En los últimos años, los entornos de desarrollo y producción de software se han vuelto cada vez más complejos y distribuidos. En respuesta a esta complejidad, ha surgido un enfoque llamado “observabilidad”, que busca proporcionar una visibilidad profunda de los sistemas y aplicaciones en ejecución. Se basa en diversas técnicas y herramientas, pero una de las piedras angulares de este enfoque son las métricas. En este artículo veremos qué es, cómo se utilizan las métricas y cómo se implementan en un entorno de microservicios con herramientas como Micrometer, Prometheus, Elasticsearch y Metricbeat.
¿Qué es la observabilidad?
Podemos definirla como una metodología que busca entender y analizar los sistemas complejos, permitiendo a los equipos de desarrollo y operaciones identificar y resolver problemas más rápidamente. A diferencia del enfoque tradicional de “monitorización”, que se centra en la supervisión del estado de los sistemas, la observabilidad se basa en la capacidad de obtener información detallada sobre el comportamiento interno de los sistemas en tiempo real. Proporciona a los equipos de operaciones y desarrollo una visibilidad profunda de lo que está sucediendo dentro de sus sistemas, permitiéndoles identificar problemas, optimizar el rendimiento y mejorar la experiencia del usuario.
Siguiendo con el esquema que se muestra a continuación, vamos a dar un repaso a los diferentes elementos que componen un flujo habitual de observabilidad enfocado a las métricas:
El papel de las métricas en la observabilidad
Las métricas son elementos clave en la observabilidad. Son datos cuantitativos que proporcionan información sobre el estado y el rendimiento de los sistemas y aplicaciones. Al recopilar y analizar métricas relevantes, los equipos pueden obtener una visión objetiva y medible de cómo están funcionando sus sistemas.
En la siguiente captura se muestra un ejemplo de métricas expuestas en un endpoint gracias a la librería Micrometer, en formato Prometheus:
Las métricas son utilizadas para monitorizar y medir aspectos críticos del sistema, como la latencia, el rendimiento de la red, la utilización de recursos y otros indicadores clave de rendimiento (KPI). Al centrarse en las métricas adecuadas, los equipos pueden identificar patrones, tendencias y anomalías que pueden afectar el rendimiento y la disponibilidad del sistema.
La implementación de métricas en un entorno de microservicios
En un entorno de microservicios, la instrumentación de métricas se vuelve esencial para lograr una observabilidad efectiva. Una de las herramientas populares utilizadas para este propósito es Micrometer, se trata de una biblioteca que permite la recopilación y exportación de métricas desde aplicaciones Java a una variedad de sistemas de monitorización, incluido *Prometheus. Con Micrometer, los equipos pueden registrar métricas relevantes directamente desde sus aplicaciones y enviarlas a un sistema centralizado.
*Prometheus es un sistema de monitorización y alerta que se ha convertido en una opción popular en entornos de microservicios. Permite la recopilación y almacenamiento de métricas en tiempo real, lo que facilita su visualización y análisis posterior. Con Prometheus, los equipos pueden definir reglas de alertado basadas en umbrales de métricas y recibir notificaciones en caso de que se produzcan anomalías.
Para aprovechar aún más las métricas recopiladas, los equipos pueden utilizar herramientas como Elasticsearch y Metricbeat. Elasticsearch es un motor de búsqueda y análisis de datos que permite almacenar y consultar grandes volúmenes de métricas. Metricbeat, por otro lado, es un agente ligero que recopila y envía métricas a Elasticsearch. Al combinar estas herramientas con técnicas de aprendizaje automático, los equipos pueden detectar patrones y anomalías en los datos de métricas y tomar medidas preventivas antes de que los problemas se conviertan en interrupciones del sistema.
La integración de Micrometer
En un entorno de microservicios, la integración de Micrometer con los servicios y aplicaciones desplegados es clave para recopilar métricas relevantes. Proporcionando una API fácil de usar que permite a los desarrolladores registrar métricas en sus aplicaciones. Estas métricas pueden incluir información sobre la latencia de las solicitudes, la utilización de CPU y memoria, el número de solicitudes procesadas, entre otros aspectos críticos del rendimiento. Al registrar estas métricas directamente en las aplicaciones, se obtiene una visibilidad granular del comportamiento interno de cada componente.
Prometheus y la recolección de métricas en tiempo real
Una vez que las métricas se registran en las aplicaciones a través de Micrometer, se requiere un sistema de monitorización centralizado para recolectar y almacenarlas. Aquí es donde Prometheus entra en juego. Está diseñado específicamente para la recolección y el almacenamiento de métricas en tiempo real. Proporciona una interfaz de consulta flexible que permite a los equipos analizar y visualizar las métricas recopiladas.
En la siguiente captura podemos ver una gráfica que muestra el uso de memoria de los pods que componen un microservicio concreto:
Como hemos podido observar, los equipos pueden crear paneles de control personalizados, definir alertas basadas en umbrales y realizar análisis en profundidad de las métricas para identificar patrones y tendencias en los datos obtenidos.
Elasticsearch y Metricbeat: Ampliando la capacidad de análisis
Si bien Prometheus es un excelente sistema de monitorización en tiempo real, a veces es necesario un análisis más avanzado. Es aquí donde Elasticsearch y Metricbeat juegan un papel importante. Elasticsearch es un motor de búsqueda y análisis de datos altamente escalable que permite almacenar y consultar grandes volúmenes de métricas. Metricbeat, por otro lado, es un agente ligero que recopila y las envía a Elasticsearch de manera eficiente.
En la siguiente captura se muestra una gráfica en la que hemos empleado técnicas de Machine Learning para detectar posibles anomalías en una métrica determinada de un servicio:
Con Elasticsearch y Metricbeat, los equipos pueden realizar análisis más complejos, como detección de anomalías y tendencias a largo plazo. Al utilizar técnicas de aprendizaje automático, como algoritmos de detección de anomalías utilizando Machine Learning, los equipos pueden identificar patrones y comportamientos anómalos en las métricas. Esto les permite tomar medidas preventivas y proactivas para evitar problemas antes de que afecten la disponibilidad y el rendimiento del sistema.
Conclusión
En un entorno de microservicios, la observabilidad es fundamental para garantizar el rendimiento y la disponibilidad de los sistemas y aplicaciones. Las métricas desempeñan un papel crucial en este enfoque, proporcionando una visión objetiva y medible del comportamiento del sistema. Al implementar herramientas como Micrometer, Prometheus, Elasticsearch y Metricbeat, los equipos pueden recopilar, almacenar, visualizar y analizar métricas de manera eficiente, lo que les permite identificar problemas, optimizar el rendimiento y garantizar una experiencia de usuario de calidad.
La observabilidad y el análisis de métricas se han convertido en componentes indispensables en la gestión de sistemas distribuidos y complejos. Su adopción es esencial para mantener sistemas sólidos y confiables. Con estas herramientas, los equipos pueden tener una comprensión profunda de sus sistemas y estar preparados para enfrentar los desafíos que puedan surgir.
Álvaro Sola Martínez
Marcos Izquierdo Caro
