Métricas de desempeño en GitLab con Prometheus

Contenido del curso

Introducción

Administración

Planificación

Verificación

Empaquetación

Seguridad

Distribución

Monitoreo

Conclusiones

53
Automatización en desarrollo con DevOps y GitLab
02:29 min

Tomar examen

Cursos Empresas Blog Live Conf Eventos Precios

0:004:35

Métricas de desempeño en GitLab con Prometheus

Curso de DevOps con GitLab

Clase 49 de 53

Clase 49 / 53

Recursos

Medir y entender las métricas de desempeño es clave para tomar decisiones rápidas y mantener experiencias ágiles. En entornos donde el usuario abandona si no obtiene respuesta en 300–500 ms, las métricas como errores HTTP, latencia y through output en GitLab con Prometheus permiten detectar cuellos de botella y evaluar la capacidad de respuesta de la infraestructura.

¿Por qué las métricas de desempeño impactan en la experiencia del usuario?

Las métricas de desempeño o performance metrics revelan qué tan rápido responde tu sistema y cómo crece tu infraestructura. Cuando alguien hace clic desde una app como Facebook, si en unos cientos de milisegundos no hay respuesta, el usuario se va: es tan fácil como apretar un botón y that's it.

Ventana crítica de respuesta: 300–500 ms.
Identificación de cuellos de botella en aplicación, algoritmos y código.
Lectura del crecimiento de infraestructura y su capacidad de respuesta.
Base para decisiones rápidas orientadas a mejorar rendimiento.

¿Cómo ver métricas en GitLab con Prometheus?

Desde GitLab, la integración con Prometheus expone métricas listas para usar, sin configurar consultas manuales. Esto forma parte de Buenas prácticas de AutoDevOps y centraliza la visibilidad por ambiente.

Navegación: Operations > Metrics.
Métricas integradas sin configuración adicional.
Ambientes: producción y staging con un clic.
Marcadores de deploy: “cuetecitos” que relacionan cambios con impacto en métricas.
Panel único que evita la “adivinanza” al correlacionar código y desempeño.

¿Qué valor aporta cambiar entre ambientes?

Ver producción y staging facilita comparar el efecto de un deploy antes y después. Si el rendimiento cae en producción tras un cambio, puedes validar si en staging ya se observaba el mismo patrón.

¿Por qué importan los marcadores de deploy?

Los marcadores permiten correlacionar deployments con métricas. Si tras un deploy el through output desciende, es más fácil identificar al responsable y actuar rápido.

¿Qué significan errores HTTP, latencia y throughput?

Estas métricas ofrecen una lectura directa del estado del servicio y su capacidad para responder a la demanda.

¿Cómo interpretar los errores HTTP?

Indican fallas en las respuestas servidas.
Si aparecen, se visualizan de inmediato en el panel.
En una app sencilla pueden no presentarse, lo que es normal.

¿Qué es la latencia y cómo se mide?

Es el tiempo que tarda una acción en ejecutarse: la respuesta al usuario.
Se mide en unidades de tiempo: segundos o milisegundos.
En entornos de consumo masivo, cientos de milisegundos marcan la diferencia.

¿Qué es el through output y cómo se relaciona con la latencia?

Es la cantidad de acciones por unidad de tiempo: el rendimiento.
Relación práctica: si respondes en 500 ms y puedes emitir 2000 respuestas por segundo, observas la interacción entre latencia y through output.
Una caída del through output tras un deploy sugiere un impacto del cambio en el rendimiento.
Conceptos clave que aplicar en tu práctica diaria.
- Métricas de desempeño: base para decisiones técnicas y de producto.
- Latencia: tiempo de respuesta por solicitud.
- Through output: acciones por segundo, indicador de capacidad.
- Errores HTTP: salud de las respuestas del servicio.
- Cuellos de botella: limitantes en código, algoritmos o infraestructura.
- Integración con Prometheus: fuente de métricas en GitLab.
- Buenas prácticas de AutoDevOps: visibilidad sin fricción.
- Ambientes producción y staging: comparación y validación por entorno.
- Marcadores de deploy: correlación de cambios con impactos.

¿Quieres compartir cómo correlacionas tus deployments con el rendimiento o qué métrica te ha ayudado más a detectar cuellos de botella? Deja tu comentario y enriquezcamos el análisis entre todos.

Introducción

DevOps con GitLab para automatizar entregas de software

Qué es DevOps y cómo integra desarrollo con operaciones

DevOps como ciclo iterativo continuo: etapas y beneficios clave

GitLab como plataforma integral para el ciclo de vida DevOps

Diferencias clave entre GitLab y GitHub para desarrolladores

Administración

Configuración de autenticación segura en GitLab

Grupos y subgrupos de GitLab para organizar proyectos y permisos

Gestión de permisos y colaboradores en GitLab

Rastros de auditoría en GitLab para administración segura

Creación y configuración de proyectos en GitLab

Planificación

Diferencias entre Agile y Waterfall en desarrollo de software

Creación y gestión de issues en GitLab para colaboración eficaz

Etiquetas para organizar issues en GitLab

Planificación en Gitlab-Pesos

Creación y gestión de milestones en GitLab para sprints y releases

Boards en GitLab para visualizar flujos de trabajo con issues

Service Desk de GitLab para soporte por correo electrónico

Planificación en Gitlab-Quick actions

Verificación

Inicialización de Angular con GitLab y test-driven development

Merge requests y control de calidad en GitLab

Flujo completo de merge requests en GitLab

Automatización de flujos de trabajo con GitLab CI

GitLab CI: configuración, stages y variables para automatización

Configuración de GitLab CI para proyectos Angular

Validación de archivos GitLab CI con linter antes del pipeline

gitlab-ci.yml

Configuración de GitLab Pages para hosting estático con CI

Configuración de GitLab Pages para deploy automático de Angular

Desarrollo ágil y sus doce principios fundamentales

GitLab AutoDevOps: pipelines automatizados con seguridad y calidad

Configuración de GitLab Auto DevOps con Kubernetes en Google Cloud

Configuración de Auto DevOps en GitLab con Kubernetes

Empaquetación

Integración de GitLab Container Registry con Auto DevOps

Introducción a contenedores

Seguridad

DevSecOps: integración de seguridad en el ciclo de desarrollo

Autenticación de commits con llaves PGP en GitLab

Pruebas estáticas de seguridad en GitLab para detectar vulnerabilidades

Análisis de contenedores con GitLab y Clair para detectar vulnerabilidades

Análisis de vulnerabilidades en dependencias de NPM, PIP y Composer

Pruebas dinámicas de seguridad con DAST en GitLab

GitLab Security Dashboard: hub centralizado de vulnerabilidades

Distribución

Continuous Deployment seguro con GitLab y control de riesgos

Configuración de ambientes en GitLab para desarrollo industrial

Review apps: ambientes efímeros por branch para feedback rápido

Estrategias de Distribución

Feature Flags

Rollback en GitLab para revertir errores en producción

Monitoreo

Importancia del monitoreo en DevOps y despliegue continuo

Métricas de desempeño en GitLab con Prometheus

Métricas de salud en GitLab para prevenir fallas de infraestructura

Métricas de equipo en GitLab para optimizar workflows de DevOps

Integración de GitLab con Sentry para rastrear errores en producción

Conclusiones

Automatización en desarrollo con DevOps y GitLab

Métricas de desempeño en GitLab con Prometheus