Tu equipo ya usa Prometheus y Grafana, y la dirección acaba de comprar Dynatrace. Pregunta inmediata en la reunión de SRE: ¿dónde se definen los objetivos de fiabilidad? Hacer una comparativa SLO Dynatrace Grafana a partir de un folleto no sirve de nada; hay que implementar el mismo SLO en ambos lados y ver lo que cada uno cuesta en esfuerzo, mantenimiento y ruido de guardia (on-call).
Objetivo: construir un SLO de disponibilidad idéntico (99,5 % a 30 días, peticiones HTTP sin error 5xx), primero con Prometheus y Grafana y después en Dynatrace, y extraer una rejilla de decisión. Por el lado de Dynatrace, el artículo cubre Dynatrace SaaS (SLO sobre Grail, DQL) y Dynatrace Managed (SLO clásicos basados en metric selectors).
Para las bases del cálculo del error budget y del burn rate, ten a mano alertas de burn rate de SLO.
El problema: dos fuentes de verdad para un mismo SLO
Dos herramientas que calculan la misma disponibilidad con cifras distintas son el peor escenario: cada incidente se convierte en un debate sobre la medición en lugar de una retrospectiva blameless (sin culpa). La elección tiene menos que ver con la herramienta que con el lugar donde vive el SLI de referencia.
Requisitos previos
- Prometheus 2.x (o compatible) que recopile una métrica de peticiones, aquí
http_server_requests_totalcon una etiquetacode; adáptala al nombre real de tu instrumentación. - Grafana 10 o posterior, con la fuente de datos de Prometheus.
- Un entorno Dynatrace (SaaS o Managed) que monitorice el mismo servicio con OneAgent u OpenTelemetry.
- Un token de API de Dynatrace con permisos de lectura y escritura de SLO.
Paso 1: el SLO en Prometheus y Grafana
Prometheus no conoce el concepto de SLO: lo construyes con reglas de grabación. Este es el ratio de errores en dos ventanas y, después, una alerta de burn rate rápido.
# slo-checkout.rules.yml
groups:
- name: slo-checkout
rules:
- record: slo:checkout_errors:ratio_rate5m
expr: |
sum(rate(http_server_requests_total{job="checkout",code=~"5.."}[5m]))
/
sum(rate(http_server_requests_total{job="checkout"}[5m]))
- record: slo:checkout_errors:ratio_rate1h
expr: |
sum(rate(http_server_requests_total{job="checkout",code=~"5.."}[1h]))
/
sum(rate(http_server_requests_total{job="checkout"}[1h]))
- alert: CheckoutFastBurn
expr: |
slo:checkout_errors:ratio_rate1h > (14.4 * 0.005)
and
slo:checkout_errors:ratio_rate5m > (14.4 * 0.005)
for: 2m
labels:
severity: page
annotations:
summary: "Checkout consomme son error budget 14,4 fois trop vite"
Líneas críticas: 0.005 corresponde al error budget de un SLO del 99,5 %. La doble condición (1 h y 5 min) evita avisar por un pico que ya ha terminado. Valida el archivo antes de cargarlo:
promtool check rules slo-checkout.rules.yml
En Grafana, un panel «Stat» muestra la disponibilidad a 30 días:
1 - (
sum(increase(http_server_requests_total{job="checkout",code=~"5.."}[30d]))
/
sum(increase(http_server_requests_total{job="checkout"}[30d]))
)
Una consulta sobre 30 días en bruto es cara en un Prometheus grande; en producción se apoya más bien en reglas de grabación intermedias. Generadores como Sloth o la función SLO de Grafana Cloud producen estas reglas a partir de una especificación; comprueba su disponibilidad en tu oferta de Grafana.
Paso 2: el mismo SLO en Dynatrace SaaS
En SaaS, el SLO se apoya en Grail. Empieza validando el SLI en un Notebook con DQL:
timeseries {
total = sum(dt.service.request.count),
failed = sum(dt.service.request.failure_count)
},
filter: dt.entity.service == "SERVICE-0123456789ABCDEF",
from: now()-30d
| fieldsAdd sli = 100 * (1 - (arraySum(failed) / arraySum(total)))
| fields sli
Los nombres de métricas dt.service.request.* corresponden a las métricas de servicio de Grail; compruébalos en tu entorno, ya que dependen de la fuente (OneAgent u OpenTelemetry). Crea después el SLO en la aplicación de SLO a partir de esta consulta, con un objetivo de 99,5 y una ventana de 30 días. El procedimiento completo está en SLO con OpenTelemetry y DQL.
