Chez Winamax, nous faisons face à un trafic massif et extrêmement fluctuant, avec des dizaines de microservices répartis entre plusieurs produits et équipes. Comprendre les interactions entre ces services est vite devenu un véritable défi, aussi bien pour les nouvelles recrues que pour les équipes expérimentées.

Pour relever ce défi, nous avons déployé du tracing distribué avec OpenTelemetry. OpenTelemetry n’étant qu’une spécification accompagnée d’implémentations, il a fallu concevoir et construire toute une architecture — passer de zéro trace à une couverture très large en quelques mois.

En raison de fortes contraintes sur les données liées aux utilisateurs et utilisatrices, nous avons écarté les offres SaaS (Datadog, Grafana Cloud, Sentry) et créé notre propre système d’agrégation et de stockage entièrement basé sur l’open source grace à l'OpenTelemetry Collector, Quickwit ainsi que Jaeger.“

Dans ce talk, nous partagerons notre retour d’expérience :
- Comment stocker plusieurs téraoctets de traces et les interroger efficacement ?
- Comment faire évoluer des collecteurs OpenTelemetry face à un trafic massif et variable ?
- Comment faciliter l’auto‑instrumentation de nos applications Node.js ?
- Quel moteur ou architecture de stockage privilégier pour les traces ?
- Comment concevoir une architecture résiliente aux pics extrêmes de charge (ex : soirées de Ligue des Champions) ?
- Et surtout : comment encourager l’adoption quotidienne du tracing par les équipes de développement ?

Bénéfices concrets :

• Réduction des coûts de stockage.
• Enquêtes d’incident et astreintes simplifiées (avec des cas où les traces ont clairement fait la différence).
• Identification d’opportunités d’optimisation de l’infrastructure et de réduction de la facture cloud.

C’est une histoire d’ingénierie à grande échelle : l’open source nous a permis de bâtir une solution robuste, scalable et adaptée à un trafic extrême, tout en générant une réelle valeur business.