¿Qué es el monitoreo del rendimiento de aplicaciones?

Las aplicaciones son parte integral de cualquier entorno de TI. Sirven como la capa funcional de una arquitectura, procesando datos y cerrando la brecha entre la infraestructura y los usuarios. Por tanto, afectan directamente a los costos operativos, los ingresos y la retención del cliente de una empresa.

El monitoreo del rendimiento de las aplicaciones incluye todas las prácticas necesarias para mantener los ecosistemas de las aplicaciones. Por lo tanto, es tan esencial para los entornos de TI empresariales y los objetivos empresariales generales como las propias aplicaciones.

El monitoreo del rendimiento de las aplicaciones se basa en gran medida en flujos de trabajo de automatización y herramientas de monitoreo que evalúan los KPI, como la latencia, las tasas de error y el rendimiento, para proporcionar insights sobre el estado de las aplicaciones e identificar problemas de rendimiento. Estas herramientas:

• Recopilan y correlacionan métricas de infraestructura (uso de CPU, consumo de memoria y otros KPI de utilización de recursos) para detectar problemas de capacidad e ineficiencias.

• Rastrean transacciones individuales de datos de extremo a extremo entre servicios —a través de interfaces de programación de aplicaciones (API), bases de datos y microservicios— para identificar exactamente dónde surgen los problemas.

• Recopilan datos de registro y eventos que describa lo que estaba haciendo una aplicación en momentos específicos, lo que ayuda a los ingenieros a solucionar problemas y depurar aplicaciones más rápido.

• Realizar un seguimiento de usuarios reales (que registra la experiencia verdadera de clientes reales) y un monitoreo sintético (que simula las acciones de los usuarios para detectar problemas antes de que afecten a los usuarios reales) para ayudar a los desarrolladores a comprender las interacciones de los usuarios.

Con la ayuda de las plataformas de monitoreo del rendimiento de las aplicaciones, los equipos de DevOps pueden implementar la detección proactiva de problemas, aumentar el tiempo de actividad de las aplicaciones y reducir la cantidad de tiempo que los ingenieros dedican a las tareas de extinción de incendios. Estas capacidades ayudan a las empresas a garantizar que las aplicación web se ejecuten de la manera más fluida posible para que los usuarios y líderes puedan tomar decisiones basado en datos sobre las inversiones en software.

Por lo general, los equipos de desarrollo implementan el monitoreo del rendimiento de las aplicaciones instrumentando el código de las aplicaciones (inyectando lógica de monitoreo en el código para recopilar datos sobre lo que hace el código mientras se ejecuta) y desplegando agentes ligeros junto con la pila de aplicaciones.

Los agentes se ejecutan en servidores de aplicaciones e ingieren datos de procesos de aplicaciones, infraestructura y entornos de alojamiento, dependencias posteriores e interfaces de usuario, todo sin afectar significativamente el rendimiento de las aplicaciones. Luego, los agentes y la instrumentación envían datos de monitoreo a una plataforma de monitoreo central, que agrega los datos y crea paneles y otras visualizaciones.

La plataforma de monitoreo aplica cualquier regla y umbral que los equipos de TI requieran y envía alertas cuando se incumple una regla o un KPI excede los límites aceptables, lo que permite al equipo responder rápidamente cuando ocurre un problema.

Supongamos que la empresa XYZ utiliza la aplicación ABC para recursos humanos y procesamiento de nóminas. El equipo de DevOps decide que la latencia de envío de las hojas de tiempo debe ser inferior a 1.5 segundos, las tasas de error deben permanecer por debajo del 0.5 % durante 5 minutos y las tasas de fallas de inicio de sesión deben permanecer por debajo del 2 % durante 5 minutos.

En días normales, la aplicación responde en menos de 700 milisegundos, los errores están cerca del 0 % y las fallas de inicio de sesión son bajas. Pero en un viernes de nómina ocupado antes de un día festivo, un índice de base de datos mal configurado provoca una ralentización. La latencia, las tasas de error y las fallas de inicio de sesión comienzan a superar los umbrales asignados. Las herramientas de monitoreo enviarán automáticamente alertas a todos los miembros del equipo necesarios para que puedan encontrar y reparar rápidamente el índice problemático. 

