Formations — 1 037 leçons en français

Accueil › Node.js › Observabilité

Observabilité — entretien Node.js

16 questions posées en entretien sur 9 sujets, avec la bonne réponse et son explication.

Les trois signaux

À quelle question une métrique répond-elle, et une trace ?

  1. La métrique dit s'il y a un problème, la trace dit où le temps est passé ✓
  2. La métrique dit où le temps est passé, la trace dit s'il y a un problème
  3. Les deux répondent à la même question, avec un format différent
  4. La métrique décrit une requête précise, la trace décrit l'ensemble du trafic

Pourquoi : C'est la distinction qu'on attend d'un candidat, et elle découle du coût : une métrique est agrégée, donc consultable en permanence mais incapable de désigner une requête ; une trace garde la structure d'une requête, donc localise le temps mais ne peut pas servir de détecteur. L'ordre d'usage pendant un incident suit la même logique — métrique, puis trace, puis journal.

Niveau junior

Pourquoi écrit-on l'identifiant de trace dans chaque ligne de journal ?

  1. Pour passer d'une trace lente aux journaux de cette requête exacte, et inversement ✓
  2. Pour permettre au collecteur de reconstruire les segments depuis les journaux
  3. Pour éviter d'avoir à échantillonner les traces
  4. Pour réduire le volume de journaux produits

Pourquoi : C'est le geste qui rend les trois signaux utilisables ensemble : on descend d'une métrique vers une trace lente, puis de la trace vers les journaux de cette requête. En Node, le contexte actif est porté par `AsyncLocalStorage`, donc il survit aux `await` sans qu'on le passe en argument à chaque fonction. Cela n'économise aucun volume et ne remplace pas l'échantillonnage.

Niveau confirme

Types de métriques

Quel type de métrique utilise-t-on pour le nombre de connexions actuellement ouvertes dans un pool ?

  1. Une jauge, parce que la valeur monte et descend ✓
  2. Un compteur, parce qu'on compte des connexions
  3. Un histogramme, parce qu'on veut un centile
  4. Un compteur remis à zéro à chaque lecture

Pourquoi : Un compteur ne décroît jamais : on y met les requêtes servies ou les erreurs, et on lit son taux par seconde. Une jauge est un instantané, et c'est exactement la nature du nombre de connexions ouvertes. Le réflexe fautif est de choisir le type d'après ce qu'on compte plutôt que d'après le comportement de la valeur dans le temps.

Niveau junior

Alertes

Sur quoi vaut-il mieux alerter en priorité ?

  1. Sur le taux d'erreur et la latence vus par l'utilisateur ✓
  2. Sur l'utilisation du processeur du conteneur
  3. Sur chaque exception levée dans le code
  4. Sur le nombre de redémarrages de processus

Pourquoi : Un processeur à quatre-vingt-dix pour cent pendant que tout le monde est servi correctement n'est pas un incident ; un taux d'erreur à deux pour cent l'est, quelle que soit la charge. On réveille sur des symptômes visibles par l'utilisateur, et on diagnostique avec les causes, qui restent sur les tableaux de bord. Alerter sur une cause produit des réveils pour des situations qui se résolvent seules.

Niveau junior

Une alerte se déclenche deux fois par semaine et personne n'agit jamais dessus. Que faire ?

  1. La supprimer, ou la transformer en élément de tableau de bord ✓
  2. Relever son seuil jusqu'à ce qu'elle cesse de se déclencher
  3. La router vers une équipe moins sollicitée
  4. La conserver, parce qu'elle documente un comportement connu

Pourquoi : Son coût n'est pas le temps perdu, c'est l'apprentissage : l'équipe apprend que les notifications ne méritent pas d'être lues, et cette habitude s'applique ensuite aux alertes qui comptaient. Relever le seuil au hasard est une suppression déguisée, sans la réflexion. Le test à appliquer est « que fait concrètement la personne réveillée » : si la réponse est « regarder puis se recoucher », l'information appartient à un graphique.

Niveau senior

Pourquoi un taux d'erreur peut-il paraître parfait pendant une panne totale ?

  1. Parce qu'un service qui ne reçoit plus rien a un dénominateur nul et donc aucune erreur à rapporter ✓
  2. Parce que les erreurs de connexion ne sont jamais comptées côté serveur
  3. Parce que les métriques sont calculées sur les traces échantillonnées
  4. Parce que le taux d'erreur exclut par convention les codes de la famille 500

Pourquoi : Si la passerelle ne route plus rien vers le service, celui-ci ne voit plus une seule requête : zéro erreur sur zéro requête. C'est la panne la plus facile à rater, et le remède est une alerte sur l'absence — trafic nul pendant quinze minutes pour un flux continu, dernière exécution supérieure à vingt-cinq heures pour une tâche quotidienne. Elle doit connaître le rythme normal, sans quoi un trafic nul la nuit en fait une alerte qu'on apprend à ignorer.

