Lección 257: Introducción a Prometheus para la monitorización de métricas

Imagina que estás vigilando un restaurante enorme, donde cada cocina tiene su propio menú, su propia vajilla y sus propios pedidos. Quieres saberlo todo: quién y cuánto ha pedido, quién prepara los pedidos más rápido, dónde han ocurrido retrasos. Prometheus es como el camarero que corre por todas las cocinas, recoge toda la información, la procesa y te la trae en una bandeja bonita.

Prometheus es un sistema de monitorización y recolección de métricas de código abierto. Fue desarrollado en SoundCloud y se ha convertido en uno de los sistemas más populares para el monitoring y alerting de microservicios. Prometheus nos ayuda a recolectar, almacenar y analizar métricas, y luego usarlas para monitorizar el rendimiento, detectar cuellos de botella y prevenir problemas.

Características principales de Prometheus

Prometheus se diseñó pensando en los requisitos modernos de monitorización. Estas son sus principales "ventajas":

1. Modelo pull — Prometheus solicita activamente métricas a las aplicaciones o servicios. Esto da más control que el modelo pasivo push.
2. Lenguaje de consultas PromQL — para procesar y analizar métricas. Con PromQL puedes escribir consultas complejas y hacer cálculos agregados.
3. Almacenamiento de datos — Prometheus almacena por sí mismo las series temporales (time series) y las organiza en su propia base de datos.
4. Exporter de métricas — Prometheus permite añadir fácilmente nuevas métricas para monitorizar aplicaciones, servicios del sistema o hardware.
5. Integración con herramientas de visualización — por ejemplo, Grafana para crear dashboards espectaculares.

Un chiste para relajar: "¿por qué a Prometheus no le gusta el modelo push? Porque la aplicación puede pensar: '¡Uy, no llegué a tiempo!'"

Arquitectura de Prometheus

Prometheus se basa en una arquitectura simple e intuitiva:

┌───────────┐   ┌───────────────┐
│   Target  │   │   Exporter    │
└───────────┘   └───────────────┘
       ▲                 ▲
       │ Pull Metrics    │
       │                 │
       ▼                 ▼
┌───────────────────────────┐
│       Prometheus Server   │
│ ┌───────────────────────┐ │
│ │Time Series Database   │ │
│ │(TSDB)                 │ │
│ └───────────────────────┘ │
└───────────────────────────┘
        │
        │ Query Data
        ▼
┌─────────────────────────┐
│     Visualization Tool  │
│   (e.g., Grafana)       │
└─────────────────────────┘

1. Target (sistema objetivo) — son tus aplicaciones, a las que Prometheus hace peticiones HTTP para obtener métricas.
2. Exporter (Exporter) — aplicación que convierte las métricas a un formato que Prometheus entiende. Por ejemplo, node_exporter para obtener métricas del sistema del servidor.
3. Prometheus Server — el componente más importante, que recopila métricas, las almacena y ofrece una API para consultas.
4. Visualization Tool — herramientas para visualizar datos. El propio Prometheus tiene una interfaz web básica, pero normalmente se usa Grafana.

¿Por qué Prometheus es tan popular?

Prometheus ganó popularidad por su simplicidad y potencia. Aquí tienes algunas razones por las que lo eligen:

1. Open Source — sin coste por uso.
2. Flexibilidad — puedes personalizar métricas para cualquier necesidad.
3. Comunidad y plugins — hay muchas integraciones para Prometheus, incluyendo Spring Boot, Docker, Kubernetes y más. Incluso puedes encontrar un exporter para monitorizar tu cafetera favorita (sí, existen).
4. Apto para microservicios — especialmente cuando los servicios cambian frecuentemente o aparecen nuevos.

Ejemplos de escenarios de uso

• Quieres saber cuántas peticiones tu REST API procesa por minuto.
• Necesitas monitorizar el uso de memoria o CPU en tiempo real.
• Tienes que comprobar el tiempo de respuesta de microservicios y detectar cuellos de botella antes de que los usuarios empiecen a quejarse.

Conceptos básicos del funcionamiento de Prometheus

Antes de pasar a la práctica, vamos a aclarar los conceptos clave de Prometheus:

1. Métricas (Metrics) — datos que se recopilan y analizan. Por ejemplo, "número de conexiones activas" o "tiempo de procesamiento de una petición".
2. Series temporales (Time Series) — registros secuenciales de valores de métricas durante un periodo de tiempo.
3. Labels (etiquetas) — datos adicionales sobre las métricas. Por ejemplo, una "etiqueta" para cada microservicio.
4. Exporters (Exporters) — programas que preparan los datos para Prometheus.

Ejercicio práctico: Instalación y configuración de Prometheus

Preparar el entorno

1. Asegúrate de que Docker está instalado (si no — es un buen momento para instalarlo).
2. Descarga la imagen de Prometheus desde Docker Hub:

   docker pull prom/prometheus
   

3. Arranca Prometheus:

   docker run -d -p 9090:9090 --name=prometheus prom/prometheus
   

4. Abre el navegador y ve a http://localhost:9090. ¡Enhorabuena, Prometheus está funcionando!

Integración de Spring Boot con Prometheus

Ahora vamos a conectar nuestros microservicios a Prometheus. Para eso configuramos Spring Boot Actuator, que ya incluye métricas.

1. Añade las dependencias en pom.xml:

   
   <dependency>
       <groupId>org.springframework.boot</groupId>
       <artifactId>spring-boot-starter-actuator</artifactId>
   </dependency>
   <dependency>
       <groupId>io.micrometer</groupId>
       <artifactId>micrometer-registry-prometheus</artifactId>
   </dependency>
   

2. Configura application.yml:

   management:
     endpoints:
       web:
         exposure:
           include: "*"
     metrics:
       export:
         prometheus:
           enabled: true
   

3. Arranca tu aplicación Spring Boot. Ve a http://localhost:8080/actuator/prometheus. ¡Verás un montón de métricas!

Configurar Prometheus para recoger métricas de Spring Boot

1. Crea el archivo de configuración prometheus.yml:

   
   global:
   scrape_interval: 15s
   
   scrape_configs:
   - job_name: "spring-boot-app"
   static_configs:
   - targets: ["host.docker.internal:8080"]
   

   Ten cuidado con la dirección host.docker.internal — eso funciona para Docker en Windows y macOS. En Linux usa localhost.
2. Reinicia Prometheus:

   docker stop prometheus
   docker rm prometheus
   docker run -d -p 9090:9090 \
   -v $(pwd)/prometheus.yml:/etc/prometheus/prometheus.yml \
   --name=prometheus prom/prometheus
   

3. Ve a la UI de Prometheus y ejecuta la consulta:

   http_server_requests_seconds_sum
   

   ¡Verás las métricas de tu aplicación!

En la siguiente lección veremos cómo complementar la monitorización con visualización usando Grafana, para convertir esos números secos en dashboards bonitos.