Découvrez comment ICDC utilise la Suite Elastic pour répondre à différents besoins avec une seule suite technologique, que ce soit pour des problématiques business analytics, search ou d’observabilité.

1. Informatique CDC & la Suite Elastic
Une Seule Suite pour de Multiples Usages
Fabien BALIGAND, Elastic Support Lead
Elastic{ON} Tour France
02/07/2020

2. 2
Qui suis-je ?
Fabien BALIGAND
• Contributeur Open Source sur Logstash,
Elasticsearch & Kibana
• Créateur de 3 plugins Elastic :
‒ kibana-enhanced-table
‒ logstash-filter-aggregate
‒ vscode-logstash-editor
• Elastic Certified Engineer
• Elastic Support Lead à Informatique CDC
@fbaligand
@fbaligand

3. 3
BANCAIRE RETRAITES
INTERET
GENERAL
Informatique CDC
Filière IT de la Caisse des Dépôts et Consignations

4. Comment tout a démarré
avec Elastic ?

5. 5
Contexte : Refonte intégrale du SI bancaire
Problème : Manque de visibilité

6. 66
Découverte
au Paris JUG
(Meetup)

7. 7
Architecture

8. 8
Apports de la suite Elastic
• Analyse fine des performances (bench & prod)
• Analyse/Visualisation des problèmes
• Statistiques sur la charge et l’utilisation de l’application
• Analyse précise d’une transaction ou d’un parcours utilisateur

9. 9
Apports inattendus
Une transparence totale : Prod / Etudes / MOA
Adoption unanime de Kibana par les utilisateurs

10. 10
Tableaux de bord opérationnels
Statistiques de charge & performance de la banque en ligne

11. 11
Tableaux de bord métier
Indicateurs métier d’utilisation de l’application, créés par la MOA

12. 12
Stockage disque
Quelques chiffres
documents
par jour
Historique
250G 30M 90J

13. 13
Histoire des usages Elastic @ Informatique CDC
Log Analytics
Business Analytics2
Search3
BAM4
APM5
Primary Database6
2014
Now
1

14. Zoom sur quelques cas
d’utilisation

15. SEARCH

16. 16

17. 17
CICLADE : enjeux projet
• Loi Eckert : demande de l’état
• Permettre aux français de retrouver leurs comptes inactifs
• Près de 4milliards d’euros
• 8millions de comptes inactifs

18. 18
Pourquoi Elasticsearch ?
Open Source Basé sur Lucene
Personnalisation
de la recherche
Scalable dès sa conception

19. 19
CICLADE : pic de charge au JT de TF1
Jusqu’à 1600 requêtes/s

20. 20
CICLADE : Architecture

21. APM

22. 22

23. 23
Architecture micro-services

24. 24
Tracing distribué

25. 25
Logs + APM → Observabilité 360°

26. 26
Elastic APM : un ROI imbattable
• Pas de beaux logs à générer
• Pas de pipeline Logstash à développer
• Pas de tableaux de bords Kibana à construire
→ ROI : économie de temps et d’argent pour l’Informatique CDC

27. BAM

28. 28
Socle BAM
• Objectifs
‒ Monter un socle permettant de gérer les différents besoins de suivi d’activité métier
‒ Mutualiser les coûts et l’infrastructure
• 6 modules en production
• 9 modules en cours
• Pierre angulaire de la surveillance des processus métier

29. 29
Socle BAM : architecture multi-tenant
LOGSTASH KIBANAELASTICSEARCHSOURCES
BAM 1
BAM 2
BAM 3
BAM 4
Instance dédiée
BAM 1
Instance dédiée
BAM 2
Instance dédiée
BAM 3
Instance dédiée
BAM 4
Indices
bam1-*
Indices
bam2-*
Indices
bam3-*
Indices
bam4-*
Espace
BAM 1
Espace
BAM 2
Espace
BAM 3
Espace
BAM 4

30. 30
Socle BAM : premier module (SPOT)
Pilotage Opérationnel de la Trésorerie

31. 31
Socle BAM : module SURF
Surveillance des flux financiers de bout en bout

32. 32
Socle BAM : module SPIDOC
Suivi de la conformité des dossiers clients

33. Peut-on faire plus avec
Elastic ?

34. 34
Cas d’usages atypiques
Classification de
courriers postaux
Moteur de chatbot
Marche en double
prod → bench
Geocoding &
Reverse Geocoding

35. 35
Perspectives
Socle
d’Observabilité
ECK
Reporting
intégré
• Métriques
• Logs
• APM
• Cross Cluster Search
• Référentiels
• AI Ops
• Centralisation des logs
sur notre socle Kubernetes
• Site internet mêlant
applicatif & dashboards
Kibana

36. 36
Merci !