Práctica: Instrumentos, vistas y exemplars con el SDK de métricas

Lo que vas a aprender en este TP

• Elegir el instrumento adecuado
• Configurar una vista
• Usar los exemplars

Introducción #

Lo que vas a aprender en esta sección

• Elegir el instrumento adecuado
• Configurar una vista
• Usar los exemplars

Contexto. La dirección quiere seguir los pedidos, los carritos en curso, el stock y la latencia de la API. Produces estas métricas con OpenTelemetry y compruebas que se pueden explotar en Prometheus.

Requisitos previos: Docker y Python 3.10 o superior; la pila grafana/otel-lgtm (Collector, Tempo, Loki, Prometheus, Pyroscope y Grafana en un solo contenedor)  ·  Duración estimada: 50 min

Métricas bien tipadas, histogramas correctos y una métrica vinculada a una traza.

Puesta en práctica #

Pasos guiados, con su corrección.

1. 1. Arrancar la pila de observabilidad

   ¿Por qué? Una sola imagen proporciona un Collector OTLP y todos los backends: nos centramos en la señal.

   Lanza grafana/otel-lgtm, crea un entorno Python y apunta los exportadores al puerto OTLP/HTTP 4318.

2. 2. Producir métricas con las cuatro familias de instrumentos

   ¿Por qué? El tipo de instrumento determina la agregación y, por tanto, la exactitud de los gráficos.

   Escribe boutique.py que, en bucle, incremente un Counter de pedidos, haga variar un UpDownCounter de carritos, registre la duración de las peticiones en un Histogram y exponga el stock mediante un ObservableGauge. Exportación cada 5 segundos.

3. 3. Encontrar las métricas en Prometheus

   ¿Por qué? La conversión de OTLP a Prometheus renombra las métricas: hay que saber encontrarlas.

   En Explore > Prometheus, encuentra cada métrica con su nombre Prometheus y escribe las consultas: ritmo de pedidos por medio de pago, carritos abiertos, stock por almacén, latencia p95.

4. 4. Corregir los límites con una vista

   ¿Por qué? Los límites por defecto (0, 5, 10, 25… 10000) están pensados para milisegundos: en segundos casi todo cae en el primer intervalo y el p95 es falso.

   Observa los buckets actuales, detén el script, añade una vista con límites en segundos, vuelve a lanzarlo y compara el p95.

5. 5. Medir el efecto de la cardinalidad

   ¿Por qué? Cada valor de atributo distinto crea una serie: un identificador en una métrica dispara el almacenamiento.

   Cuenta las series de shop_orders_total, añade temporalmente un atributo user.id aleatorio, vuelve a contar y quítalo.

6. 6. Vincular una latencia con su traza

   ¿Por qué? Las mediciones hechas dentro de un span muestreado llevan un exemplar con el trace_id: se pasa del gráfico a la petición exacta.

   Muestra el p95 en un panel de Grafana con la opción Exemplars activada, haz clic en un punto alto y abre la traza correspondiente en Tempo. Si no aparece ningún exemplar, comprueba la versión del SDK y OTEL_METRICS_EXEMPLAR_FILTER.

Nivel de dificultad : ●●●○○ (3/5)