Superviser et tenir l'exploitation
Se connecter pour s'inscrireVotre progression
Syllabus
-
-
Objectifs
-
Validations de compétences
-
Public cible
Aucun public cible spécifié pour ce module.
-
Besoins techniques
-
Prérequis
- Aucun prérequis
-
Niveau
-
Historique du module
Aucune action enregistrée
-
Supervision du réseau et SNMP
Un réseau non supervisé n'est pas un réseau qui fonctionne : c'est un réseau qui fonctionne jusqu'à ce que quelqu'un appelle. Ce module installe les yeux sur l'infrastructure, et les règles qui déclenchent l'alerte.
1.1 — Situation professionnelle
Vous reprenez l'exploitation du centre après la bascule du projet de renouvellement. Un pare-feu a été saturé la semaine dernière et aucun n'a rien vu. Vous devez déployer une supervision sur les 3 bâtiments : équipements actifs, serveurs, liaison opérateur, avec remontée d'alerte vers l'équipe.
1.2 — À quoi sert une supervision
Fonction Ce qu'elle apporte Exemple concret Détecter Voir la panne avant l'appel utilisateur Perte de la liaison WAN à 3 h, alerte à 3 h 02 Mesurer Connaître l'usage réel, dimensionner juste Le VLAN 30 Wi-Fi peaked à 70 % à 11 h, pas à 14 h Comparer Détecter une dérive progressive L'occupation mémoire du serveur passe de 40 % à 92 % en 3 semaines Tracer Reconstruire après coup Le lien a basculé 6 fois en 24 h : ce n'est pas une panne, c'est un routeur qui flap Prouver Documenter la disponibilité réelle « 99,4 % sur 30 jours » est un chiffre vérifiable, pas une impression graph TD E[Équipements SNMP] -->|requêtes| M[Manager de supervision] M --> S[Stock des mesures] S --> T[Seuils et règles] T -->|depassement| A[Alerte] A --> N[Notification equipe] S --> R[Tableaux de bord] S --> D[Disponible calculee]Le stockage des mesures est ce qui distingue une supervision d'un simple moniteur : sans historique, on ne voit que l'instant présent — et un incident qui a duré 4 minutes puis s'est résolu seul reste invisible.
1.3 — SNMP : le langage de la supervision
SNMP (Simple Network Management Protocol) permet à un manager de interroger des agents installés sur les équipements. Il repose sur une arborescence d'objets (OID) : chaque indicateur a un numéro unique, du style
1.3.6.1.2.1.1.3.0pour la date de démarrage.Version Authentification Chiffrement Usage v1 / v2c Community en clair Aucun Obsolète — à proscrire v3 USM : authNoPriv,authPrivMD5/SHA + DES/AES Le standard en production Trois opérations, à connaître :
- GET / GET-NEXT — le manager lit une ou plusieurs valeurs ;
- SET — le manager modifie une valeur (peut servir à redémarrer un équipement : usage à éviter) ;
- TRAP et INFORM — l'équipement pousse une alerte vers le manager. Un trap est non confirmé : rien ne prouve qu'il est arrivé.
snmpwalk -v3 -l authPriv -u monuser -a SHA -A monmotdepasse \ -x AES -X monmotdepasse 10.10.20.60 1.3.6.1.2.1.1.3.0 iso.3.6.1.2.1.1.3.0 = TIMETICKS: 12938400 (36 days, 3:56:24) SNMPv2-MIB::sysUpTime.0 = Timeticks: (12938400) 36 days, 3:56:24La community par défaut, c'est une porte ouverte.