En el caso de plataformas avanzadas, las características impulsadas por la detección de anomalías y el machine learning (ML)también pueden identificar patrones de datos anómalos, predecir problemas de rendimiento e incluso reducir el ruido de las alertas mediante la clasificación de las alertas en función de la gravedad y la sensibilidad al tiempo.

Estos procesos ayudan a crear una visibilidad de principio a fin que abarca interfaces frontend, servicios de backend, bases de datos y dependencias de terceros, para que los equipos puedan comprender el impacto de cada componente individual en el rendimiento general de las aplicaciones.

El acrónimo “APM” se aplica con frecuencia tanto al monitoreo como a la gestión del rendimiento de las aplicaciones. De hecho, los dos términos a menudo se usan indistintamente. Sin embargo, las herramientas de monitoreo del rendimiento de las aplicaciones se centran exclusivamente en el monitoreo y representan solo un aspecto de la gestión del rendimiento de las aplicaciones (APM). Además de la supervisión, las plataformas APM proporcionan procesos de análisis de datos, protocolos de resolución de problemas y herramientas de optimización.

Las soluciones de monitoreo se basan en agentes desplegados en todo el entorno de las aplicaciones y en la infraestructura de soporte para muestrear métricas de rendimiento (o telemetría) a intervalos regulares (con una frecuencia de una vez por minuto). Las soluciones más modernas usan el monitoreo sin agente para un enfoque no intrusivo en la recopilación de datos, utilizando el análisis del tráfico de red para obtener datos de rendimiento de las aplicaciones.

La gestión del rendimiento de las aplicaciones es, en muchos sentidos, el siguiente paso natural en el ciclo de vida de mantenimiento de las aplicaciones después del monitoreo. Las soluciones APM obtienen insights de los datos del rendimiento de las aplicaciones y los procesos de monitoreo para ayudar a los desarrolladores a optimizar el rendimiento y la disponibilidad de las aplicaciones empresariales.

Las herramientas de monitoreo del rendimiento de las aplicaciones permiten visibilidad full stack al incorporar varios tipos diferentes de monitoreo.

El monitoreo de infraestructura se centra en el estado y el rendimiento de los sistemas subyacentes en los que se ejecutan las aplicaciones, como servidores, máquinas virtuales (VM), contenedores, redes, almacenamiento y servicios en la nube.

Este tipo de monitoreo se centra en los recursos, y se enfoca en si los recursos están disponibles y operan dentro de límites seguros. Se basa en un conjunto de métricas de bajo nivel (datos numéricos de series temporales sobre el estado del sistema) y señales que describen qué tanto está trabajando un componente y si está cerca de fallar o deteriorarse.

Para un servidor o VM, las métricas de monitoreo suelen incluir el uso de CPU, el consumo de memoria, la E/S de disco, el espacio en disco y el rendimiento de la red. Para los contenedores y nodos Kubernetes, el monitoreo incluye métricas similares pero con alcance a pods, nodos y espacios de nombres.

El monitoreo del lado del servidor (o backend) evalúa cómo el código y los servicios de aplicaciones backend, incluidos servidores de aplicaciones, microservicios, API, middleware y las infraestructuras y tiempos de ejecución que utilizan, manejan las solicitudes de datos.

El monitoreo de infraestructura responde preguntas relacionadas con los recursos , como “¿Este nodo está sobrecargado?” o “¿Este disco está a punto de llenarse?” El monitoreo del lado del servidor hace preguntas centradas en las aplicaciones, como “¿Por qué este endpoint de API es lento para los usuarios?”.

Las herramientas de monitoreo observan la ejecución de las solicitudes a medida que fluyen por códigos, marcos y dependencias para entender la eficiencia de los procesos y dónde se destinan el tiempo y los recursos a cada solicitud. Los agentes se conectan a los tiempos de ejecución; miden cuánto tiempo tardan funciones y procesos específicos; desglosan una solicitud en segmentos para identificar los problemas; y rastrean llamadas a bases de datos, cachés, colas y API de terceros.

