Anúncio

SplunkLive! Paris 2016 - Customer Presentation - Generali

Splunk
Splunk
11 de May de 2016
Anúncio

Mais conteúdo relacionado

Apresentações para você(20)

Similar a SplunkLive! Paris 2016 - Customer Presentation - Generali(20)

Anúncio
Anúncio

SplunkLive! Paris 2016 - Customer Presentation - Generali

  1. Service Performance & Industrialisation Splunk au service de la performance applicative 10 mai 2016 Présenté par : Cyril Thenon Responsable du Service Performance & Industrialisation
  2. Service Performance & Industrialisation Groupe Generali Présentation société 2 A propos de Generali France Fondé il y a plus de 180 ans à Trieste, Generali s’installe dès 1832 en France, sa plus ancienne implantation étrangère. Le chiffre d’affaires de Generali France atteint 12,3 milliards d’euros en 2014. La Compagnie s’appuie sur 7500 collaborateurs pour offrir des solutions d’assurances à 7 millions de clients, particuliers ou bénéficiaires de garanties dans le cadre de leur activité, ainsi que 800 000 entreprises et professionnels.
  3. Service Performance & Industrialisation Moi Présentation 3 11 mai 2016 Cyril Thenon Responsable du Service Performance & Industrialisation cyril.thenon@generali.com
  4. Service Performance & Industrialisation Direction Production et Services Une équipe transverse au sein de la DSI Generali France Présentation 4 Etudes  Conception  Maintenance Intégration Applicative Exploitation  Accompagnement Mise en Production  Homologation  Gestion des environnements  Performance & Industrialisation  Gestion de l'infrastructure  Gestion de la qualité du service rendus aux métiers
  5. Service Performance & Industrialisation Rôles et missions Présentation 5 11 mai 2016 Gestion de la performance délivrée aux utilisateurs Industrialisation des processus de déploiement 11 000 Utilisateurs 4 000 Agents et Commerciaux Generali 7 000 Courtiers et Partenaires 430 applications 4 500 serveurs 1 000 JVM 600 bases de données
  6. Service Performance & Industrialisation Contexte Projet APM Generali France 6
  7. Service Performance & Industrialisation 2011 Contexte historique Incidents de performance applicative croissants Impact important au niveau Projet / Métier Phase de diagnostic longue mobilisant des moyens importants Comment FACTUALISER un ressenti utilisateur et LOCALISER l’origine d’une lenteur en < 30 minutes ? SOA Web 2.0 CitrixVM… 7
  8. Service Performance & Industrialisation 2012 : Stratégie & Déploiement Projet APM Création d’une démarche de gestion de la performance applicative POC et Choix d’outillages APM Généralisation des outils APM sur les applications Generali --- --- --- Constitution d’une cellule dédiée et transverse 8
  9. Service Performance & Industrialisation Fonctionnalités majeures Projet APM Mesure de bout en bout Internet/Intranet, Web, Mobile, Citrix, … Triage Niveau 1 Java Code Performance Troubleshooting Intégration dans le cycle de vie User Experience In Browser CICS Transaction End-to-End Performance Measurement 9
  10. Service Performance & Industrialisation Situation fin 2014 Projet APM 10 Factualiser les problèmes de lenteur par tiers ApplicationRéseau Backend Poste de travail Mesure de temps de réponse de bout en bout Production et Hors Production Sur une centaine d’applications critiques (~400 JVM)
  11. Service Performance & Industrialisation Axes d’amélioration Projet APM 11 10 Février 2014 Presentation Title < 30 minutes Entre le constat des lenteurs et l’identification du tiers responsable L’isolation de la cause des lenteurs peut demander X jours
  12. Service Performance & Industrialisation Comment ? Projet APM 12 FAIS SIGNE QU’ON A PAS D’OUTILS Chez Generali, nous avons beaucoup d’outils Comment corréler les informations entre elles?
  13. Service Performance & Industrialisation Objectifs APM 2.0 Project APM 2.0 13 10 Février 2014 Presentation Title Élargir la collecte d’informations de performance au niveau des sous composants Automatiser l’analyse corrélée des informations de performance Optimiser la qualité des informations collectées au niveau utilisateur Accélérer le processus d’isolation de la cause des lenteurs
  14. Service Performance & Industrialisation 14 11 mai 2016 Project APM 2.0 Finalité Un accès unique aux informations IT de Generali
  15. Service Performance & Industrialisation Architecture APM 2.0 Project APM 2.0 15 10 Février 2014 Presentation Title Moteur d’analyse et de corrélation Élargir la collecte des informations de performance à l’ensemble des composants du SI Interface d’analyse RUM dynaTrac e Serena ezOptim a
  16. Service Performance & Industrialisation Couverture technologique avec Splunk Project APM 2.0 16 10 Février 2014 Presentation Title
  17. Service Performance & Industrialisation Exemples de réalisation Project APM 2.0 17 11 mai 2016 Cartographie applicative Performance applicative Performance Géolocalisée Performance Serveur et Oracle
  18. Service Performance & Industrialisation Exemples de réalisation Project APM 2.0 18 11 mai 2016 Cartographie applicative Performance applicative Performance Géolocalisée Performance Serveur et Oracle
  19. Service Performance & Industrialisation Perspectives & Nouveaux Challenges 19
  20. Service Performance & Industrialisation Approches BigData Perspectives 20 10 Février 2014 BigData Moteur d’analyse Analyse manuelle assistée Corrélation selon des règles Présentation plus visuelle Analyse automatique Détection automatique d’origine d’incident Modélisation et simulation pour trouver des pistes d’amélioration Source de données multiples (APM, Serena, Infrastructure, VPM, etc.) 1 2
  21. Service Performance & Industrialisation Briques déjà posées Perspectives 21 10 Février 2014 2013 2015 Information sur les changements Information sur les Performances applicatives Information de performance Infrastructure Moteur BigData 2011 2016 Créer de la valeur à partir des données Étape 1 Étape 2 Étape 3
  22. Service Performance & Industrialisation Challenges futurs Perspectives 22 10 Février 2014 Système d’information Generali Prise de mesure Stockage des mesures et analyse manuelle Analyse automatique Data Scientist Notre domaine de compétences acquis
  23. Service Performance & Industrialisation Les leçons à retenir Retour d’expérience 23 11 mai 2016 Innover la façon dont nous traitons la performance de notre SI Faciliter le partage et le travail collaboratif Avoir à la fois une vision macro et micro avec un historique plus important Splunk est puissant mais pas magique. Il faut le maitriser : Tout ne fonctionne pas tout seul : bien concevoir l’architecture et les requêtes pour gagner en rapidité d’analyse. Les tableaux de bord sont inutiles sans l’analyse humaine. Splunk reste un « outil », c’est à nous de créer de la valeur avec. Attention à l’utilisation des composants de la communauté, ils ne sont pas supportés par l’éditeur …
  24. Service Performance & Industrialisation 24 FINMerci de votre écoute