Paso 3: el mismo SLO en Dynatrace Managed
En Managed, el SLO es un objeto de configuración basado en una expresión de métrica, creado desde la interfaz o con la API Environment v2:
curl -s -X POST "$DT_ENV/api/v2/slo" \
-H "Authorization: Api-Token $DT_TOKEN" \
-H "Content-Type: application/json" \
-d '{
"enabled": true,
"name": "checkout - disponibilite",
"metricName": "checkout_availability",
"metricExpression": "(100)*(builtin:service.errors.server.successCount:splitBy())/(builtin:service.requestCount.server:splitBy())",
"evaluationType": "AGGREGATE",
"filter": "type(\"SERVICE\"),entityId(\"SERVICE-0123456789ABCDEF\")",
"target": 99.5,
"warning": 99.8,
"timeframe": "-30d"
}'
El esquema del cuerpo puede variar según la versión del clúster: compáralo con la referencia de docs.dynatrace.com. Para versionar estos objetos, es preferible SLO de Dynatrace con Terraform.
Comparativa SLO Dynatrace Grafana en la práctica
| Criterio | Prometheus + Grafana | Dynatrace |
|---|---|---|
| Definición del SLI | PromQL, reglas escritas a mano o generadas | DQL (SaaS) o metric selector (Managed) |
| Instrumentación | Por aportar (exporters, bibliotecas, OpenTelemetry) | OneAgent automático, u OpenTelemetry |
| Cálculo del error budget | Por construir (reglas, dashboards) | Nativo en el objeto SLO |
| Alerta de burn rate | Alertmanager, reglas multiventana | Evento de métrica o alerta de la aplicación de SLO |
| Vínculo con la causa | Manual, mediante trazas y logs si están correlacionados | Problema de Davis, topología Smartscape |
| Coste principal | Tiempo de ingeniería, almacenamiento a largo plazo | Licencia, consumo |
Lectura SRE: Prometheus da un control total, al precio de un toil de mantenimiento de reglas. Dynatrace reduce ese toil y acorta el MTTR gracias al vínculo directo entre la violación del SLO y la causa probable, pero dependes de su modelo de datos.
Cómo comprobar que funciona
- Prometheus:
promtool check rulessin errores y, después, la página/rulesmuestra el gruposlo-checkouten estado OK. - Dynatrace SaaS: la consulta DQL devuelve un valor y la tarjeta del SLO muestra un estado y un error budget.
- Dynatrace Managed:
GET /api/v2/slo?evaluate=truedevuelve el SLO con unevaluatedPercentageinformado. - Comparación: en la misma ventana, las dos disponibilidades deben ser cercanas. Una diferencia de más de unas décimas de punto indica una definición distinta (códigos HTTP considerados, peticiones de health check incluidas, ámbito del servicio).
Buenas prácticas
- Una sola fuente de verdad por SLO: la otra herramienta muestra, no recalcula.
- Documenta el SLI en una frase («peticiones de checkout sin 5xx, excluidos los health checks») y aplícala en ambas herramientas.
- Alerta desde la herramienta que porta el SLO, para evitar avisos duplicados.
- Versiona las reglas de Prometheus y los SLO de Dynatrace en el mismo repositorio.
Preguntas frecuentes
¿Se pueden mostrar los SLO de Dynatrace en Grafana?
Sí, mediante un plugin de fuente de datos de Dynatrace para Grafana o con la API de métricas. Comprueba la compatibilidad del plugin con tu versión y tu tipo de entorno.
¿Hay que abandonar Prometheus si se adopta Dynatrace?
No. Dynatrace puede ingerir métricas de Prometheus. La cuestión es decidir dónde vive el SLO, no eliminar una herramienta.
¿Qué elegir en un equipo pequeño?
Un equipo sin tiempo para mantener reglas gana llevando el SLO a la herramienta que calcula de forma nativa el error budget. Un equipo ya equipado con PromQL puede quedarse en Prometheus.
Conclusión
Implementar el mismo SLO en ambos lados zanja el debate mejor que una lista de funciones. Elige la herramienta que minimice tu toil y tu MTTR y mantén después una sola definición.
span.observer es un blog independiente de la comunidad, no afiliado a Dynatrace LLC. Dynatrace es una marca de Dynatrace LLC. Grafana y Prometheus son marcas de sus respectivos propietarios. Comprueba siempre los valores (puertos, versiones, tamaños) en la documentación oficial correspondiente a tu versión.