Niveau senior

Cardinalité

Pourquoi ne met-on jamais l'identifiant d'un utilisateur en étiquette de métrique ?

  1. Parce que chaque valeur distincte crée une série temporelle : la cardinalité n'est pas bornée ✓
  2. Parce que les étiquettes doivent être des nombres
  3. Parce que cela empêche de calculer un taux par seconde
  4. Parce que les métriques ne peuvent porter qu'une seule étiquette

Pourquoi : Le nombre de séries d'une métrique est le produit des valeurs de ses étiquettes : cinquante mille clients multiplient par cinquante mille. Conséquences concrètes — coût de stockage, lenteur des requêtes de tableau de bord, parfois refus d'ingestion du collecteur. La dimension ne disparaît pas pour autant : elle va en attribut de trace ou en champ de journal, où le coût suit le nombre de requêtes, pas le nombre de valeurs distinctes.

Niveau confirme

Que faut-il faire du chemin d'une requête avant de s'en servir comme étiquette ?

  1. Le normaliser en gabarit de route et retirer la chaîne de requête ✓
  2. Le mettre en minuscules et retirer le préfixe du domaine
  3. Le hacher pour obtenir une valeur de longueur fixe
  4. Le tronquer à soixante-quatre caractères

Pourquoi : Normaliser signifie remplacer chaque segment variable par un marqueur — `/clients/4821/commandes/77` devient `/clients/:id/commandes/:id` — et supprimer `?tri=nom`, sinon chaque valeur de tri crée sa série. Hacher est la pire option proposée : la cardinalité est identique, et on a perdu la lisibilité. Quand le routeur expose le gabarit qu'il a apparié, c'est lui qu'il faut utiliser : il est exact par construction.

Niveau confirme

Latence

Pourquoi la latence moyenne est-elle un mauvais indicateur ?

  1. Parce qu'elle masque les requêtes lentes, qui sont celles dont les utilisateurs se plaignent ✓
  2. Parce qu'elle est coûteuse à calculer sur un histogramme
  3. Parce qu'elle ne peut pas être agrégée entre plusieurs instances
  4. Parce qu'elle varie trop d'une minute à l'autre

Pourquoi : Neuf requêtes à dix millisecondes et une à deux secondes donnent une moyenne de deux cent neuf millisecondes, une valeur que personne n'a vécue. On lit le p50 pour le ressenti courant et le p99 pour le pire cas vécu. Un détail utile en entretien : les centiles ne s'additionnent pas entre instances, il faut sommer les intervalles de l'histogramme avant de calculer le centile.

Niveau confirme

Pourquoi séparer la latence des requêtes réussies de celle des requêtes en échec ?

  1. Parce qu'une dépendance en panne renvoie des erreurs très vite, ce qui fait baisser le p99 pendant l'incident ✓
  2. Parce que les erreurs n'ont pas de durée mesurable
  3. Parce que les histogrammes n'acceptent pas deux étiquettes
  4. Parce que les requêtes en échec ne sont pas comptées dans le trafic

Pourquoi : Un appel refusé par un disjoncteur ouvert répond en deux millisecondes. Mélangé aux réussites, il tire la distribution vers le bas, et le tableau de bord affiche une amélioration de la latence au moment exact où le service ne fonctionne plus. Une étiquette distinguant réussite et échec suffit à l'éviter, et c'est une des rares situations où un tableau de bord ment activement plutôt que de simplement manquer l'information.

Niveau senior

Traces

Comment le contexte de trace passe-t-il d'un service à l'autre en HTTP ?

  1. Par un en-tête, `traceparent`, qui porte l'identifiant de trace, celui du segment parent et un drapeau d'échantillonnage ✓
  2. Par un champ ajouté automatiquement au corps de la requête
  3. Par une correspondance d'horodatages faite côté collecteur
  4. Par une connexion persistante maintenue entre les deux services

Pourquoi : Toute la trace distribuée tient à cet en-tête : le service appelé y lit à quoi rattacher ses segments. Le drapeau compte autant que les identifiants, parce qu'il transporte la décision d'échantillonnage et évite de conserver la moitié d'une trace. L'oubli classique n'est pas dans le client HTTP, souvent instrumenté automatiquement, mais dans ce qui passe par une file de messages : là, le contexte doit être recopié dans le message publié.