publicpermet de lire l'équipement ;privatedonne parfois la main sur la configuration. C'est l'un des contrôles les plus vérifiés en CCF. On applique : community renommée, SNMP v3 en authPriv, et une ACL qui n'autorise le manager que depuis l'adresse de supervision.1.4 — Ce que l'on supervise
Équipement Indicateurs surveillés Seuil typique d'alerte Commutateur CPU, mémoire, température, état des ports, erreurs CRC CPU > 80 % sur 5 min Routeur / pare-feu CPU, sessions, débit, table de routage, versions Session > 80 % de la capacité Liaison WAN Disponibilité, latence, perte de paquets, saturation Perte > 2 % ou latence > 100 ms Serveur CPU, RAM, disque (% et SMART), service applicatif Disque > 85 % Point d'accès Clients associés, signal moyen, roaming, disponibilité Point d'accès injoignable 3 min 1.5 — Les seuils : la partie qui décide de tout
Un seuil trop bas produit une alerte à chaque pic normal : l'équipe finit par ignorer les alertes, et le seuil n'est plus une protection. Un seuil trop haut laisse passer la panne. La pratique tient en trois principes :
- Seuil relatif au service — 80 % d'un lien 100 Mbit/s et 80 % d'un lien 1 Gbit/s ne sont pas le même événement ;
- Durée minimale — une alerte ne part que si la condition tient 3 à 5 minutes, pour absorber les pics ;
- Escalade — avertissement à 80 %, alerte à 90 %, critique à 100 %, chacun avec un destinataire et un délai de traitement.
Regle : CPU commutateur B2 Declencheur .... CPU > 80 % Duree ....... 5 minutes consecutives Severite .... AVERTISSEMENT Destinataire . equipe-reseau@centre-formation.fr Action ....... ouvrir ticket P2, ne pas deranger l'astreinte Escalade ..... > 95 % pendant 10 min -> ASTREINTE + telephone1.6 — Calculer une disponibilité
La disponibilité se mesure sur une période, à partir d'historique :
Disponibilite = (duree totale - duree d'indisponibilite) / duree totale Sur 30 jours (720 h) avec 4 h 20 d'indisponibilite : (720 - 4,33) / 720 = 99,40 % Pour tenir 99,9 % sur 30 jours : indisponibilite maxi = 43 minutes Pour tenir 99,5 % sur 30 jours : indisponibilite maxi = 3 h 36Ce calcul a une conséquence directe : un SLA à 99,9 % n'autorise que 43 minutes d'arrêt par mois. Au-delà, la pénalité s'applique — c'est pourquoi on surveille le cumul, pas seulement l'incident en cours.
1.7 — Erreurs fréquentes
- Community
publiclaissée par défaut, alors que le rapport d'audit la signale systématiquement. - Seuil à 50 % : trente alertes par jour, l'équipe coupe les notifications.
- Alerte sans action associée : on sait qu'il y a un problème, on ne sait pas quoi faire.
- Supervision d'un équipement sans horloge synchronisée : les mesures sont inexploitables lors d'une analyse d'incident.
- Compter la disponibilité sur une journée : le résultat flatte et ne dit rien des pannes rares mais longues.
1.8 — Auto-évaluation et preuves à joindre
Compétence / niveau Je sais faire si… Preuve à produire C11 — SNMP niveau 3 Je passe en v3 authPriv et je restreints l'accès par ACL Sortie snmpwalk+ ACLC11 — seuils niveau 3 Je justifie un seuil par le service concerné et je le fais tenir dans le temps Tableau des seuils et de leur justification C11 — supervision niveau 3 Je lis sysUpTimeet j'explique ce qu'il prouveRelevé sysUpTimeC06 — indicateur niveau 3 Je calcule une disponibilité et j'en déduis le budget d'arrêt Calcul de disponibilité sur 30 jours C09 — sécurité niveau 3 Je signale une community par défaut et je la remplace Avant / après de la configuration -
Mises à jour et sauvegardes
Entre deux pannes, il y a deux gestes : mettre à jour et sauvegarder. Les deux Consistent à préparer le retour arrière avant d'avancer — jamais l'inverse, jamais après.
2.1 — Situation professionnelle
Le parc de 12 commutateurs, 3 routeurs et 4 serveurs doit être maintenu. La version constructeur du parc est en retard de sécurité. Vous devez planifier une campagne de mises à jour sans interrompre le service des sites, et vérifier que les sauvegardes actuelles restaurent réellement.
