Los dashboards de rendimiento siguen mostrando muy a menudo una media. Es tranquilizadora, legible y casi siempre engañosa. Tomemos un servicio en el que el 90 % de las llamadas responde en 50 ms y el 10 % en 1,5 segundos: la media baja a 195 ms. Esa cifra no describe ni a los usuarios satisfechos ni a los que esperan. Oculta justo a la población que va a abrir un ticket o a abandonar su carrito. Es lo que corrigen las métricas de histograma OpenPipeline que se presentan aquí.
Las prácticas de SRE zanjaron la cuestión hace tiempo: un objetivo de nivel de servicio (SLO) se formula como distribución («el 99 % de las peticiones en menos de 800 ms»), no como media. Pero hacen falta datos que conserven esa distribución. Ese es el papel de las métricas de tipo histograma, y Dynatrace SaaS permite ahora producirlas directamente en la ingesta con OpenPipeline, a partir de los spans y los logs que ya se recopilan.
Este artículo explica qué aporta este tipo de métrica, cuándo conviene usarla en lugar de una consulta sobre los datos en bruto y cómo integrarla en un enfoque de SLO.
Media, resumen, histograma: tres formas de perder (o no) la información
El valor único
Media, mínimo, máximo: estos agregados reducen miles de observaciones a un número. Una vez almacenados solos, es imposible volver atrás. Nunca sabrás qué parte de las peticiones superó un umbral dado.
El resumen precalculado
Algunas bibliotecas de instrumentación calculan cuantiles en el cliente y luego los exportan. El problema aparece en cuanto hay varias instancias: el p99 de la instancia A y el p99 de la instancia B no permiten calcular el p99 global. Los cuantiles no se suman.
El histograma
Un histograma coloca cada observación en un intervalo (un «bucket») y cuenta las ocurrencias por intervalo. Se conserva la forma de la distribución: el grueso de las peticiones rápidas, la cola lenta y todo lo que hay entre medias. Como son contadores, los histogramas de varias instancias se fusionan y los percentiles pueden calcularse en el servidor sobre toda la flota.
En cuanto al formato, la especificación de OpenTelemetry define dos variantes: el histograma de límites explícitos y el histograma exponencial, cuyos límites se adaptan al rango de los valores observados. El soporte no es idéntico según la vía de entrada: en la ingesta OTLP, Dynatrace almacena los buckets de los histogramas explícitos, pero solo mínimo, máximo, suma y recuento para los histogramas exponenciales. Antes de construir un SLO, comprueba en la documentación de Dynatrace sobre histogramas qué formato se conserva para tu fuente.
¿Consulta sobre el dato en bruto o métrica extraída?
Nada impide calcular un percentil directamente sobre los spans almacenados en Grail:
fetch spans
| makeTimeseries percentile(duration, 95), by:{endpoint.name}
Este enfoque sigue siendo perfecto para una exploración puntual. En cambio, cada ejecución vuelve a leer todos los spans del periodo. En un tile de dashboard que se refresca cada minuto, en una ventana de treinta días o en un SLO evaluado de forma continua, ese reprocesamiento cuesta tiempo y recursos.
Con una regla de extracción de métrica de histograma en OpenPipeline, la distribución se calcula una sola vez, en el momento de la ingesta. El mismo análisis se convierte en una simple consulta de series temporales:
timeseries percentile(span.api.duration, 95), by:{endpoint.name}
Punto importante: no hace falta reinstrumentar nada. Ni los SDK, ni los colectores de OpenTelemetry, ni el código de la aplicación cambian. OpenPipeline trabaja sobre los flujos de spans y de logs que ya llegan a Dynatrace. Las métricas producidas se almacenan en Grail y se pueden usar en DQL, en los Dashboards, en las definiciones de SLO y en la detección de anomalías, con la misma retención y los mismos controles de acceso que cualquier otra métrica.
Una regla sencilla para elegir: si una pregunta sobre la distribución se repite con regularidad (tile permanente, SLO, alerta), merece una métrica de histograma; si se plantea una sola vez durante una investigación, basta con la consulta sobre el dato en bruto.
En la práctica: tus métricas de histograma OpenPipeline
Paso 1: identificar las distribuciones que importan
Haz una lista de las medidas a las que tus usuarios o tus SLO son realmente sensibles: duración de las llamadas a APIs públicas, tiempo de procesamiento de un job, tiempo de inferencia de un modelo de machine learning, o un valor numérico presente en los logs (tamaño de mensaje, retraso en una cola). Empieza por dos o tres candidatas, no por todo el catálogo.
Paso 2: comprobar los datos de origen
Antes de crear la regla, asegúrate de que el campo existe y de que es numérico en el ámbito elegido. Para spans, una consulta exploratoria como esta permite validar el ámbito y las dimensiones útiles:
fetch spans, from:now()-1h
| filter isNotNull(endpoint.name)
| summarize appels = count(), p95 = percentile(duration, 95), by:{endpoint.name}
| sort appels desc
| limit 20
Para un valor extraído de logs, el campo debe estar disponible antes en forma numérica, por ejemplo gracias a un procesador de parsing previo en el mismo pipeline.