El monitoreo de backend generalmente rastrea KPI, como los tiempos de respuesta (por endpoint de API o servicios), el rendimiento (solicitudes por segundo, tareas procesadas por minuto), las tasas y tipos de errores y la utilización de recursos.

Desde la perspectiva de la aplicación, el monitoreo de red evalúa cómo se mueven los paquetes de datos entre los componentes que hacen que las aplicaciones funcionen (enrutadores, conmutadores, balanceadores de carga, pasarelas de API) y si la propia ruta de red está ralentizando la transmisión de datos o provocando fallas.

Cada salto que realiza un paquete de datos en una red agrega posibles retrasos o puntos de falla. Si un enlace está saturado, un conmutador está soltando paquetes o una ruta no es óptima, las API de aplicaciones pueden volverse poco confiables, incluso si el código y los servidores están bien. Por lo tanto, el monitoreo de red se enfoca en KPI como latencia, pérdida de paquetes, jitter y uso de ancho de banda.

En general, las herramientas de monitoreo de red monitorean el tráfico de aplicaciones a medida que se mueve entre dos endpoints (entre servidores web y servidores de aplicaciones, y entre servidores de aplicaciones y bases de datos, por ejemplo).

Y los datos de tráfico de red son más útiles cuando se correlacionan con datos de monitoreo de rendimiento de aplicaciones de nivel superior. Si los rastreos de transacciones (que rastrean toda la ruta de una solicitud a través de servicios) muestran que una llamada de servicio a servicio en particular es lenta, las métricas de red pueden revelar simultáneamente si hubo pérdida de paquetes o un pico de latencia en el enlace entre hosts.

Esto permite a los equipos de TI ver, por ejemplo, que las llamadas del servicio A al servicio B ahora tardan 300 milisegundos en lugar de 20 milisegundos, porque la ruta entre sus nodos ha cambiado.

El monitoreo de bases de datos mide qué tan bien están funcionando las bases de datos, qué tan disponibles están y si están cerca de los límites de recursos o configuración que podrían afectar el rendimiento de las aplicaciones. Este tipo de monitoreo facilita la distinción entre problemas a nivel de código y problemas de diseño de esquema o patrones de acceso a datos.

Muchos problemas de rendimiento visibles para el usuario se originan en una base de datos, por lo que el monitoreo dedicado de la base de datos es vital para la gestión de aplicaciones.

Las herramientas de monitoreo identifican las consultas más “caras”, las que consumen más tiempo o recursos en general, y las clasifican de acuerdo con métricas como el tiempo total de ejecución en las llamadas, el percentil de latencia y el tiempo de entrada/salida por consulta. Este proceso ayuda a los equipos de TI a encontrar índices de bases de datos faltantes o consultas mal escritas, lo que puede ralentizar toda la aplicación para los usuarios finales.

El monitoreo y análisis de registros recopila los registros (registros inmutables de eventos del sistema) que emiten las aplicaciones, buscando y correlacionando los datos de registro para encontrar eventos problemáticos del sistema.

En lugar de dejar registros de diferentes aplicaciones distribuidas en diferentes máquinas, las herramientas de monitoreo de registros generalmente los centralizan en una sola plataforma. Los agentes recopilan entradas de registro y las envían todas a la plataforma de monitoreo, donde se analizan, se les marca la hora y se indexan. El proceso de agregación convierte lo que de otro modo serían archivos de texto dispersos en un único origen de datos con capacidad de búsqueda y en tiempo real para ejecutar el entorno de aplicaciones.

Las plataformas de monitoreo de registros procesan los registros a medida que llegan y aplican reglas o detectores basados en machine learning (ML) para encontrar problemas, activando automáticamente alertas cuando ocurren patrones problemáticos. Estas alertas a menudo incluyen enlaces o consultas que llevan a los desarrolladores directamente al subconjunto relevante de registros, para que puedan comenzar a solucionar problemas de inmediato.

El monitoreo de registros se vuelve mucho más poderoso cuando los datos de registro se correlacionan con métricas y rastreos. Cuando se activa una alerta de rendimiento basada en métricas en un endpoint, los equipos de DevOps pueden saltar del seguimiento de una solicitud lenta directamente a los registros de los servicios que manejaron la solicitud para comprender la causa principal del problema.