2.2 — La règle 3-2-1
Trois copies des données, sur deux supports différents, dont une hors site. La règle ne dit pas « trois sauvegardes » : elle dit que si le même incendie détruit le local et le support adjacent, il reste une copie.
Copie Support Emplacement Fréquence Délai de restauration 1 — locale Disque du serveur Baie Quotidienne Minutes 2 — locale déportée NAS ou bande Local technique Hebdomadaire Heures 3 — hors site NAS déporté ou cloud Autre bâtiment Mensuelle Jours 2.3 — Complémentaire vs incrémentale
Type Principe Avantage Inconvénient Complète Copie tout Restauration simple et rapide Lente, coûteuse en stockage Incrémentale Copie seulement ce qui a changé Courte, économique Une chaîne à rejouer, donc plus risquée Différentielle Copie les changements depuis la dernière complète Compromis durée / volume Restauration en deux étapes Image système Copie de l'état complet d'un équipement Restauration d'un routeur en minutes Enregistrement, pas en cours d'exploitation Le test de restauration est non négociable. Une sauvegarde dont on n'a jamais vérifié la restauration occupe de l'espace et rassure à tort. Le test consiste à restaurer réellement, dans un bac à sable, et à vérifier que le service démarre. La preuve : l'horodatage du test et le résultat — c'est une pièce attendue au livret CCF.
2.4 — RPO et RTO : les deux questions du contrat
Avant de choisir une stratégie de sauvegarde, on répond à deux questions, formulées par le métier :
- RPO (Recovery Point Objective) — combien de données acceptons-nous de perdre ? « Au pire, une journée de saisie » → RPO = 24 h, donc sauvegarde quotidienne ;
- RTO (Recovery Time Objective) — en combien de temps le service doit-il revenir ? « Le site doit être opérationnel en 2 h » → RTO = 2 h, donc une restauration automatisée et un serveur de secours.
Exemple d'usage RPO RTO Stratégie adaptée Fichiers des étudiants 24 h 24 h Complète quotidienne, NAS Comptes et annuaire 1 h 2 h Incrémentale horaire + réplication Configuration des équipements 24 h 30 min Image système quotidienne 2.5 — RAID : ce qu'il protège, ce qu'il ne protège pas
Niveau Principe Disques minimum Tolérance RAID 1 Miroir complet 2 1 disque RAID 5 Parité répartie 3 1 disque RAID 6 Double parité 4 2 disques RAID 10 Stripe de miroirs 4 1 disque par miroir Le RAID protège de la défaillance d'un disque, et de rien d'autre. Il ne protège pas de la suppression de fichier, du ransomware, de la panne du contrôleur, ni du remplissage du volume. C'est pour cela qu'il accompagne la sauvegarde, il ne s'y substitue pas.
2.6 — Planifier une mise à jour
Une mise à jour constructeur se planifie comme une intervention : avec une procédure de retour arrière et une validation après coup.
PROCEDURE DE MISE A JOUR — commutateur SW-B2 1. Verifier la version cible et les notes de version 2. Verifier la compatibilite des licences et des modules 3. Sauvegarder la configuration courante 4. Charger l'image en memoire sans redemarrer (reload in 5) 5. Apres redemarrage : controler version, VLAN, trunk, routes, SNMP 6. Rejouer un test de validation (show vlan brief, ping de gateway) 7. Si anomalie : chargement de l'ancienne version + restauration config 8. Consigner version avant / apres dans le registre de parcVérification post-mise à jour Commande Attendu Version show versionLa version cible VLAN show vlan briefLes 4 VLAN présents, ports affectés Trunk show interfaces trunkVLAN autorisés corrects Connectivité pingpasserelle + serveur0 % de perte Supervision Alerte trap de redémarrage Reçue et close 2.7 — Fenêtre de maintenance
Une fenêtre de maintenance se négocie : elle annonce la date, la durée, les services dégradés attendus, le moyen de rollback et le contact. Elle se tient pendant les heures creuses, et jamais sur un week-end sans astreinte mobilisable.
