Maple

Introduction

Maple est une plateforme d’observabilité open source construite sur OpenTelemetry, conçue pour les équipes qui ont besoin de traces, de logs et de métriques au même endroit. La plateforme d’observabilité Maple aide les développeurs à rechercher des traces distribuées, à rejouer des sessions utilisateur et à utiliser des diagnostics assistés par IA pour trouver plus rapidement les causes racines. Elle combine un tableau de bord moderne avec un serveur MCP, offrant aux ingénieurs une vue connectée de leur système. Avec la prise en charge native d’OTLP, un binaire local et une option d’auto-hébergement, Maple offre une voie pratique aux équipes qui souhaitent garder davantage le contrôle sur leurs données de télémétrie.

---

Qu’est-ce que Maple ?

Maple est une plateforme d’observabilité open source construite sur OpenTelemetry et reposant sur ClickHouse. Elle collecte la télémétrie via OTLP et offre aux équipes une interface unique pour les traces, les logs et les métriques. La plateforme d’observabilité Maple est conçue pour les ingénieurs qui en ont assez de passer d’un outil de monitoring à un autre lors d’un incident. Elle relie chaque signal au même trace ID, de sorte qu’une requête en échec peut être suivie de l’alerte au span puis à la ligne de log sans quitter le produit. Grâce à ses diagnostics assistés par IA via un serveur MCP intégré, elle aide également les développeurs à analyser rapidement de grands ensembles de données. C’est important car les systèmes modernes génèrent d’énormes quantités de télémétrie, et les équipes ont besoin d’un moyen de trouver le signal utile sans perdre le contexte.

Fonctionnalités clés de Maple

Ingestion native OpenTelemetry

Maple accepte la télémétrie directement via OTLP et n’exige aucun agent propriétaire. Cela rend l’observabilité OpenTelemetry pratique pour les équipes qui utilisent déjà une instrumentation standard ou qui prévoient de migrer plus tard.

Traces, logs et métriques au même endroit

Chaque requête devient une arborescence de spans avec des attributs intacts, tandis que les logs structurés restent interrogeables en quelques secondes. La plateforme d’observabilité Maple relie les traces distribuées aux logs et aux métriques dans une interface unique, afin que les ingénieurs n’aient pas besoin d’assembler le contexte manuellement.

Diagnostics assistés par IA

Maple inclut un serveur MCP de première classe, qui permet aux agents IA de lister les services, de rechercher des traces, de trouver des erreurs et de proposer des correctifs. Ces diagnostics assistés par IA offrent aux équipes un point de départ plus rapide pour la réponse aux incidents.

Corrélation des incidents

Les alertes arrivent avec le service, le seuil et des traces d’exemple. Un seul trace ID relie l’alerte, le span en échec et les logs pertinents, pour que les utilisateurs puissent passer d’un message d’alerte à 3 h du matin à la ligne qui en est la cause.

Rejeu de session

Maple enregistre chaque clic, route, ligne de console et requête en échec. Le rejeu et les spans partagent un même session ID, ce qui facilite le débogage frontend et backend.

Flexibilité et souveraineté du déploiement

Maple peut s’exécuter sous forme d’un binaire unique sur 127.0.0.1 ou d’un chart Helm sur Kubernetes. Les équipes qui ont besoin d’une observabilité auto-hébergée peuvent conserver la télémétrie dans leur réseau et contrôler elles-mêmes la rétention.

Cas d’usage de Maple

Cas d’usage 1 : Débogage d’une requête en échec

Lorsqu’un service échoue, la trace s’ouvre sur le span en échec et affiche les nouvelles tentatives en bas. Les données d’observabilité OpenTelemetry conservent les attributs intacts, de sorte que les ingénieurs peuvent identifier rapidement les timeouts et les frontières de service. La plateforme d’observabilité Maple transforme une arborescence de spans en une histoire claire, plutôt qu’en un tas d’événements déconnectés.

