BAOI · RESEAU
Centre de supervision IT
Mettre en place une supervision informatique efficace
Surveiller seulement le ping ne suffit pas : serveur, stockage, sauvegardes, messagerie, téléphonie et applications doivent avoir des contrôles propres.
Plan de supervision
- Recensez les actifs, les dépendances et la criticité métier.
- Définissez les métriques utiles : disque, charge, certificats, sauvegardes, latence et sondes applicatives.
- Configurez les seuils, les contacts, l’escalade, les fenêtres de maintenance et la déduplication.
Questions fréquentes
Un serveur joignable signifie-t-il que le service fonctionne ? Non : l’application ou la sauvegarde peuvent échouer malgré une réponse réseau.
Comment réduire le bruit des alertes ? Ajustez les délais, les dépendances et les notifications redondantes.
D’une alerte de supervision à une résolution vérifiée
Avant de modifier un seuil ou de redémarrer un service, confirmez l’alerte depuis une seconde source, évaluez l’impact métier et corrélez les événements. Un serveur qui répond au ping peut héberger une application indisponible ou une sauvegarde en échec.
Triage rapide d’un incident
- Confirmez le symptôme depuis une autre source : sonde applicative, journaux ou second point du réseau.
- Identifiez le service métier, les utilisateurs touchés et ses dépendances : Internet, DNS, authentification, stockage.
- Comparez la valeur actuelle avec sa référence habituelle, le seuil configuré et la durée du dépassement.
- Regroupez les alertes simultanées par dépendance pour rechercher la cause racine.
- Notez l’acquittement, les preuves, les actions, l’escalade et l’heure de retour à la normale.
Arbre de décision selon l’alerte
- Hôte inaccessible : testez depuis une autre source, puis contrôlez passerelle, alimentation et hyperviseur avant d’agir sur l’agent.
- Service arrêté mais hôte joignable : inspectez le processus, le port d’écoute et les dépendances du service.
- Seuil de ressource élevé : examinez la durée et la tendance avant de relever un seuil ou de modifier les ressources.
- Tempête d’alertes : recherchez une dépendance commune : lien réseau, DNS, hyperviseur, cloud ou stockage.
- Échec de sauvegarde : contrôlez le job, la capacité de destination et les writers applicatifs, puis la possibilité de restauration.
Checklist de fin d’intervention
- Confirmez la normalisation de la métrique et du service depuis une seconde source.
- Documentez cause, horaires, action corrective et risques résiduels.
- N’ajustez les seuils qu’après mesure et planifiez une prévention si la panne risque de récidiver.
Commencez par les vérifications en lecture seule et ne modifiez qu’un paramètre à la fois. N’envoyez pas de secrets, identifiants ou journaux confidentiels vers un service externe sans autorisation.