FENETRE DE MAINTENANCE Date ........ 18/04/2026, 22 h a 00 h Impact ...... coupure du site B, 10 a 20 minutes par equipement Rollback .... ancienne image en memoire, 5 minutes de retour Contact ..... N. Ferrand, 06 12 34 56 78 Information .. mail du 11/04, affichage site, message vocal2.8 — Erreurs fréquentes
- RAID 1 sur le serveur de fichiers, et aucune sauvegarde : la suppression d'un dossier est répliquée partout.
- Sauvegarde quotidienne sans test de restauration depuis six mois.
- Mise à jour sans sauvegarde préalable : le retour arrière devient une reconstruction.
- Fenêtre de maintenance annoncée le jour même, sans contact ni durée.
- Confondre RAID et sauvegarde dans le discours au client : c'est la réserve la plus fréquente en audits.
2.9 — Auto-évaluation et preuves à joindre
Compétence / niveau Je sais faire si… Preuve à produire C11 — sauvegarde niveau 3 J'applique la règle 3-2-1 et j'explique chaque copie Tableau des 3 copies C11 — test de restauration niveau 3 J'ai restauré réellement une sauvegarde et j'ai horodaté le test Compte rendu de test de restauration C11 — RPO/RTO niveau 3 Je déduis la stratégie de sauvegarde d'objectifs formulés par le métier Tableau RPO/RTO par service C11 — mise à jour niveau 3 Je prépare un retour arrière avant de lancer la mise à jour Procédure + registre de parc C09 — RAID niveau 3 Je dis ce que le RAID protège et ce qu'il ne protège pas Configuration et tableau de tolérance -
Prise en main à distance et documentation
Une astreinte n'existe que si l'astreint peut agir sans être sur place, et si celui qui prend le relais à 3 h du matin peut comprendre ce qu'il trouve. Les deux exigences sont techniques — et documentées.
3.1 — Situation professionnelle
Vous êtes d'astreinte une nuit de vendredi. Le pare-feu du site C ne répond plus. Vous êtes chez vous, vous avez accès au VPN de l'organisation, et vous devez corriger sans que personne ait à brancher un pont de connexion. Le site C est à 400 km. Ce module traite ce que vous avez sous la main : l'accès, et la documentation qui vous fera gagner vingt minutes.
3.2 — Prise en main à distance : les règles
Un accès distant est un accès à distance sur des équipements qui pilotent un site. Il se sécurise sur trois plans, et c'est le plus faible qui casse la chaîne.
Plan Mesure Sans elle Canal VPN IPsec ou TLS, jamais d'accès direct Le trafic d'administration circule en clair Identité Compte nominatif, authentification à deux facteurs Le compte « admin » partagé est intraçable Portée Le VPN n'ouvre que les VLAN d'administration Le tunnel donne accès à tout le réseau Traçabilité Journalisation des sessions et des commandes On ne saura pas qui a modifié la route ip ssh version 2 ip ssh time-out 60 ip ssh authentication-retries 2 crypto key generate rsa modulus 2048 line vty 0 4 transport input ssh logging host 10.10.20.60 ! username nferrand secret <mot de passe chiffre, jamais en clair> username nferrand privilege 15 ! show users Line User Host(s) Idle Location * 2 vty 0 nferrand idle 00:00:12 10.10.99.24Deux gestes interdits en astreinte. Supprimer un objet pour « voir si c'est la cause » : la session est coupée et la cause disparaît avec le journal. Redémarrer pour « débloquer » : c'est une modification, pas un diagnostic, et elle détruit les indices. La séquence correcte :
show running-config,show log,show interfaces, puis seulement agir.3.3 — Astreinte : ce qui doit exister avant l'appel
graph TD A[Alerte vers l'astreint] --> B[Fiche incident pre-remplie] B --> C[Acces VPN operationnel] C --> D[Documentation de l'équipement] D --> E[Procedure de rollback] E --> F[Escalade si non resolu]Élément Pourquoi il est nécessaire Fiche d'incident pré-remplie L'alerte porte l'équipement, l'heure, la valeur — pas le contexte Procédure par équipement Redémarrage, retour arrière, commande de diagnostic Plan de numérotation Savoir qui appeler chez le constructeur, à quelle heure Plan de repli Que faire si le VPN ne monte pas depuis l'extérieur Registre des incidents La trace de ce qui a été fait, pour l'après 3.4 — La documentation d'exploitation
La documentation d'exploitation n'est pas la documentation d'installation : elle décrit l'état en service, tel qu'un collègue doit le reprendre lundi matin sans vous.
