MoyenneChoix unique

Question d'entraînement ACE

Vous devez créer un tableau de bord dans Cloud Monitoring qui affiche : (1) le nombre de requêtes par seconde Cloud Run, (2) la latence p99 Cloud Run, (3) l'utilisation du CPU des pods GKE et (4) la durée des requêtes Cloud SQL — le tout sur un seul écran. Quelle fonctionnalité de Cloud Monitoring permet cette vue d'ensemble multi-services ?

Choisissez la meilleure réponse.

Bonne réponse

  • BCréer un tableau de bord personnalisé Cloud Monitoring avec des widgets de graphique pour chaque métrique à travers les différents services.

Explication

Les tableaux de bord personnalisés de Cloud Monitoring vous permettent de combiner des widgets de graphique provenant de plusieurs services surveillés (Cloud Run, GKE, Cloud SQL) sur un seul écran. Cette fonctionnalité prend en charge les requêtes de métriques hétérogènes utilisant le langage de requête de surveillance (MQL) ou les sélecteurs de métriques, permettant une vue unifiée sans avoir besoin d'outils ou d'exportations distincts.

Pourquoi chaque option est juste ou fausse

A

Fausse

Créer quatre politiques d'alerte distinctes et les épingler sur une page d'alerte partagée.

Les politiques d'alerte déclenchent des notifications en cas de dépassement de seuil et leur page d'alerte affiche l'état des incidents, et non des graphiques de taux de requêtes, de latence p99, de CPU de pod ou de durée de requête. C'est tentant car les pages d'alerte centralisent l'état de santé des services, et ce serait correct si l'objectif était une notification d'astreinte plutôt qu'un tableau de bord de métriques.

B

Juste

Créer un tableau de bord personnalisé Cloud Monitoring avec des widgets de graphique pour chaque métrique à travers les différents services.

Un tableau de bord personnalisé prend en charge des widgets de graphique hétérogènes, chacun lié à un type de métrique distinct provenant de différentes ressources surveillées. Cela satisfait la contrainte d'écran unique : le nombre de requêtes et la latence p99 Cloud Run, l'utilisation du CPU des pods GKE et la durée des requêtes Cloud SQL peuvent coexister en tant que widgets distincts, car les tableaux de bord ne sont pas limités à un seul service.

C

Fausse

Utiliser BigQuery pour interroger l'exportation des métriques et créer un tableau de bord Looker Studio.

L'exportation vers BigQuery et Looker Studio ajoute une latence d'exportation et un outil BI distinct, de sorte que le tableau de bord Cloud Monitoring sur écran unique n'est jamais produit. C'est tentant car Looker Studio gère bien l'analyse des métriques à long terme, et ce serait correct pour les rapports de tendances historiques au-delà de la fenêtre de rétention de Cloud Monitoring.

D

Fausse

Utiliser Cloud Logging pour créer un tableau de bord basé sur les journaux avec les quatre métriques.

Les tableaux de bord basés sur les journaux tracent des compteurs dérivés des journaux, et non des séries temporelles de métriques, de sorte que la latence p99 Cloud Run et les centiles de durée de requête Cloud SQL ne peuvent pas être représentés graphiquement. C'est tentant car les métriques basées sur la journalisation conviennent aux panneaux de volume de journaux et de taux d'erreur, et ce serait correct si l'exigence concernait le débit des journaux plutôt que les métriques de service.

Pour aller plus loin

Les tableaux de bord personnalisés de Cloud Monitoring vous permettent de placer des widgets de graphique hétérogènes sur un seul canevas, chacun étant soutenu par un type de métrique et une ressource surveillée différents. Un widget peut interroger run.googleapis.com/request_count avec ALIGN_RATE pour le taux de requêtes par seconde, run.googleapis.com/request_latencies avec ALIGN_PERCENTILE_99 pour le p99, kubernetes.io/container/cpu/core_usage_time pour le CPU des pods GKE, et cloudsql.googleapis.com/database/query/execution_time pour la durée des requêtes Cloud SQL. Comme les tableaux de bord ne sont que des définitions JSON, ils peuvent être versionnés et déployés via l'API Monitoring ou Terraform. Les politiques d'alerte sont des objets distincts et ne peuvent pas être épinglées sous forme de graphiques, et l'exportation vers BigQuery introduit une latence inadaptée aux opérations en direct. Cela est important lorsqu'un SRE a besoin d'une vue unique corrélant un pic de latence avec une saturation du CPU entre les services.

À propos de ces questions d'entraînement

Cette question fait partie des questions d'entraînement ACE originales de Courseiva, rédigées pour apprendre et jamais copiées d'examens réels ou de dumps.

Traduite de l'original anglais avec l'IA et vérifiée pour le sens. Les codes d'examen, les commandes et les noms de produits sont conservés tels qu'ils apparaissent à l'examen.