En este documento, se describe cómo Cloud Monitoring modela las mediciones que recopila. Estas mediciones te ayudan a comprender el rendimiento de tus aplicaciones y servicios del sistema. El modelo de Cloud Monitoring para supervisar datos consta de tres conceptos principales: serie temporal, tipo de recurso supervisado y tipo de métrica:
Los tipos de recursos supervisados son las fuentes de las mediciones, como las aplicaciones y los servicios del sistema. Existen más de 270 tipos de recursos supervisados disponibles. Para ver la lista actual, consulta Lista de recursos supervisados.
Los tipos de métricas definen la propiedad que se mide, como el uso de la CPU. Existen más de 6,500 tipos de métricas disponibles en Monitoring, para supervisar Google Cloud, AWS y una variedad de software de terceros. Para obtener listas de tipos de métricas, consulta la Lista de métricas. Si necesitas algo que aún no está definido, puedes crear uno propio.
Una serie temporal es una colección de mediciones de un recurso supervisado específico.
Para obtener una introducción a estos conceptos y cómo se relacionan, lee este documento. En los siguientes documentos, se proporciona información más detallada:
- Para obtener información sobre las etiquetas y la cardinalidad de las series temporales, y ejemplos de recursos supervisados y tipos de métricas, consulta Componentes del modelo de métricas.
- Para obtener información detallada sobre las series temporales, incluida la forma en que las representa la API de Cloud Monitoring, consulta Estructura de las series temporales. Esta información es particularmente relevante si planeas usar la API de Monitoring o las métricas personalizadas.
El modelo de métrica de Cloud Monitoring
Una métrica es un conjunto de medidas relacionadas de algunos atributos de un recurso que supervisas. Las mediciones pueden incluir la latencia de las solicitudes a un servicio, la cantidad de espacio en disco disponible en una máquina, la cantidad de tablas en tu base de datos SQL, la cantidad de widgets vendidos, etcétera. Los recursos pueden incluir máquinas virtuales (VM), instancias de bases de datos, discos, etcétera.
La noción general de una métrica en Cloud Monitoring supera tres componentes principales:
- Información sobre la fuente de las medidas
- Un conjunto de mediciones de alguna propiedad Cada medición se registra como un valor con marca de tiempo.
- Información sobre los valores de la propiedad que se mide
Por ejemplo, supongamos que hay una métrica que realiza un seguimiento de la cantidad de widgets que vende una tienda. Los componentes del modelo se asignan a este ejemplo de las siguientes maneras:
Fuente de las medidas
El modelo de métrica registra información sobre cada recurso que se supervisa. La información específica capturada depende del tipo de recurso que se supervisa, ya que podría incluir ubicaciones geográficas, nombres de métodos, ID de discos, etc., cualquier dato que sea la fuente de mediciones.
La fuente de datos de supervisión se denomina recurso supervisado.
Ejemplo: En el ejemplo de ventas de widgets, los recursos supervisados son las tiendas que venden los widgets.
Medidas
El modelo de métrica captura las medidas de una propiedad como un conjunto de datos, que consta de valores con marcas de tiempo.
Los valores suelen ser numéricos, pero depende de lo que midas.
Ejemplo: En el ejemplo de ventas de widgets, las mediciones registran información sobre ventas en momentos determinados. Estas mediciones podrían verse de la siguiente manera:
[(150, 2024-05-23T17:37:00-04:00), (229, 2024-05-23T17:38:00-04:00), (138, 2024-05-23T17:39:00-04:00), ...]
Información sobre los valores
Los valores de medición son insignificantes sin información para interpretarlos. Debes tener información de “tipo” sobre los valores, como el tipo de datos, la unidad y la categoría de cada medición:
- ¿El valor es un número entero o una string?
- ¿El valor representa las millas por hora o radianes?
- ¿El valor representa el total en el momento o el cambio desde el valor anterior?
Cloud Monitoring llama a cada conjunto de características sobre algo que deseas medir un tipo de métrica.
Ejemplo: En el ejemplo de ventas de widgets, esta información puede indicarte lo siguiente:
- Cada valor se registra como un número entero de 64 bits.
- Cada valor representa un recuento de los widgets vendidos.
- Cada valor representa el número de widgets vendidos desde la última medida registrada.
Series temporales: reúne los componentes
En Cloud Monitoring, la estructura de datos que sustenta este modelo es la serie temporal (la singular y las formas plurales son las mismas).
Cada serie temporal abarca los tres componentes del modelo:
- Una descripción del recurso supervisado desde el que se originaron las mediciones
- Es el conjunto de mediciones asociadas con un solo recurso supervisado.
- Una descripción del tipo de métrica que describa lo que estás midiendo
Ejemplo: En el ejemplo de ventas de widgets, una serie temporal incluye lo siguiente:
- Una descripción de la tienda que vendió los widgets incluidos en esta serie temporal
- El conjunto de mediciones registradas para esta tienda
- Una descripción de los valores: números enteros de 64 bits que miden la cantidad de widgets vendidos desde el valor registrado anterior
Se puede asociar un tipo de métrica único de Cloud Monitoring o un tipo de recurso supervisado con muchas series temporales relacionadas. En el ejemplo de ventas de widgets, cada tienda que vende widgets almacena sus datos en una serie temporal. Por lo tanto, si hay 15 tiendas de widgets que venden widgets, puede haber 15 ventas de widgets de grabación de series temporales.
Qué sigue
- Para obtener más información sobre la estructura de las métricas de Cloud Monitoring, consulta
- Componentes del modelo de métrica para obtener un panorama más profundo de las métricas, los recursos y las series temporales.
- Estructura de series temporales para obtener información sobre cómo se asignan las series temporales a la API de Cloud Monitoring.
- Para obtener información sobre las operaciones de series temporales, como la agregación, agrupación y filtrado, consulta Filtrado y agregación: manipula series temporales.
- Si deseas obtener ayuda con la terminología, consulta Notas sobre la terminología.