Qui dépend de ce service ?
Identifiez les appelants, les services en aval et les bases inférées. Découvrez les connexions à examiner.
Explorer les dépendancesObservabilité Kubernetes open source
Découvrez les dépendances entre vos services avec eBPF. Explorez traces, métriques et logs dans une plateforme auto-hébergée, sans modifier les applications prises en charge.
Un même système. Plusieurs questions.
Partez d’un service. Comprenez ce qui l’entoure, suivez une requête lente, puis explorez son empreinte.
Identifiez les appelants, les services en aval et les bases inférées. Découvrez les connexions à examiner.
Explorer les dépendancesRepérez une latence élevée. Une trace permet de distinguer une dépendance lente du temps passé dans l’application.
Explorer la latenceActivez le module green pour explorer le carbone par service. Les estimations sont identifiées et les données manquantes restent visibles.
Explorer le carboneDe la vue d’ensemble à une requête
La carte montre la relation. Les signaux sous-jacents permettent de l’examiner. Un moteur, un stockage ClickHouse.
Investiguer un checkout lent ↗Établissez la première connexion
Partez de votre existant. Découvrez le trafic pris en charge avec eBPF ou utilisez la télémétrie que vous collectez déjà.
Le chart Helm réunit le sensor, la gateway, le hub, l’interface et ClickHouse.
$ helm install avuruobseBPF observe le trafic pris en charge pendant que vos applications fonctionnent. Vérifiez les prérequis noyau et protocoles avant l’installation.
Comment la carte est construite ↗Gardez vos SDK et collecteurs. Ajoutez une destination OTLP, validez un service, puis élargissez progressivement.
Approfondissez selon vos besoins
Mesh, cost, green, AI et MCP sont optionnels. Activez ce dont votre équipe a besoin avec les contrôles de collecte et d’accès adaptés.
Explorer les modules ↗Santé des proxies, configuration des workloads et trafic déclaré ou observé.
CPU et mémoire réservés face au pic observé. Un signal à examiner, sans redimensionnement automatique.
Énergie et carbone par service, avec une distinction explicite entre mesures et estimations.
Tokens, latence et parcours d’agents à partir des spans GenAI envoyés par vos applications.
Ouvert par conception
AGPL-3.0, avec SSO OIDC et rôles par projet dans l’édition ouverte. Vous exploitez le stockage et choisissez les intégrations autorisées à transmettre des données.
eBPF découvre les workloads pris en charge sans modification applicative. La couverture dépend du noyau, du runtime et des protocoles. Utilisez OpenTelemetry pour des spans personnalisés ou les signaux hors de cette couverture.
Oui. Envoyez de l’OTLP en HTTP ou gRPC à la gateway. Pendant l’évaluation, utilisez un double export et vérifiez identité des services, clés d’ingestion et couverture des signaux avant de basculer.
Non. Green, cost, mesh, AI et MCP sont optionnels. Le profiling CPU est lui aussi expérimental et optionnel. Le guide des modules détaille les prérequis et contrôles de collecte.
Le stockage est auto-hébergé. Les exporteurs sortants, webhooks ou un assistant connecté via MCP peuvent transmettre des données aux destinations configurées. Adaptez ces intégrations à votre politique de données.
Votre système a une forme
Explorez la démo ou installez le chart publié sur votre cluster. Commencez par un service et suivez ses connexions.
helm install avuruobs oci://ghcr.io/avuruvision/charts/avuruobs \
--version 0.16.0 -n avuruobs --create-namespaceVérifiez les prérequis et choisissez une version publiée du chart dans le guide. Le temps de démarrage dépend de votre cluster.