans ce domaine.
Surveillance et continuité de service
Surveillance et continuité de service
Se connecter pour s'inscrireMonitoring et gestion des incidents
Mesurer la disponibilité d’un service, détecter les dégradations et tester une procédure de reprise après incident.
-
-
Objectifs
Comprendre les notions essentielles et les appliquer dans un projet vérifiable.
-
Prérequis
Aucune connaissance préalable n’est strictement obligatoire ; les prérequis détaillés sont précisés dans les ateliers.
-
Niveau
Bac+2
-
Ressources
- Documentation officielle et références citées dans les ateliers.
- Exercices, examens et projet de synthèse du catalogue.
-
Validation des compétences
La validation repose sur les évaluations actives et les livrables pratiques du cours.
-
Besoins techniques
Un ordinateur, un navigateur et les outils indiqués dans le premier atelier sont suffisants pour commencer.
Modules associés
Exercices, examens et projets
Indicateurs et alertes
Exercice
Atelier supervision
Configurer des indicateurs et une alerte pour un service critique.
Obligatoire Consulter
Examen
Examen continuité
Évaluer la supervision, la reprise et l'analyse des incidents.
Obligatoire Consulter
Projet
Projet continuité
Construire un tableau de bord et un plan de reprise testé.
Livrables :
- Tableau de bord
- Plan de reprise
- Rapport d'incident
Reprise après incident
Exercice
Atelier supervision
Configurer des indicateurs et une alerte pour un service critique.
Obligatoire Consulter
Examen
Examen continuité
Évaluer la supervision, la reprise et l'analyse des incidents.
Obligatoire Consulter
Projet
Projet continuité
Construire un tableau de bord et un plan de reprise testé.
Livrables :
- Tableau de bord
- Plan de reprise
- Rapport d'incident
Surveillance et continuité de service
Mesurer la santé d’un service, détecter les dégradations et préparer une continuité de service testée plutôt que théorique.
À la fin du cours
- Définir des indicateurs de disponibilité, de latence et d’erreur.
- Construire des seuils, des alertes et des tableaux de bord utiles.
- Préparer sauvegardes, restauration et plan de reprise.
- Conduire une analyse d’incident et améliorer le service.
Organisation
Le cours articule indicateurs, alertes, continuité et retour d’expérience.
Prérequis : Bases de monitoring, réseau et sauvegardes.
Indicateurs et objectifs
Commencer par le service vu par l’utilisateur : disponibilité, latence, taux d’erreur, saturation et fraîcheur des données. Un CPU élevé n’est un incident que si une capacité métier est affectée.
Définir une fenêtre, une fréquence de mesure et un objectif mesurable. Les métriques doivent être comparables dans le temps et associates à une action décidée.
Disponibilité = requêtes réussies / requêtes attendues sur une fenêtre de 5 minutes
Point de contrôle : Chaque indicateur a une unité, une source, un seuil et une action associée.
Alertes et diagnostic
Une alerte doit être peu nombreuse, contextualisée et routée vers un propriétaire. Éviter les seuils trop bas qui transforment le bruit en fatigue et les seuils trop hauts qui arrivent après l’incident.
Corréler métriques, logs et traces. Commencer par la portée, puis mesurer la propagation et rechercher la première anomalie.
HTTP 5xx > 2 % pendant 5 minutes → alerte et ticket d’incident
Point de contrôle : L’alerte contient le service, la période, la valeur et le lien vers le runbook.
Sauvegardes et reprise
Définir RPO, RTO, périmètre, fréquence et durée de conservation. Une sauvegarde non testée ne constitue pas une garantie de reprise.
Préparer une restauration isolée, valider les données et Applications après reprise, puis documenter les accès et la décision de bascule.
Méthode
- Capturer la sauvegarde.
- Restaurer sur un environnement isolé.
- Vérifier données et applicatif.
- Mesurer le temps réel.
Point de contrôle : Le temps de restauration est mesuré et inférieur à l’objectif annoncé.
Retour d’expérience
Après un incident, décrire la chronologie, les signaux manqués, l’impact et les décisions. Chercher les causes de système et les actions qui rendent la détection plus rapide.
Mettre à jour les alertes, runbooks, sauvegardes et indicateurs. Une action sans propriétaire ni échéance n’est pas un plan d’amélioration.
Fait : saturation mémoire; Impact : 12 % d’erreurs; Action : seuils mémoire et test de charge avant le 30/06.
Point de contrôle : Le retour d’expérience contient au moins une action testée et une échéance.
Livrables et validation
Le livrable doit montrer une compréhension personnelle, des choix explicités et une vérification par un cas de test ou une procédure reproductible.
- Un tableau de bord avec objectifs et sources.
- Des alertes avec seuils, propriétaire et runbook.
- Une procédure de sauvegarde et de restauration testée.
- Un modèle de retour d’expérience d’incident.
Critère de réussite : La continuité est validée par une alerte, une restauration mesurée et un exercice documentant le temps de récupération.
Publié le 29/11/2025