Paso 3: crear la regla de extracción en OpenPipeline
En la configuración de OpenPipeline del flujo correspondiente (spans o logs), añade una extracción de métrica de tipo histograma. Defines una clave de métrica (aquí span.api.duration, que debes sustituir por la tuya), seleccionas el campo de origen y OpenPipeline registra cada valor como un punto de histograma. Para los spans, la variante «Sampling Aware Histogram Metric» tiene en cuenta el muestreo. Elige con cuidado las dimensiones que se conservan: cada dimensión adicional multiplica el número de series. La documentación de OpenPipeline detalla las opciones disponibles.
Paso 4: consultar la métrica
Una vez que han llegado los datos, se pueden calcular varios percentiles desde la misma métrica, sin releer el dato en bruto. La elección entre p50, p90, p95 o p99 se hace en el momento de la consulta y ya no en la instrumentación. Para trazar la mediana y la cola en un mismo gráfico, combina varias agregaciones en el comando timeseries.
Paso 5: conectar un SLO a la distribución
La pregunta clásica de un SLO es la inversa del percentil: no «¿cuál es la latencia en el p99?», sino «¿qué proporción de peticiones baja de 500 ms?». La nueva función de agregación percentRank() responde a esa pregunta: a partir de un umbral, devuelve la fracción estimada de observaciones que quedan por debajo. Es la base natural de un SLO de latencia fundado en la distribución. Consulta la documentación de DQL para conocer su sintaxis exacta.
Lo que la distribución revela además
Más allá de los SLO, conservar la forma de los datos cambia la lectura de los incidentes. Una distribución bimodal indica a menudo dos caminos de código distintos, por ejemplo una caché que responde o no. Una cola que se alarga tras un despliegue señala una regresión que la mediana aún no muestra. Una alerta sobre un percentil alto de la métrica de histograma puede así detectar el ensanchamiento de la cola, allí donde un umbral sobre la media seguiría mudo; la documentación de detección de anomalías precisa los modelos disponibles.
Buenas prácticas
- Desterrar la media de los SLO de latencia: fórmalos como proporción por debajo de un umbral o como percentil.
- Limitar las dimensiones: endpoint y servicio suelen bastar; evita los identificadores de alta cardinalidad.
- Conservar el dato en bruto para explorar: la métrica responde a las preguntas recurrentes; los spans y los logs siguen siendo la referencia para el análisis fino.
- Comparar antes de cambiar: durante un periodo de prueba, contrasta el percentil obtenido de la métrica con el calculado sobre el dato en bruto para validar la regla.
- Documentar las claves de métrica: una convención de nombres clara evita duplicados entre equipos.
Preguntas frecuentes
¿Hay que modificar la instrumentación para obtener métricas de histograma?
No. OpenPipeline trabaja sobre los spans y los logs que ya llegan a Dynatrace: ni los SDK, ni los colectores de OpenTelemetry, ni el código de la aplicación cambian.
¿Cuándo es mejor consultar los datos en bruto?
Para una pregunta que se plantea una sola vez, durante una investigación, basta una consulta sobre los spans o los logs. La métrica de histograma se justifica en cuanto la pregunta se repite con regularidad: tile permanente, SLO o alerta.
¿Cómo formular un SLO de latencia a partir de un histograma?
Como proporción por debajo de un umbral y no como media. La función de agregación percentRank() devuelve la fracción estimada de observaciones situadas por debajo de un umbral dado; la documentación de DQL precisa su sintaxis.
Conclusión
Las métricas de histograma reconcilian dos necesidades que durante mucho tiempo estuvieron enfrentadas: la precisión del análisis sobre datos en bruto y la rapidez de una métrica preagregada. Al producirlas en la ingesta, OpenPipeline las hace accesibles sin tocar la instrumentación existente. Para un equipo que gestiona su fiabilidad con SLO, es la ocasión de sustituir por fin las medias tranquilizadoras por cifras que describen la experiencia de todos los usuarios, incluidos los peor atendidos. Para practicar la sintaxis antes de tocar tu entorno, el Dynatrace Playground ofrece ejemplos de consultas sobre métricas de histograma.
Para profundizar: Create histogram metrics at ingest with OpenPipeline (blog de Dynatrace, en inglés).
span.observer es un blog independiente de la comunidad, no afiliado a Dynatrace LLC. Dynatrace es una marca de Dynatrace LLC. Las funcionalidades de SaaS evolucionan rápido: comprueba su disponibilidad en tu entorno y en la documentación oficial. Comprueba siempre los valores (puertos, versiones, tamaños) en la documentación oficial correspondiente a tu versión.