TP 1 — Rendre la vue au SOC : superviser les conteneurs de PAF

Auteur : Thibaut Fontaine
Institution : Université de la Réunion
Date : 2025

---

Table des matières

• Objectifs et Contexte
• Prérequis
• Étape 1 : Création du Dashboard et des Variables
• Étape 2 : Création des Indicateurs Clés (KPIs)
• Étape 3 : Création des Graphiques d’Historique
• Dépannage

---

Objectifs et Contexte

📡 Poste SOC · La Réunion — vous supervisez Port-aux-Français (Kerguelen), à ~3 300 km. Liaison SATCOM nominale.

🎯 Objectif métier — superviser en temps réel les conteneurs d’une base TAAF et repérer une dérive avant qu’un service ne lâche.

Contexte

Un service tombe à Kerguelen. Vous l’apprenez quand un chercheur trouve porte close — six heures et un fuseau horaire plus tard. Aujourd’hui, on inverse l’ordre : depuis le SOC de La Réunion, vous le verrez dériver avant qu’il ne lâche.

Concrètement, vous montez le premier tableau de bord de supervision des conteneurs Docker de la station (bases de données, applications). C’est la baseline : sans elle, rien d’anormal ne se voit — ni une panne, ni un intrus. Première brique du fil rouge : Voir, avant de Détecter.

🔴 Au fil de l’enquête

Le jour J à 08:00Z, l’intrusion démarrera par un simple phishing — indétectable sur une infra qu’on ne regarde pas. Ce TP n’attrape pas l’attaquant : il pose les yeux. La baseline que vous construisez ici est exactement ce qui rendra l’anormal visible aux Actes 2 et 3.

---

Objectifs Pédagogiques

• Mettre en place et configurer des variables de dashboard pour le filtrage dynamique
• Créer des panneaux avec des requêtes PromQL pour visualiser l’état et la performance des conteneurs
• Maîtriser les métriques clés de cAdvisor (container_cpu..., container_memory..., etc.)
• Apprendre à déboguer des problèmes courants de visualisation (“No data”, légendes incorrectes)
• Configurer les options visuelles (unités, légendes, styles, “stacking”) pour une lisibilité optimale

Architecture du TP1

graph LR
 subgraph "Conteneurs Docker"
 PG[postgres-af]
 NC[nextcloud-taaf]
 ADM[adminer]
 end

 subgraph "Stack Monitoring"
 CAD[cAdvisor
Port: 8081]
 PROM[Prometheus
Port: 9090]
 GRAF[Grafana
Port: 3000]
 end

 PG -.->|surveille|CAD
 NC -.->|surveille|CAD
 ADM -.->|surveille|CAD

 CAD -->|métriques|PROM
 PROM -->|datasource|GRAF

 U[Vous] -->|créez dashboard|GRAF

 classDef infra fill:#ffcc99,stroke:#333,stroke-width:2px
 classDef monitoring fill:#99ff99,stroke:#333,stroke-width:2px
 classDef user fill:#99ccff,stroke:#333,stroke-width:2px

 class PG,NC,ADM infra
 class CAD,PROM,GRAF monitoring
 class U user

Dans ce TP, vous allez :

1. Utiliser cAdvisor pour collecter les métriques des conteneurs
2. Interroger Prometheus avec des requêtes PromQL
3. Créer un dashboard Grafana pour visualiser les métriques en temps réel

Prérequis

Convention d’accès — localhost, IP_VM2 ou nom de service ?

L’adresse change selon d’où vous lancez la commande :

• curl / CLI en SSH sur la VM → localhost est correct (vous êtes sur la machine).
• Navigateur depuis votre poste (« Ouvrez http://localhost:3000 ») → utilisez http://IP_VM2:3000.
• Datasource Grafana (Prometheus, Loki) → nom de service Docker (http://prometheus:9090, http://loki:3100), jamais localhost ni l’IP.

Glossaire express

• Exporter : service qui expose des métriques au format Prometheus (ex. cAdvisor pour les conteneurs, node_exporter pour l’hôte).
• Scrape : Prometheus « aspire » périodiquement les métriques exposées par les exporters.
• Datasource : source de données branchée dans Grafana (Prometheus, Loki, PostgreSQL).
• Label : étiquette clé=valeur attachée à une métrique/un log, qui sert à filtrer (job, base…).
• PromQL / LogQL : langages de requête de Prometheus (métriques) et Loki (logs).

• Une instance Grafana fonctionnelle (démarrez la stack avec docker compose up -d)
• Prometheus doit être démarré et accessible, collectant les métriques d’un exporteur cAdvisor supervisant plusieurs conteneurs (ex: postgres-af, nextcloud, adminer, prometheus, etc.)

