Cette page a été traduite par l'API Cloud Translation.
Switch to English

Suite des opérations Google Cloud pour Python

Présentation

La suite des opérations Google Cloud propose des outils de surveillance, de journalisation et de diagnostic pour les applications Python.

Des bibliothèques Python sont disponibles pour les services de la suite des opérations Google Cloud suivants :

Cloud Debugger

Cloud Debugger permet d'inspecter l'état d'une application Python, quel que soit l'emplacement du code, sans arrêter ni ralentir l'application en cours d'exécution. Pour commencer à utiliser Cloud Debugger, consultez la page Configurer Cloud Debugger pour Python.

Error Reporting

Error Reporting regroupe et affiche les erreurs générées dans les applications Python en cours d'exécution. Pour commencer à utiliser Error Reporting, consultez la page Configurer Error Reporting pour Python.

Cloud Logging

Cloud Logging permet de stocker, rechercher, analyser, surveiller et définir des alertes sur les données et les événements des journaux dans les applications Python. Logging fournit des plug-ins Bunyan et Winston, ainsi qu'une bibliothèque cliente pour l'API Cloud Logging. Pour commencer à utiliser Logging, consultez la page Configurer Cloud Logging pour Python.

Cloud Monitoring

Cloud Monitoring collecte des métriques, des événements et des métadonnées provenant des applications Python. La suite des opérations de Google Cloud utilise ces données pour générer des tableaux de bord, des graphiques et des alertes.

Pour plus d'informations, consultez les articles suivants :

Cloud Trace

Cloud Trace est un système de traçage distribué pour Google Cloud qui collecte les données de latence des applications et les affiche quasiment en temps réel dans Google Cloud Console. Pour en savoir plus, consultez la documentation Cloud Trace.

Cloud Profiler

Cloud Profiler est un profileur statistique peu gourmand en ressources, qui recueille en permanence des informations sur l'utilisation du processeur et l'allocation de mémoire de vos applications de production. Il attribue ces informations au code source de l'application, ce qui vous permet d'identifier les parties du code qui consomment le plus de ressources et de mettre en évidence les caractéristiques de performance du code. Pour en savoir plus, consultez la page Profiler des applications Python.