El monitoreo de contenedores proporciona visibilidad sobre los contenedores (como Docker) y orquestadores (como Kubernetes) que ejecutan aplicaciones, acortando la brecha entre el rendimiento de las aplicaciones y la infraestructura subyacente. Las herramientas de monitoreo descubren automáticamente contenedores y pods, asignan contenedores a los servicios que ejecutan, rastrean todo su ciclo de vida y correlacionan el uso de recursos con rastreos y solicitudes de usuarios.

El monitoreo de contenedores recopila métricas en múltiples niveles.

A nivel de contenedor y pod, mide el uso de CPU, el consumo de memoria, la entrada/salida de la red y la entrada/salida del disco. También captura eventos del ciclo de vida, como arranques y reinicios de pod, terminaciones y fallas de sondeo (que ocurren cuando un contenedor no está en buen estado o no está listo para aceptar tráfico). A nivel de clúster y nodo, las herramientas de monitoreo determinan si los clústeres tienen suficiente memoria, si los nuevos pods se pueden programar (colocar) fácilmente y si los pods en diferentes espacios de nombres están compitiendo por los mismos recursos.  

Luego, los datos del monitoreo de contenedores se enriquecen con el contexto de una aplicación. Por ejemplo, si la latencia de un servicio aumenta, los equipos pueden ver qué pod tiene poca memoria y filtrar los rastros de ese pod exacto para confirmar el impacto.

Estas capacidades son importantes para gestionar aplicaciones en contenedores, en las que los pods se escalan dinámicamente y los contenedores se pueden lanzar o destruir en segundos. El monitoreo de contenedores ayuda a garantizar que los ingenieros puedan detectar despliegues fallidos y clústeres con aprovisionamiento insuficiente antes de que afecten la experiencia del usuario.

RUM, un subconjunto del monitoreo de la experiencia del usuario final (EUEM) y monitoreo de la experiencia digital (DEM), es una técnica que mide el rendimiento y la experiencia del usuario observando a personas reales que usan aplicaciones en entornos reales. Captura lo que realmente sucede en los navegadores y las aplicaciones móviles de los usuarios, en sus redes, dispositivos y ubicaciones reales.

RUM generalmente funciona inyectando pequeños scripts o kits de desarrollo de software (SDK) en una aplicación y recopilando automáticamente datos de tiempo y error de cada sesión de usuario. También capturan el contexto, como el tipo de navegador, el dispositivo, el sistema operativo, el tipo de red, la región geográfica y, a veces, los identificadores de usuario o los ID de sesión.

Luego, el script envía los datos de monitoreo a un backend donde se agregan y visualizan, para que los equipos de TI puedan profundizar en cómo varía el rendimiento en diferentes segmentos de tráfico. Por ejemplo, los desarrolladores pueden comparar los tiempos de carga de páginas entre usuarios móviles y de escritorio, o entre usuarios con conexiones rápidas de fibra y usuarios con redes celulares lentas. También pueden ver qué páginas o recorridos de usuario son más lentos y con qué frecuencia se producen errores en cada flujo.

Debido a que RUM refleja las condiciones reales (wifi doméstico lento, redes móviles, dispositivos más antiguos), es un diagnóstico útil para comprender la experiencia del cliente y establecer un vínculo entre entre el rendimiento y los resultados del usuario. Es especialmente valioso para detectar problemas que solo ocurren bajo condiciones específicas o en ciertas plataformas.

El monitoreo sintético, otro tipo de EUEM, utiliza scripts automatizados que se ejecutan desde varias ubicaciones globales para simular las interacciones del usuario contra una aplicación (registrar, buscar, agregar artículos a un carrito, completar un pago) en un horario fijo.

Los ingenieros crean scripts que definen secuencias exactas de acciones, como navegar a una URL, completar formularios, hacer clic en botones o realizar llamadas a la API, y los scripts se ejecutan repetidamente (cada 5 minutos, cada hora o en un horario personalizado) de navegadores o agentes alojados en la nube en todo el entorno. Cada ejecución produce métricas (tiempo total de transacción, tiempos paso a paso, disponibilidad de la aplicación) y documentación del proceso (capturas de pantalla o videos de fallas).