Certificats SSL pour *.univ-taaf.internal

Pour éviter les avertissements SSL, utilisez mkcert pour générer des certificats de confiance :

# Installation (une seule fois)
mkcert -install

# Génération du certificat wildcard
mkcert '*.univ-taaf.internal' localhost 127.0.0.1 ::1
# Génère : _wildcard.univ-taaf.internal.pem et _wildcard.univ-taaf.internal-key.pem

Configuration Caddy (Caddyfile) :

grafana.univ-taaf.internal {
    tls /path/to/_wildcard.univ-taaf.internal.pem /path/to/_wildcard.univ-taaf.internal-key.pem
    reverse_proxy grafana:3000
}

prometheus.univ-taaf.internal {
    tls /path/to/_wildcard.univ-taaf.internal.pem /path/to/_wildcard.univ-taaf.internal-key.pem
    reverse_proxy prometheus:9090
}

📖 Guide complet mkcert

cAdvisor - Installation automatique

cAdvisor est automatiquement déployé avec Docker Compose du repository monitoring.

Il collecte les métriques de TOUS les conteneurs Docker de la machine (CPU, mémoire, réseau, disque).

Vérification :

# Vérifier que cAdvisor tourne
docker ps | grep cadvisor

# Tester l'interface web
curl http://localhost:8081/containers/

# Vérifier dans Prometheus
# Ouvrir http://localhost:9090 → Rechercher "container_cpu"

Si cAdvisor ne fonctionne pas, vérifiez le fichier docker-compose.yml du repository monitoring.

Étape 0 : Configuration de la Source de Données Prometheus dans Grafana

Avant de créer votre dashboard, vous devez configurer la connexion à Prometheus dans Grafana.

0.1 Accéder à Grafana

1. Ouvrez votre navigateur et accédez à http://localhost:3000
2. Connectez-vous avec les identifiants par défaut :
   • Username : admin
   • Password : AdminTAAF2024!

0.2 Ajouter la Source de Données Prometheus

1. Dans le menu latéral gauche, cliquez sur ⚙️ Configuration → Data Sources
2. Cliquez sur le bouton Add data source
3. Recherchez et sélectionnez Prometheus dans la liste

0.3 Configuration de la Connexion

Configuration datasource Prometheus dans Grafana :

Paramètre	Valeur	Description
Name	Prometheus TAAF	Nom de la source de données
URL	http://prometheus:9090	Nom du service Docker
Access	Server (default)	Accès via le serveur Grafana

Notes importantes :

• Pourquoi http://prometheus:9090 fonctionne ? Grafana et Prometheus tournent dans le même docker compose (VM monitoring), donc le même réseau Docker : le nom de service prometheus est résolu.
• N’utilisez PAS http://localhost:9090 car cela pointerait vers le conteneur Grafana lui-même.

Règle datasource : toujours le nom de service Docker

Toutes les sources de l’Acte 1 sont co-localisées sur la VM monitoring : prometheus:9090, loki:3100, postgres-af:5432. Jamais localhost, jamais l’IP de la VM. La connectivité inter-VM par IP n’intervient qu’à l’Acte 2 (VM SOC → Loki de la VM monitoring).

0.4 Tester la Connexion

1. Faites défiler vers le bas de la page de configuration
2. Cliquez sur le bouton Save & Test
3. Vérifiez que le message suivant apparaît : ✅ “Data source is working”

Si vous obtenez une erreur, vérifiez :

• Que le conteneur Prometheus est bien démarré : docker ps | grep prometheus
• Que le nom du service Prometheus dans votre docker-compose.yml est bien prometheus.
• Que le port 9090 est bien exposé par Prometheus.

✅ Validation Étape 0 - Avant de continuer

Vérifiez que vous avez bien :

• Grafana accessible sur http://localhost:3000
• Source de données Prometheus ajoutée avec succès
• Message “Data source is working” confirmé

Si l’un de ces points échoue, ne passez pas à l’Étape 1. Corrigez le problème en vous référant à la section de dépannage ou consultez votre enseignant.

---

Étape 1 : Création du Dashboard et des Variables

Introduction

La base d’un bon dashboard est sa capacité à filtrer les données. Nous allons créer deux variables pour cela.