Document Contenu Mise à jour Cartographie réseau Schéma physique et logique, VLAN, plan d'adressage À chaque changement Tableau des équipements Référence, version, licence, série, emplacement À chaque livraison Runbook par équipement Commandes de diagnostic, de redémarrage, de rollback Après chaque incident Procédures Ajout d'un utilisateur, ajout d'un VLAN, extension de site Semestriellement Registre des accès Qui a quel accès, depuis quand, pourquoi À chaque création Registre des incidents Date, cause, action, durée, prévention À chaque incident RUNBOOK — Pare-feu site C (FW-C) Diagnostic rapide 1) show interface + show log | include error 2) verifier la route par defaut : show ip route 3) verifier l'etat du tunnel : show crypto sa Redemarrage du service reload # confirme 5 minutes plus tard Rollback charger FW-C-11.2.3-standby.cfg puis recharger Contacts constructeur ... 0 800 xx xx xx (du lundi au vendredi 8h-18h) hotline interne . astreinte poste 41203.5 — La session d'administration, en pratique
Les commandes de diagnostic sont bon marché ; les commandes de modification ne le sont pas. L'ordre compte, et il s'apprend.
1) whoami / show users qui est connecte 2) show running-config | include MOT le parametre qui nous interesse 3) show log | include error|critical la chronologie reelle 4) show interfaces | include line l'etat physique et les erreurs 5) show ip route la table de routage 6) show arp | include ADRESSE_IP la resolution de niveau 2 7) ping / traceroute la preuve du fonctionnementÀ chaque étape, la question est la même : « qu'est-ce que ce résultat prouve, et qu'est-ce qu'il ne prouve pas ? » Un ping qui réussit prouve que le protocole ICMP passe maintenant ; il ne prouve pas que le service applicatif fonctionne, ni qu'il fonctionnera dans cinq minutes.
3.6 — Erreurs fréquentes
- Compte « admin » partagé : impossible de savoir qui a supprimé la route.
- VPN d'astreinte jamais testé hors du bureau : il ne monte pas le jour où on en a besoin.
- Runbook écrit pendant la panne, puis jamais mis à jour : il décrit un état qui n'existe plus.
- Compte rendu d'incident rédigé trois jours plus tard : les détails utiles ont disparu.
- Ouvrir un accès « temporaire » et ne jamais le fermer : c'est le début de la plupart des compromissions.
3.7 — Auto-évaluation et preuves à joindre
Compétence / niveau Je sais faire si… Preuve à produire C11 — accès distant niveau 3 Je cite les trois plans de sécurisation d'un accès distant Configuration VPN + ACL + journalisation C11 — diagnostic niveau 3 Je déroule les 7 commandes de diagnostic dans l'ordre, sans modifier Journal de session daté C11 — documentation niveau 3 Je produis un runbook qu'un collègue peut suivre à 3 h du matin Runbook + cartographie C09 — sécurité niveau 3 Je traçabilise une session avec un compte nominatif show usershorodatéC11 — astreinte niveau 3 Je sais dire quand escalader et à qui Fiche d'escalade du site