Niveau confirme

Pourquoi le temps propre d'un segment peut-il sortir négatif si on soustrait simplement la durée de ses enfants ?

  1. Parce que des enfants lancés en parallèle se chevauchent, et que leurs durées additionnées dépassent celle du parent ✓
  2. Parce que les durées des segments sont stockées en nanosecondes signées
  3. Parce que le segment parent est fermé avant ses enfants
  4. Parce que le collecteur arrondit les durées vers le bas

Pourquoi : Deux appels de cent millisecondes lancés ensemble dans un parent de cent dix donnent une soustraction à moins quatre-vingt-dix. Le calcul juste fusionne d'abord les intervalles des enfants, puis soustrait la durée couverte. Un temps propre négatif n'est donc pas forcément un bogue de trace : il signale un parallélisme — tandis qu'un enfant finissant réellement après son parent signale, lui, un segment non terminé ou du travail détaché non attendu.

Niveau senior

Objectifs de service

Que représente un budget d'erreur ?

  1. La part d'échecs que l'objectif autorise sur la fenêtre, et qui est faite pour être dépensée ✓
  2. Le nombre maximal d'incidents déclarables par trimestre
  3. Le coût financier des pannes sur la période
  4. La marge de sécurité à ne jamais entamer

Pourquoi : Un objectif de 99,9 % sur trente jours autorise environ quarante-trois minutes d'indisponibilité : ce n'est pas une marge à préserver, c'est une autorisation à utiliser. L'intérêt du concept est de transformer « il ne faut pas de panne » en un arbitrage mesurable entre livrer vite et livrer sûr — tant que le budget est disponible, publier est légitime ; une fois épuisé, la priorité change sans débat.

Niveau confirme

Pourquoi alerter sur le taux de consommation du budget d'erreur plutôt que sur son épuisement ?

  1. Parce que l'épuisement arrive trop tard : la vitesse de consommation prédit que la fenêtre sera manquée ✓
  2. Parce que le budget d'erreur n'est pas mesurable en temps réel
  3. Parce que le taux de consommation est moins sensible au volume de trafic
  4. Parce que l'épuisement du budget est une cause et non un symptôme

Pourquoi : Attendre l'épuisement, c'est alerter quand l'objectif du mois est déjà manqué ; alerter à la première erreur, c'est réveiller pour rien. La vitesse tranche : un taux de 14,4 consomme un budget mensuel en deux jours, ce qui justifie un réveil. En pratique on combine une fenêtre longue, pour la confiance, et une fenêtre courte, pour que l'alerte se referme vite une fois le problème réglé.

Niveau senior

Échantillonnage

Quel est le défaut d'un échantillonnage aléatoire des traces à un pour cent ?

  1. Il conserve une proportion représentative, donc presque aucune des requêtes lentes ou en erreur que l'on cherche ✓
  2. Il déséquilibre les centiles de latence calculés depuis les métriques
  3. Il empêche la propagation du contexte entre services
  4. Il conserve trop de traces en période de faible trafic

Pourquoi : Un pour cent est bien représentatif de la population, et c'est précisément le problème : les requêtes intéressantes sont les plus rares, et on n'en garde qu'un centième. L'échantillonnage à la queue inverse la logique en décidant après avoir vu durée et statut — ce qui suppose de retenir les segments quelques secondes dans un collecteur, donc de la mémoire et un point de passage supplémentaire. Les métriques, elles, sont calculées sur la totalité du trafic et ne sont pas affectées.

Niveau senior

Métriques Node

Quelle métrique de saturation est propre à Node, et pourquoi le processeur ne suffit pas ?

  1. Le retard de la boucle d'événements : un fil saturé n'affiche que douze pour cent de charge sur huit cœurs ✓
  2. La taille du tas, parce que la mémoire est la seule ressource contrainte
  3. Le nombre de descripteurs de fichiers, parce qu'il plafonne avant le processeur
  4. Le nombre de requêtes par seconde, qui sature de façon linéaire

Pourquoi : C'est la question qui distingue un candidat qui a exploité du Node. Un processus saturé occupe cent pour cent d'un seul cœur, donc la charge affichée ressemble à du repos. Le retard de la boucle passe de moins d'une milliseconde à des dizaines, et il monte pour toutes les causes qui comptent : calcul long, analyse d'un gros document JSON, expression régulière catastrophique, pauses du ramasse-miettes. `monitorEventLoopDelay` de `node:perf_hooks` le mesure sans coût notable.

Niveau senior

S'entraîner sur ces questions, chronométré →