GUIDE TECHNIQUE · DYNATRACE
Créer un dashboard Dynatrace avec DQL
Créer dans Dynatrace un dashboard piloté par DQL, ajouter des visualisations pertinentes et vérifier les données affichées.

01 · CADRAGE
Ce que vous allez mettre en place
Créer dans Dynatrace un dashboard piloté par DQL, ajouter des visualisations pertinentes et vérifier les données affichées.
Pour qui : Ingénieurs APM et équipes d’exploitation
Dynatrace SaaS récent, interfaces variables selon tenant et droits. Vérifier la documentation correspondant à votre environnement.
Vérifiez la compatibilité avec votre environnement réel. Les versions ne sont jamais présumées identiques d’un tenant à l’autre.
02 · AVANT DE COMMENCER
Prérequis et points de contrôle
- Accès Dynatrace en lecture sur les entités et métriques pertinentes.
- Service, hôte ou périmètre d’étude identifié ; fenêtre temporelle connue.
- Autorisation de créer ou modifier les objets concernés en environnement de recette.
03 · VUE D’ENSEMBLE
Comprendre l’architecture et les flux

Visuel pédagogique ADN Consulting, distinct des captures de procédure. Les écrans réels dépendent de votre version.
Source : ADN Consulting04 · TUTORIEL
Procédure complète, étape par étape
Chaque étape explique l’action, sa raison, le contrôle attendu et les erreurs habituelles. Adaptez les exemples aux paramètres de votre propre environnement.
ÉTAPE 1 / 5
Préciser les indicateurs
Un dashboard utile répond à des questions d’exploitation.
- Sélectionner une métrique et le périmètre sur lequel elle est fiable.
- Définir une unité, un regroupement par hôte ou service et une fenêtre d’analyse.
- Vérifier en amont la disponibilité du signal dans Grail.
À vérifier : Les indicateurs et leurs sources sont documentés.
Point de vigilance ADN : Ne mélangez pas des données aux unités différentes.
ÉTAPE 2 / 5
Créer la première tuile DQL
Commencez avec une requête facile à valider.
- Ouvrir l’application Dashboards, créer un dashboard, puis Add > DQL.
- Coller la requête ci-dessous et sélectionner Run.
- Si rien ne remonte, inspecter la période et les autorisations de lecture des métriques.
timeseries avg(dt.host.cpu.usage), by: {dt.smartscape.host}
| limit 10À vérifier : Une série CPU par hôte remonte si les métriques existent dans le tenant.
Point de vigilance ADN : Le nom des champs doit correspondre au schéma du tenant.
ÉTAPE 3 / 5
Régler la visualisation
Un graphique mal formaté peut induire en erreur.
- Dans l’onglet Visual, sélectionner la visualisation Line.
- Afficher une légende compréhensible et vérifier les unités et l’intervalle temporel.
- Enregistrer la tuile sous un titre orienté question opérationnelle.
À vérifier : La courbe est lisible, correctement légendée et datée.
Point de vigilance ADN : Évitez des dizaines de courbes superposées.
ÉTAPE 4 / 5
Ajouter les problèmes actifs
Les problèmes détectés complètent les mesures brutes.
- Créer une seconde tuile de type DQL.
- Utiliser la requête de démonstration si votre environnement expose les événements correspondants.
- Choisir une Query value et contrôler la signification du nombre présenté.
fetch dt.davis.problems
| filter event.status == "ACTIVE"
| summarize count()À vérifier : Le nombre de problèmes actifs est interprétable pour la fenêtre choisie.
Point de vigilance ADN : Un résultat nul peut venir d’un filtre, pas d’une parfaite santé du système.
ÉTAPE 5 / 5
Tester avec un exploitant
Une vue de démonstration n’est pas automatiquement exploitable.
- Tester plusieurs plages et périmètres d’hôtes.
- Vérifier que les utilisateurs disposent des droits pour voir les tuiles et leurs sources.
- Faire retrouver un hôte dégradé par un exploitant et enregistrer ses remarques.
À vérifier : Le dashboard aide effectivement à comprendre et approfondir une anomalie.
Point de vigilance ADN : Documenter les limites et non les masquer.
05 · RECETTE
Comment vérifier que tout fonctionne ?
Les requêtes fonctionnent dans le tenant.
Les unités et périodes sont explicites.
La légende identifie les entités.
La consultation est testée avec les futurs utilisateurs.
06 · DIAGNOSTIC
Problèmes fréquents et résolution
Tuile vide
Cause probable : Données absentes ou délai incorrect
Que faire : Tester la requête seule et élargir la période.
Erreur de champ
Cause probable : Modèle de données différent
Que faire : Explorer le schéma Grail et adapter DQL.
Valeur incohérente
Cause probable : Agrégation ou périmètre erroné
Que faire : Contrôler regroupements, unités et filtres.
Le conseil de l’expert ADN
Avant de généraliser cette configuration, validez-la sur un périmètre représentatif, documentez les critères de réussite et conservez une procédure de retour arrière. Une instrumentation utile se juge sur les données effectivement exploitables, pas sur la seule installation de l’outil.
07 · QUESTIONS PRATIQUES
Questions fréquentes
Peut-on reprendre les exemples tels quels ?
Adaptez les noms de services, permissions et signaux à ce qui est réellement collecté sur votre environnement.
Quel est le bon moment pour généraliser ?
Après comparaison des résultats avec une valeur de référence et validation par l’équipe responsable.