Cas d’usage 2 : Corrélation des alertes avec les logs

Une alerte concernant le taux d’erreur franchit son seuil et inclut des traces d’exemple. Sur la plateforme d’observabilité Maple, le même trace ID est déjà associé aux logs pertinents, de sorte que les équipes peuvent éviter une seconde recherche dans un second outil.

Cas d’usage 3 : Analyse des causes racines assistée par IA

Avec les diagnostics assistés par IA, un agent peut lire la télémétrie, inspecter le code source derrière un span et proposer un correctif. Cela aide les développeurs à gagner du temps lors des investigations d’incidents et réduit la nécessité de naviguer manuellement entre les tableaux de bord.

Comment utiliser Maple

1. Installez Maple en exécutant brew install Makisuo/tap/maple ou curl -fsSL https://maple.dev/cli/install | sh.
2. Exécutez maple start pour lancer la plateforme locale sur 127.0.0.1:4318.
3. Pointez vos services OpenTelemetry vers le endpoint OTLP de Maple.
4. Une fois que les données circulent, la plateforme d’observabilité Maple vous permet d’explorer les traces distribuées, les logs et les métriques dans un seul tableau de bord.
5. Pour Kubernetes, installez le chart Helm maple-k8s-infra pour enrichir les spans avec les données de pod, de nœud et de namespace.

Public cible de Maple

• Les équipes SRE et DevOps qui veulent une télémétrie unifiée.
• Les ingénieurs backend et plateforme utilisant OpenTelemetry.
• Les startups qui ont besoin d’une facture d’observabilité prévisible.
• Les équipes soucieuses de la sécurité qui préfèrent l’observabilité auto-hébergée.
• Les équipes qui développent des agents IA ayant besoin d’accéder à la télémétrie.

Maple est-il gratuit ?

La plateforme d’observabilité Maple propose à la fois des options auto-hébergées et hébergées. Vous pouvez exécuter Maple localement sans compte, et le plan cloud commence par un essai gratuit de 14 jours.

Avantages et inconvénients de Maple

Foire aux questions sur Maple

Qu’est-ce que Maple ?

La plateforme d’observabilité Maple est une plateforme d’observabilité open source construite sur OpenTelemetry et reposant sur ClickHouse. Elle aide les équipes à collecter, visualiser et analyser les traces distribuées, les logs et les métriques des services au même endroit.

Maple est-il open source ?

Le code source de Maple est sur GitHub sous FSL-1.1, ce qui permet aux utilisateurs de lire chaque ligne, de le forker et de l’auto-héberger. Chaque version devient Apache 2.0 deux ans après sa publication.

Maple est-il natif OpenTelemetry ?

Oui. Maple utilise les normes d’observabilité OpenTelemetry et accepte OTLP directement. Il n’y a pas d’agent propriétaire, de sorte que les données OpenTelemetry existantes peuvent être envoyées à Maple sans réinstrumenter le code.

Comment Maple est-il tarifé ?

Le plan Startup coûte 39 $/mois et inclut 100 Go de logs, de traces et de métriques chacun. Les données supplémentaires sont facturées au tarif forfaitaire de 0,30 $/Go, sans frais par hôte ni par siège. Un essai gratuit de 14 jours est disponible pour le plan hébergé.

Maple fonctionne-t-il avec les agents IA ?

Oui. Maple est livré avec un serveur MCP de première classe. Les agents compatibles peuvent lister les services, rechercher des traces, trouver des erreurs et proposer des correctifs grâce aux diagnostics assistés par IA.

Puis-je auto-héberger Maple ?

Oui. La plateforme d’observabilité Maple prend en charge l’observabilité auto-hébergée sur une infrastructure contrôlée par l’utilisateur. Le binaire local ne nécessite aucun compte, et le chart Helm facilite le déploiement sur Kubernetes.

Étiquettes Maple

Plateforme d’observabilité Maple, observabilité open source, observabilité OpenTelemetry, traces distribuées, diagnostics assistés par IA, observabilité auto-hébergée, serveur MCP, observabilité ClickHouse, observabilité Kubernetes, rejeu de session, corrélation des incidents, logs, métriques, traces