Notas do Editor

  1. Créée en 2012
  2. Rôle transverse à la DSI
  3. Avant de parler de Splunk -> projet APM
  4. Avant 2012: expertise externe -> délais longs Direction nous a demandé de regarder APM
  5. Stratégie définie en 2012 Infrastructure -> application 1 objectif : Casser analyse en silo – créer une démarche transverse
  6. Très vite: 4 fonctionnalités majeures Outils et démarche jouent un rôle dans le temps (pas uniquement pompier) -> amélioration continue Synthèse des 4.
  7. Généralisé sur ensemble des applications GENERALI
  8. Hors: Moins de pb applicatifs -> progressé. Avec APM : Moins de boite noire. Maintenant nous souhaitons faire la même chose coté infra Détecter et localiser la « vraie » origine du pb (sur tout type de composant).
  9. Constat différent d’avant : Beaucoup outils -> outils spécialisés (SILO techniques) + architectures complexes -> Difficile de fonctionner avec une dizaine d’expert entre eux. Comment fonctionner en mode SILO ?? -> nécessité de relier différents silos avec Vision Globale pour adresser problématiques de Perf. 1 choix : concentrer l’information (vs remplacer outils existants) -> approche Big Data -> Splunk
  10. Information juste au bon moment (pour les sachant aussi bien que pour les nouveaux) Décision de chercher information en production - Vraie vie (information de première fraicheur) 1 choix : MAJ automatisée (vs manuelle)
  11. Pourquoi Splunk : Agents collectes existants Admin et paramétrage centralisé Possibilité de créer nos interfaces (analogie avec Excel)
  12. Splunk pas réellement Big Data
  13. Splunk a simplifié collecte, affichage Aujourd'hui : tjs démarche réactive (alertes, remontée utilisateurs) Demain : créer plus de valeur via analyse automatisée -> Big Data mais sur l’aspect analyse (plus que volume – que nous traitons déjà)
  14. Créer valeur A partir données -> sortir des informations pertinentes Pro activité : avant : tests de Perf Mais SOA + devOps (agilité + amélioration continue) -> production vie et change trop vite. Aujourd’hui : humainement impossible à suivre -> nécessité de trouver autre solution/outil pour faire cela. -> Expérimental sur Big Data
  15. Ajouter dimension analyse -> sujets passionnant pour l’équipe. Ouvre nouvelles perspectives Accompagne évolution de l’entreprise
Anúncio