La ejecución continua de scripts idénticos a lo largo del tiempo establece una base confiable para el rendimiento de las aplicaciones. Si un script de pago que normalmente tarda 3 segundos de repente tarda 12 segundos o falla en el paso de pago, los equipos de TI reciben inmediatamente una alerta, incluso si ningún usuario real se ha quejado todavía.

Como tal, el monitoreo sintético es útil para detectar problemas antes de que los usuarios reales los vean y para monitorear el rendimiento del sistema fuera del horario comercial normal o en regiones con bases de usuarios pequeñas.

Como es el caso de muchas prácticas de gestión de TI, el monitoreo del rendimiento de las aplicaciones está integrando tecnologías más nuevas que ayudan a ampliar sus beneficios y casos de uso.

Por ejemplo, muchas herramientas líderes de monitoreo implementan instrumentos de vanguardia que se basan en tecnologías de inteligencia artificial (IA) y ML para correlacionar y analizar datos en tiempo real. Las herramientas impulsadas por IA pueden filtrar grandes cantidades de datos de telemetría o, mejor aún, predecir lo que podría suceder en un sistema basado en esos datos.

Mediante análisis predictivos, los equipos de DevOps pueden pronosticar posibles problemas antes de que afecten el rendimiento de las aplicaciones. Los análisis predictivos aprovechan modelos de ML entrenados con telemetría histórica para detectar patrones sutiles que señalan un deterioro del rendimiento (picos graduales de latencia o aumentos de la tasa de error, por ejemplo).

Las herramientas de análisis predictivo también pueden simular escenarios “hipotéticos” mediante el modelado de factores estresantes hipotéticos en aplicaciones, como sobretensiones repentinas de tráfico o interrupciones de dependencia. Estas simulaciones se basan en patrones de datos históricos y entradas en tiempo real para los resultados del proyecto, generando pronósticos probabilísticos (por ejemplo, “hay un 80 % de probabilidad de que la latencia exceda los 500 milisegundos si la utilización de la CPU llega al 90 % mañana”).

La evolución del monitoreo del rendimiento de las aplicaciones impulsadas por IA indica un movimiento que se aleja de los enfoques reactivos de “solo detección de anomalías” y se acerca a sistemas totalmente proactivos que pueden anticipar y prevenir interrupciones.

Los entornos de nube y la computación edge también están transformando el monitoreo del rendimiento de las aplicaciones. Estas tecnologías requieren herramientas que puedan manejar arquitecturas de aplicaciones nativas de la nube, como las aplicaciones de software como servicio (SaaS), y entornos de TI dinámicos que se extienden mucho más allá de los centros de datos tradicionales on premises.

Los sistemas avanzados de monitoreo ahora priorizan la escalabilidad y la visibilidad en tiempo real de las cargas de trabajo en contenedores, las funciones sin servidor y los microservicios.

Pueden rastrear las solicitudes de extremo a extremo a través de mallas de servicio y clústeres de autoescalado, detectando problemas de rendimiento de la aplicación en cada salto sin consumir recursos adicionales. Incorporan rastreo distribuido y propagación de contexto avanzado para preservar los metadatos de las solicitudes en todos los servicios, lo que facilita la detección precisa de cuellos de botella del rendimiento en ecosistemas de TI complejos.

Muchos sistemas avanzados de monitoreo también proporcionan características de autoinstrumentación para lenguajes comunes en las pilas nativas de la nube. Esta capacidad ayuda a los equipos de TI a reducir el tiempo de configuración e incorporar perfectamente comprobaciones de rendimiento en los pipelines de integración continua y entrega continua (CI/CD).

Este cambio permite a los equipos de TI monitorear los recursos efímeros que se activan y desactivan rápidamente, y garantizar que el rendimiento de las aplicaciones se mantenga óptimo en entornos de nube híbrida y multinube.

Las herramientas modernas de monitoreo del rendimiento de las aplicaciones ofrecen a las empresas innumerables beneficios.