Event patterns avec ClickStack
Event patterns avec ClickStack
Les Event patterns dans ClickStack vous permettent de comprendre rapidement de grands volumes de logs ou de traces en regroupant automatiquement les messages similaires. Ainsi, au lieu d’examiner des millions d’événements individuels, vous n’avez plus qu’à passer en revue un petit nombre de groupes pertinents.
Il devient ainsi bien plus facile d’identifier quelles erreurs ou quels avertissements sont nouveaux, lesquels reviennent régulièrement et lesquels provoquent des pics soudains du volume de logs. Comme les patterns sont générés dynamiquement, vous n’avez pas besoin de définir des expressions régulières ni de maintenir des règles de parsing - ClickStack s’adapte automatiquement à vos événements, quel que soit leur format.
Au-delà de la réponse aux incidents, cette vue d’ensemble vous aide aussi à repérer les sources de logs trop verbeuses que vous pouvez réduire pour diminuer les coûts, à découvrir les différents types de logs produits par un service et à déterminer plus rapidement si le système émet déjà les signaux qui vous intéressent.
La fonctionnalité Event patterns est disponible directement dans le panneau Search de ClickStack.
Dans le sélecteur Analysis Mode situé en haut à gauche, choisissez Event patterns pour passer de la table de résultats standard à une vue regroupant les événements similaires.
Cela constitue une alternative à l’onglet Results Table par défaut, qui permet de faire défiler chaque log ou trace individuellement.
Les Event patterns sont plus efficaces lorsqu’ils sont appliqués à des sous-ensembles ciblés de vos données. Par exemple, le fait de filtrer sur un seul service avant d’activer les Event patterns fera généralement ressortir des messages plus pertinents et plus intéressants que de les appliquer à des milliers de services à la fois.
Ils sont également particulièrement utiles pour résumer les messages d’erreur, car les erreurs répétées avec des ID ou des payloads variables sont regroupées en clusters synthétiques.
Pour voir un exemple concret, consultez l’utilisation des Event patterns dans le Remote Demo Dataset.
Dernière modification le 23 juillet 2026