Création du dashboard

1. Créez un nouveau dashboard et nommez-le TAAF - Supervision des Conteneurs
2. Allez dans Dashboard settings (icône engrenage) > Variables

Configuration des variables

Variable $host

3. Créez la variable $host :
   • Name : host
   • Type : Query
   • Query type : Label values
   • Label : instance
   • Metric : container_last_seen
   • Cochez “Include All option” et dans le champ “Custom all value”, entrez .*

Variable $conteneur

4. Créez la variable $conteneur :
   • Name : conteneur
   • Type : Query
   • Query type : Label values
   • Query : label_values(container_last_seen{instance=~"$host"}, name)
   • Cochez “Include All option” et dans le champ “Custom all value”, entrez .*
   • Cochez “Multi-value”

Vous devriez maintenant avoir deux menus déroulants en haut de votre dashboard.

---

Étape 2 : Création des Indicateurs Clés (KPIs)

Introduction

Ces panneaux donnent un aperçu rapide de l’état de l’infrastructure.

Panneaux KPIs

Panneau “Conteneurs Actifs” (Stat)

1. Créez le panneau “Conteneurs Actifs” :
   • Requête PromQL :

     count(container_last_seen{name!="", instance=~"$host"})

   • Options : Mettez en “Instant” pour n’afficher que la dernière valeur

Panneau “Utilisation CPU” (Gauge)

2. Créez le panneau “Utilisation CPU” :
   • Requête PromQL :

     sum(rate(container_cpu_usage_seconds_total{name=~"$conteneur", instance=~"$host"}[5m])) * 100

   • Options :
     • Unit : Percent
     • Thresholds : Mettez des seuils (ex: 70 pour orange, 90 pour rouge)

Panneau “Utilisation RAM” (Gauge)

3. Créez le panneau “Utilisation RAM” :
   • Requête PromQL :

     sum(container_memory_usage_bytes{name=~"$conteneur", instance=~"$host"})

   • Options :
     • Unit : Data > Bytes (IEC)
     • Thresholds : Configurez des seuils pertinents

---

Étape 3 : Création des Graphiques d’Historique

Introduction

Ces panneaux permettent d’analyser les tendances et de diagnostiquer les problèmes passés.

Panneaux d’historique

Panneau “Historique Utilisation RAM” (Time series)

1. Créez le panneau “Historique Utilisation RAM” :
   • Requête PromQL :

     container_memory_usage_bytes{name!="", instance=~"$host", name=~"$conteneur"}

   • Options de la requête :
     • Legend : {{name}}
   • Options du panneau :
     • Unit : Data > Bytes (IEC)
     • Graph styles > Stacking : Normal (cela empilera les graphiques pour une meilleure lisibilité)

Panneau “Historique Utilisation CPU” (Time series)

2. Créez le panneau “Historique Utilisation CPU” :
   • Requête PromQL :

     sum(rate(container_cpu_usage_seconds_total{name!="", instance=~"$host", name=~"$conteneur"}[5m])) by (name) * 100

   • Options de la requête :
     • Legend : {{name}}
   • Options du panneau :
     • Unit : Percent (0-100)

---

Dépannage

Problèmes courants

Durant ce TP, vous pourriez rencontrer un panneau qui affiche “No data”. C’est une étape normale du débogage.

Solutions de dépannage

• Vérifiez la source de données Prometheus :

  • Assurez-vous que l’Étape 0 a été complétée avec succès et que la source de données “Prometheus TAAF” est bien configurée et fonctionnelle.

• Vérifiez vos filtres :

  • Assurez-vous d’avoir sélectionné un Host et un ou plusieurs Conteneur
  • Vérifiez que les variables sont correctement configurées

• Vérifiez les noms des métriques :

  • Si une requête ne retourne rien, allez dans l’interface de Prometheus
  • Utilisez l’autocomplétion pour vérifier que le nom de la métrique (container_memory_usage_bytes, etc.) est bien celui utilisé par votre cAdvisor

• Vérifiez les noms des labels :

  • Vérifiez que les labels sont bien name et instance
  • Parfois, ils peuvent être différents (ex: container_name)

• Testez vos requêtes PromQL :

  • Utilisez l’interface Prometheus pour tester vos requêtes directement
  • Vérifiez que les données existent pour la période sélectionnée

Résultats attendus

À la fin de ce TP, votre dashboard devrait afficher :

• Le nombre de conteneurs actifs
• L’utilisation CPU et RAM en temps réel
• Les graphiques d’historique pour analyser les tendances
• Des filtres fonctionnels pour naviguer entre hosts et conteneurs

---

Questions de Validation

Les 10 questions suivantes valident votre compréhension et votre réalisation (difficulté croissante) :

Question 1 - Variables de base (Facile)

“Combien d’hosts différents sont disponibles dans la variable $host de votre dashboard ?”

Réponse attendue : Nombre d’hosts + capture écran du dropdown de variable.

Question 2 - Métriques simples (Facile)

“Combien de conteneurs sont actuellement en cours d’exécution au total ?”

Réponse attendue : Requête PromQL utilisée + résultat numérique + capture panel.

Question 3 - Filtrage par conteneur (Facile)

“Listez les 5 conteneurs qui consomment le plus de mémoire actuellement.”

Réponse attendue : Requête PromQL avec topk() + liste des conteneurs avec valeurs mémoire.

Question 4 - Calcul de pourcentage (Moyen)

“Quel est le pourcentage d’utilisation CPU moyen du conteneur postgres-af sur les 5 dernières minutes ?”

Réponse attendue : Requête PromQL avec rate() + calcul pourcentage + valeur avec 2 décimales + graphique.

Question 5 - Analyse temporelle (Moyen)

“À quel moment de la dernière heure le conteneur prometheus a-t-il eu le pic de consommation mémoire ?”

Réponse attendue : Graphique temporel + timestamp précis + valeur maximale + explication possible du pic.

Question 6 - Métriques réseau (Moyen)

“Quel conteneur a généré le plus de trafic réseau sortant (bytes transmis) dans la dernière heure ?”

Réponse attendue : Requête PromQL avec container_network_transmit_bytes + nom conteneur + volume données.

Question 7 - Corrélation métrique (Difficile)

“Identifiez une corrélation entre l’utilisation CPU et mémoire d’un conteneur de votre choix sur les 2 dernières heures.”

Réponse attendue : Double graphique superposé + analyse de corrélation + explication logique du comportement observé.

Question 8 - Alertes de seuil (Difficile)

“Configurez un panel qui affiche tous les conteneurs dont l’utilisation mémoire dépasse 80% de leur limite.”

Réponse attendue : Requête PromQL complexe avec seuils + configuration panel + capture écran + liste conteneurs concernés.

Question 9 - Performance système (Difficile)

“Analysez l’impact des conteneurs sur les performances du host : quel conteneur cause le plus d’I/O disque et pourquoi ?”

Réponse attendue : Requête PromQL I/O + graphique + identification conteneur + analyse technique de la cause + impact opérationnel.

Question 10 - Analyse et amélioration (Avancé)

“Analysez vos dashboards et proposez 2 améliorations concrètes :

1. Un panel supplémentaire qui serait utile pour les opérateurs TAAF
2. Un seuil d’alerte pertinent pour une métrique de votre choix

Justifiez vos propositions avec des captures d’écran et des explications techniques.”**

Réponse attendue :

• Proposition de panel avec mockup/capture d’écran
• Requête PromQL pour ce panel
• Seuil d’alerte avec valeur justifiée
• Explication de la pertinence opérationnelle pour les bases TAAF

---

Évaluation et Rendu

Livrables attendus

• Dashboard Grafana fonctionnel : TAAF - Supervision des Conteneurs
• Captures d’écran des panneaux en fonctionnement
• Export JSON du dashboard complet
• Rapport technique : Configuration des variables, requêtes PromQL utilisées, difficultés rencontrées

Format de remise

Consignes de rendu OBLIGATOIRES

Plateforme de rendu : Moodle de l’Université de la Réunion

Nommage STRICT : nom-prénom-promo.PDF
Exemple : martin-lucas-but3.PDF

ATTENTION : Tout fichier ne respectant pas ce format de nommage entraînera une pénalité de -5 points sur la note finale.

Contenu du rendu :

• Format unique : Document PDF consolidé
• Pages maximum : 8 pages (annexes incluses)
• Structure obligatoire :
  1. Page de garde avec informations étudiant
  2. Réponses aux 10 questions de validation
  3. Captures d’écran du dashboard fonctionnel
  4. Configuration des variables $host et $conteneur
  5. Requêtes PromQL utilisées et explications
  6. Rapport technique (résolution des problèmes “No data”)
  7. Export JSON du dashboard (en annexe ou lien de téléchargement)

Critères de lisibilité :

• Police : Minimum 11pt, recommandé 12pt
• Marges : Minimum 2cm
• Images : Haute résolution, bien contrastées
• Code PromQL : Formatage avec coloration syntaxique
• Structure : Titres et sous-titres clairs
• Orthographe : Relecture obligatoire

Lisibilité et compréhensibilité : Ces critères représentent 15% de la note finale. Un rapport illisible, mal structuré ou avec du code non formaté sera sanctionné même si le dashboard fonctionne correctement.

Date limite : À préciser par l’enseignant

---

Ce TP valide vos compétences en monitoring de conteneurs avec Prometheus et Grafana dans un contexte d’infrastructure critique.