Ce produit n'est pas pris en charge par le site Datadog que vous avez sélectionné. ().
APM Recommendations vous aident à améliorer les performances et la fiabilité de vos applications en mettant en évidence des opportunités d’optimisation issues de votre télémétrie collectée. Ces recommandations sont conçues pour :
Identifier et résoudre les goulots d’étranglement de performance
Améliorer la fiabilité et la disponibilité du service
Améliorer l’expérience de l’utilisateur final
Rejoignez l'AI Recommendations Preview !
Des types de recommandations basés sur l’IA sont désormais disponibles, élargissant l’ensemble des opportunités d’optimisation que Datadog peut détecter.
Certaines recommandations reposent sur des produits Datadog spécifiques. Utilisez le menu déroulant Recommendation Prerequisite pour filtrer les recommandations par produits Datadog dans votre configuration.
Si vous prévoyez d’utiliser Bits Code pour mettre en œuvre les recommandations, complétez sa configuration en suivant les instructions.
Fonctionnement
Les recommandations sont basées sur des données collectées à partir de différentes parties de votre pile :
Traces distribuées issues de l’Application Performance Monitoring (APM)
Télémétrie de base de données issue du Database Monitoring (DBM)
Sessions et parcours utilisateur issus du Real User Monitoring (RUM)
Datadog corrèle ces sources pour identifier les opportunités d’améliorer les performances, la fiabilité et l’expérience utilisateur.
Datadog classe les recommandations en calculant un score de priorité qui pondère l’impact potentiel d’un problème par rapport aux signaux de télémétrie, tels que le volume relatif des requêtes et les tendances de performance. Les informations les plus critiques pour améliorer la fiabilité et les performances du service apparaissent en premier.
Utilisation des recommandations
Pour examiner les recommandations qui nécessitent votre attention :
Filtrez vos recommandations par statut ou par type.
Sélectionnez une recommandation dans la liste pour voir une description détaillée du problème.
Examinez le problème, l’impact et la recommandation de Datadog pour le résoudre.
(Facultatif) Pour utiliser Bits Code afin de générer une correction de code, sous Next Steps, cliquez sur Fix with Bits.
(Facultatif) Pour suivre la correction dans Jira ou Work Management, sous Triage, cliquez sur Add Jira Ticket ou Add Work Item.
Après avoir examiné la recommandation, vous pouvez utiliser le menu déroulant FOR REVIEW pour changer le statut de la recommandation en REVIEWED, IGNORED ou RESOLVED.
Remarque : Sur l’APM Home page5, les sections Watchdog et Error Tracking respectent également le filtre de service sélectionné (ou vos services personnalisés lorsqu’aucun filtre n’est défini), correspondant à la manière dont les recommandations sont délimitées. Lorsqu’un service est sélectionné et qu’aucune alerte ou aucun problème ne correspond, la section affiche un état vide avec un bouton Clear filter, et le lien Error Tracking View all est pré-filtré sur ce service.
Affichage des recommandations sur un dashboard
Ajoutez un widget Liste avec APM Recommendations comme source de données pour examiner les recommandations parallèlement aux métriques de performance de votre équipe.
Sur n’importe quel dashboard, créez un widget et sélectionnez List comme visualisation.
Sélectionnez APM Recommendations comme source de données.
Filtrez par environnement, service, équipe, type de recommandation et statut.
Recommandations prises en charge
Catégorie de recommandation
Type de recommandation
Périmètre de la recommandation
Description de la recommandation
Prérequis de la recommandation
Performance
N+1 Queries on Database
Backend services
Une application backend appelle la même base de données séquentiellement au lieu de traiter les requêtes par lots.
APM
Performance
Repeated Sequential API calls
Backend services
Une application backend effectue plusieurs appels vers la même API en aval séquentiellement au lieu de les exécuter en parallèle, augmentant inutilement la latence des requêtes et ralentissant les performances globales du service.
APM
Performance
Persistent Retries
Backend services
Une application backend effectue un nombre excessif de tentatives de réessai lors de l’appel d’une API en aval, prolongeant ainsi la durée de la requête et risquant d’entraîner des défaillances en cascade sous charge.
APM
Performance
Missing index
Databases
Le plan d’exécution de la requête effectue des analyses séquentielles coûteuses. Lorsqu’elle est détectée, Datadog recommande d’utiliser un index pour accélérer la requête.
APM + DBM
Performance
Unbalanced Read Load
Databases
Un service effectue des requêtes en lecture seule vers une instance de base de données principale alors que des réplicas sont disponibles. Le routage de ces requêtes vers des réplicas peut réduire la charge principale et améliorer les performances.
APM + DBM
Reliability
Aggressive Retries
Backend services
Une application backend déclenche des tentatives de réessai rapides sans appliquer de backoff adéquat, maintenant une pression élevée sur les dépendances en difficulté et risquant des pannes prolongées en empêchant la récupération du système lors de défaillances transitoires.
APM
Reliability
High Exception Volumes
Backend services
Une application backend lance un nombre élevé d’exceptions servant de flux de contrôle, ajoutant une surcharge en CPU et en mémoire.
APM + Continuous Profiler
Reliability
Dependency Timeouts
Backend services
Une application backend expire lors de l’appel d’une dépendance en aval car la dépendance répond trop lentement, provoquant des échecs de requête qui impactent les utilisateurs finaux et augmentent le risque de défaillances en cascade en amont.
APM + RUM
Performance
Missing Cache
Backend services
Un service effectue un travail coûteux et répété sur le chemin de la requête qui pourrait être servi à partir d’un cache à courte durée de vie, réduisant la latence de suivi et la charge en aval.
APM + AI Recs (Preview)
Performance
Tail Latency
Backend services
Un service présente une latence de suivi extrême causée par des spans en aval lents sur le chemin critique, souvent en raison d’une latence de dépendance illimitée ou d’appels séquentiels qui pourraient s’exécuter simultanément.
APM + AI Recs (Preview)
Performance
Excessive Serialization
Backend services
Un service consacre une part importante du temps de requête à un travail de sérialisation ou de parsing lié au CPU, ajoutant une latence évitable et une surcharge de CPU.
APM + AI Recs (Preview)
Performance
Unbounded Payload
Backend services
Un service accepte des paramètres de requête sans limites de taille ou de plage, permettant à des entrées surdimensionnées d’entraîner un travail coûteux en aval, une latence de suivi et des délais d’attente.
APM + AI Recs (Preview)
Performance
Resource Contention
Backend services
Le traitement des requêtes est sérialisé derrière une primitive de synchronisation ou une section critique longue, provoquant une latence de suivi en cas de concurrence.
APM + AI Recs (Preview)
Reliability
Connection Pool Exhaustion
Backend services
Un service épuise de manière répétée son pool de connexions vers une dépendance en aval, mettant les requêtes en file d’attente et provoquant des pics de latence ou des échecs sous charge.
APM + AI Recs (Preview)
Reliability
Error Misclassification
Backend services
Un service fait apparaître des résultats attendus sous forme d’erreurs dans APM, gonflant ainsi les taux d’erreur des endpoints et masquant de réelles régressions de fiabilité.
APM + AI Recs (Preview)
Remarque : Si vous utilisez à la fois APM et Database Monitoring (DBM), vous pourriez voir moins de Missing Index recommendations ici que sur la DBM Recommendations page 2. APM Recommendations n’affichent que les Missing Index issues que Datadog peut associer à un service d’application instrumenté. Missing Index recommendations qui ne peuvent être associées à un service spécifique n’apparaissent que dans DBM.
Lectures complémentaires
Documentation, liens et articles supplémentaires utiles:
