> For the complete documentation index, see [llms.txt](https://wiki.datadike.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://wiki.datadike.com/fr/pam/deploy-operate/monitoring.md).

# Supervision et santé

Comment savoir si l'installation est saine : l'endpoint de santé qu'une supervision externe doit interroger, les écrans de la console qui montrent l'état des composants et des tâches, et les alertes q

## De quoi il s'agit et quand l'utiliser

Cette page traite de la santé de l'installation : la base de données est-elle joignable, les composants sont-ils en service, les tâches de fond tournent-elles. Elle ne traite pas de l'observation de ce qu'un utilisateur fait à l'intérieur d'une session ; cela relève de la surveillance de session en direct, sous **Audit › Sessions › En ligne**, et répond à une autre question.

La supervision de santé comporte trois couches, et la plupart des installations ne mettent en place que la deuxième :

1. **Une supervision externe** qui interroge l'endpoint de santé. C'est la couche qui réveille quelqu'un à 03:00.
2. **Les écrans de la console** : **Paramètres système › Composants** et le tableau de bord des tâches auquel on accède depuis **Paramètres système › Opérations**. Ils sont exacts, mais encore faut-il les regarder.
3. **Les alertes dans le produit** : des abonnements de notification pour la connectivité du stockage et les performances des composants.

## L'endpoint de santé

La solution expose un endpoint de santé non authentifié à `/api/health/`. Il renvoie du JSON :

```
{"status":true,"db_status":true,"db_time":0.0083,"redis_status":true,"redis_time":0.0022,"time":1788772352}
```

| Champ          | Signification                                         |
| -------------- | ----------------------------------------------------- |
| `status`       | Résultat global                                       |
| `db_status`    | Si la base de données est joignable                   |
| `db_time`      | Latence de réponse de la base de données, en secondes |
| `redis_status` | Si Redis est joignable                                |
| `redis_time`   | Latence de réponse de Redis, en secondes              |
| `time`         | Horodatage du serveur                                 |

{% hint style="info" %}
**Pointez votre supervision externe sur cet endpoint, et non sur la page d'accueil.** Une supervision qui récupère la page de connexion ne prouve que la réponse du serveur web. Cet endpoint prouve que la base de données et Redis sont joignables : les deux dépendances dont la perte rend la console inutilisable alors même qu'elle continue de renvoyer une page.
{% endhint %}

Les deux champs de temps sont des latences en secondes. Alerter uniquement sur `db_status: false` attrape la panne ; suivre la tendance de `db_time` et de `redis_time` l'attrape avant qu'elle n'arrive.

**Sur un cluster**, l'installation est présentée derrière une adresse virtuelle unique, et chaque nœud répond aussi directement à `/api/health/`. Interrogez les deux : l'adresse virtuelle vous dit si le service est en état, et les réponses par nœud vous disent si un nœud s'est retiré en silence alors que l'adresse répond toujours grâce aux autres. Une supervision qui ne regarde que l'adresse virtuelle ne peut pas distinguer « le cluster est à terre » de « un nœud est à terre », et c'est la seconde situation qui passe inaperçue pendant des semaines.

## Santé des composants dans la console

**Paramètres système › Composants › Composants** liste chaque microservice enregistré avec son état en direct.

| Colonne               | Ce qu'elle vous dit                                                                                                                             |
| --------------------- | ----------------------------------------------------------------------------------------------------------------------------------------------- |
| **Nom**               | Composant enregistré, sous la forme `[Type]-NomDuServeur`                                                                                       |
| **Sessions en ligne** | Sessions que le composant traite à cet instant. Zéro signifie inactif ; un nombre durablement élevé suggère qu'il lui faut une instance de plus |
| **Stat**              | Usage CPU et mémoire du processus du composant. Proche de 100 %, la ressource est saturée                                                       |
| **Load status**       | **Normal**, **Hors ligne** ou **High load**                                                                                                     |
| **Adresse distante**  | Adresse du serveur où tourne le composant                                                                                                       |

**Hors ligne est l'état qui compte.** Si le composant de l'API core est hors ligne, toute la plateforme devient inaccessible. Si un connecteur de protocole est hors ligne, les sessions de ce protocole s'arrêtent alors que tout le reste paraît normal : la console s'affiche toujours, si bien que la panne se lit « le RDP est cassé » plutôt que « un composant est tombé ».

La source recommande de configurer des alertes externes pour les composants hors ligne via un système de supervision, en citant Zabbix, Prometheus et Datadog en exemple, plutôt que de compter sur quelqu'un pour ouvrir cet écran.

## Le moteur de tâches : workers et files

Tout le travail automatique s'exécute dans des tâches de fond : nettoyage des journaux, vérifications périodiques des actifs, synchronisation des comptes, et les automatisations fondées sur Ansible. Le bouton **Surveillance**, en haut de **Paramètres système › Opérations**, ouvre le tableau de bord des tâches dans un nouvel onglet du navigateur.

**Onglet des workers.** Chaque ligne est un processus worker nommé `queue@hostname`. Deux workers sont attendus : le worker de maintenance par défaut et le worker d'automatisation (Ansible). Les colonnes sont **Worker**, **État** (En ligne / Hors ligne), **Actif**, **Processed**, **Échec**, **Succeeded**, **Retried** et **Load Average** (charge système sur 1, 5 et 15 minutes).

**Onglet des tâches.** Exécutions individuelles : **Nom** (le chemin interne de la tâche, sous la forme `module.submodule.task_name`), **UUID** (cliquez pour le détail complet), **État** (`SUCCESS`, `FAILURE`, `PENDING`, `RETRY`), **args** et **kwargs**, **Résultat**, **Received** et **Démarré**.

**Onglet du broker.** État des files. Redis est le broker de tâches, avec deux files configurées : `default` pour la maintenance et les contrôles système, et `ansible` pour les automatisations qui dialoguent avec les actifs gérés. Les colonnes sont **File d'attente**, **Messages** (en attente), **Unacked** (remises à un worker mais pas encore confirmées), **Prêts**, **Consumers** et **Idle since**.

{% hint style="warning" %}
**Un worker hors ligne arrête toutes les tâches automatiques, en silence.** Nettoyage, rotation des identifiants, contrôles de connectivité, synchronisation des comptes : tout. Rien ne casse dans la console, si bien que le symptôme apparaît plus tard sous forme de données périmées ou d'une rotation qui n'a jamais eu lieu. Si un worker est hors ligne, le service de tâches de ce serveur ne tourne pas et l'infrastructure doit le redémarrer.
{% endhint %}

Deux nombres méritent d'être suivis dans la durée :

* **Échec**, dans l'onglet des workers, avec les états `FAILURE` de l'onglet des tâches. Des échecs répétés pointent vers la connectivité des actifs, une erreur de configuration ou une incohérence en base.
* **Messages**, dans l'onglet du broker. Une file qui ne cesse de croître signifie que les workers ne consomment pas au rythme d'arrivée du travail : surcharge du serveur, ou worker bloqué. La file `ansible` est celle qui s'accumule dans les environnements comptant beaucoup d'actifs gérés, aux pics d'automatisation.

Dans la liste des opérations elle-même, deux colonnes font le même travail pour les tâches planifiées : un décompte **Succès**/Total affiché en rouge signale les exécutions en échec, et l'**heure de la dernière publication** doit tomber dans le cycle propre à la tâche. La source donne le test concret : une tâche dont le cycle est de 3600 secondes et qui n'a pas tourné depuis deux heures signifie qu'il faut aller regarder les workers.

## Alertes à souscrire

**Paramètres système › Notifications › Abonnement** relie des types d'événement à des destinataires. Deux des catégories concernent l'infrastructure plutôt que le comportement des utilisateurs :

| Type de message                        | Se déclenche quand                                                                                                                                                       |
| -------------------------------------- | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------ |
| **Stockage : Connectivité**            | Le backend de stockage configuré ne peut pas être atteint. C'est un avertissement précoce : il arrive avant que les enregistrements ne commencent à échouer à l'écriture |
| **Composant : performance du serveur** | Un composant présente un usage CPU ou mémoire élevé, ou des performances dégradées                                                                                       |
| **Sessions : commande rejetée**        | Une commande d'une session en direct a été bloquée par la politique de commandes                                                                                         |
| **Job : commande rejetée**             | Un travail planifié a tenté d'exécuter une commande bloquée                                                                                                              |

Chaque type possède sa propre liste de destinataires, définie via **Modifier le destinataire**. Un abonnement sans destinataire est silencieux, ce qui est indiscernable de l'absence d'événement.

## Stockage et rétention : la croissance à surveiller

Les réglages de rétention, sous **Paramètres système › Rétentions**, fixent le nombre de jours de conservation de chaque classe d'enregistrement. Les tâches de nettoyage nocturnes suppriment ensuite tout ce qui est plus ancien.

{% hint style="danger" %}
**La rétention supprime des preuves, et rien ne vous dit que cela s'est produit.** Une investigation portant sur un événement plus ancien que la fenêtre de rétention renvoie un résultat vide, pas une erreur, ce qui est indiscernable d'un « cela n'a jamais eu lieu ». Décidez des valeurs de rétention au regard de vos obligations d'audit avant d'avoir besoin de la preuve, et non pendant l'investigation.
{% endhint %}

Le second piège est la séparation entre métadonnées et fichiers :

* Les valeurs de rétention de la console pilotent **les enregistrements en base de données**.
* Le cycle de vie des **fichiers d'enregistrement** eux-mêmes est celui que définit la politique de cycle de vie du bucket ou du conteneur de stockage objet.

Ils se configurent à deux endroits différents et ne se coordonnent pas. Un cycle de vie de bucket plus court que votre rétention des journaux de session laisse des enregistrements de session qui annoncent une relecture qui n'existe plus ; un cycle plus long conserve des fichiers après la disparition des enregistrements qui y renvoyaient. Les backends de stockage des enregistrements se gèrent sous **Paramètres système › Stockage › Stockage d'objets**, où exactement un backend est marqué comme celui par défaut ; vérifiez lequel avant de raisonner sur l'endroit où quoi que ce soit est conservé. Les sessions graphiques (RDP) consomment bien plus d'espace que les sessions de terminal : la croissance du stockage suit donc le mélange de protocoles que vous utilisez, et non le nombre de sessions.

## Diagnostic réseau depuis le serveur

**Paramètres système › Utilitaires** exécute Ping, Telnet, Nmap, Tcpdump et Traceroute **depuis le serveur**, le résultat s'affichant dans la zone de **Sortie**. C'est précisément l'intérêt : le résultat reflète la connectivité entre la solution et l'actif, et non entre votre poste de travail et l'actif, qui est la question que vous vous posez réellement quand une session refuse de s'ouvrir.

* **Telnet** est le plus utile pour un actif en défaut : il teste un port TCP, là où Ping ne teste que l'ICMP. Utilisez-le avant d'enregistrer un nouvel actif, pour confirmer que le port du protocole est joignable depuis le serveur.
* **Ping** affiche l'adresse résolue, la latence et la perte de paquets : il fait donc aussi office de contrôle de résolution DNS depuis le serveur.
* **Tcpdump** et **Nmap** sont les outils lourds. Appliquez toujours des filtres de source et de destination à un Tcpdump en production, et traitez la capture comme sensible : elle peut contenir le trafic d'actifs gérés.

{% hint style="warning" %}
**Les utilitaires sont des outils de reconnaissance qui s'exécutent depuis l'intérieur de votre réseau.** L'interrupteur **Outils dans le cockpit**, sur l'onglet **Basique**, les désactive entièrement, pour tout le monde, quelles que soient les permissions de rôle. Là où ils sont activés, restreignez-les par rôle aux profils réseau et infrastructure.
{% endhint %}

## Comment vérifier que votre supervision fonctionne réellement

La supervision est la seule chose qui tombe en panne sans symptôme, car une supervision qui ne se déclenche jamais ressemble en tous points à un système qui ne casse jamais. Contrôlez la supervision, pas le système :

1. **Confirmez que votre contrôle externe teste le contenu de l'endpoint, et pas seulement son code de statut.** Vérifiez que la supervision alerte quand `db_status` ou `redis_status` vaut `false` : un endpoint qui renvoie HTTP 200 avec `db_status: false` est une panne réelle, et une supervision qui ne regarde que le code de réponse la signale comme saine.
2. **Sur un cluster, comparez la réponse de l'adresse virtuelle à celle de chaque nœud.** Si votre supervision n'a qu'une seule cible, elle ne peut pas voir un nœud se retirer.
3. **Confirmez qu'une alerte parvient à une personne.** Ouvrez chaque abonnement sur lequel vous comptez et vérifiez que le **Destinataire** n'est pas vide.
4. **Confirmez que le moteur de tâches est vivant, et pas seulement présent.** Dans l'onglet des workers, les deux workers doivent être en ligne et, dans la liste des opérations, l'**heure de la dernière publication** d'une tâche à cycle court doit être récente. Un worker peut être listé et inactif.
5. **Confirmez le chemin de stockage de bout en bout** en ouvrant un enregistrement récent et en le rejouant. Les alertes de connectivité du stockage vous disent que le backend est injoignable ; seule une relecture vous dit que les écritures atterrissent là où les lectures cherchent.

## Erreurs fréquentes

| Symptôme                                                                           | Cause                                                                                                                                  | Correction                                                                                                        |
| ---------------------------------------------------------------------------------- | -------------------------------------------------------------------------------------------------------------------------------------- | ----------------------------------------------------------------------------------------------------------------- |
| La supervision signale un système sain pendant une panne de base de données        | Le contrôle teste la page de connexion ou seulement le code de statut HTTP                                                             | Interrogez `/api/health/` et alertez sur `db_status` et `redis_status`                                            |
| La console s'affiche mais un protocole ne peut pas ouvrir de session               | Le connecteur de ce protocole est hors ligne                                                                                           | Contrôlez **Paramètres système › Composants** ; redémarrez le service du composant sur le serveur où il tourne    |
| Plateforme entièrement inaccessible                                                | Le composant de l'API core est hors ligne                                                                                              | Le même écran ; l'API core est le seul composant dont la perte emporte tout le reste                              |
| Rotations, nettoyages et contrôles de connectivité se sont tous arrêtés en silence | Un worker de tâches est hors ligne : aucune tâche planifiée ne s'exécute donc                                                          | Contrôlez l'onglet des workers depuis **Opérations › Surveillance** ; redémarrez le service de tâches             |
| Le nombre de **Messages** de la file ne cesse de monter                            | Les workers ne consomment pas au rythme d'arrivée du travail, ou l'un d'eux est bloqué                                                 | Vérifiez l'état et la charge des workers ; la file `ansible` s'accumule en premier dans les grands environnements |
| Des enregistrements de session existent mais les relectures refusent de se lancer  | Les fichiers d'enregistrement ont été supprimés par la politique de cycle de vie du bucket, indépendante de la rétention de la console | Alignez le cycle de vie du bucket sur votre exigence de rétention                                                 |
| Un ancien événement reste totalement introuvable dans la piste d'audit             | Sa fenêtre de rétention est écoulée et le nettoyage nocturne a supprimé l'enregistrement ; aucune erreur n'est levée                   | Fixez à l'avance les valeurs de rétention au regard de vos obligations d'audit                                    |
| Alertes configurées mais jamais reçues                                             | Le type de message n'a pas de destinataire                                                                                             | Renseignez le **Destinataire** par type de message sous **Notifications › Abonnement**                            |
| Un outil de diagnostic manque dans la console pour un administrateur               | **Outils dans le cockpit** est désactivé, ce qui prime sur les permissions de rôle                                                     | Réactivez-le dans l'onglet **Utilitaires › Basique**, puis restreignez par rôle                                   |

## Pages associées

* [Piste d'audit](https://wiki.datadike.com/fr/pam/administration/audit/audit-trail.md)
* [Enregistrements de session](https://wiki.datadike.com/fr/pam/administration/audit/recordings.md)
* [Rapports](https://wiki.datadike.com/fr/pam/administration/audit/reports.md)
* [Ports](https://wiki.datadike.com/fr/pam/reference/ports.md)
* [Sauvegarde et restauration](https://wiki.datadike.com/fr/pam/deploy-operate/backup-and-restore.md)
