Observabilidad en producción: guía sobre supervisión, métricas, Prometheus y Grafana (2026)
Métricas, paneles, registros y alertas para sistemas en producción: Prometheus, Grafana, Kubernetes y cargas de trabajo de IA.
Observabilidad es la base de los sistemas de producción confiables.
Sin métricas, paneles de control y alertas, los clústeres de Kubernetes se desvían, las cargas de trabajo de IA fallan en silencio y las regresiones de latencia pasan desapercibidas hasta que los usuarios se quejan.
Si estás ejecutando:
- Clústeres de Kubernetes
- Cargas de trabajo de inferencia de IA y LLM
- Infraestructura de GPU
- APIs y microservicios
- Sistemas nativos de la nube
Necesitas más que registros no estructurados que solo puedes buscar con grep.
Necesitas monitoreo de grado de producción, alertas y visibilidad del sistema: métricas, paneles de control y (donde corresponda) registros estructurados y trazas.
Este pilar conecta conceptos con guías concretas: Prometheus y Grafana, registro de aplicaciones en Go, visibilidad de Kubernetes y GPU, y patrones de observabilidad para cargas de trabajo de IA y LLM. Para un diseño integral de señales de incidentes, incluye Diseño de sistemas de alertas modernas para equipos de observabilidad.
Qué cubre esta guía
Este pilar de observabilidad conecta los conceptos fundamentales de monitoreo con la implementación en producción del mundo real:
- Arquitectura de métricas de Prometheus
- Paneles de control y alertas de Grafana
- Diseño de alertas, enrutamiento y reducción de ruido
- Registro estructurado en Go con log/slog (registros JSON, correlación, eventos aptos para alertas)
- Patrones de observabilidad para Kubernetes
- Monitoreo de GPU y hardware
- Observabilidad para sistemas de IA y LLM
- Ejemplos prácticos de monitoreo de LLM
Comienza con los fundamentos a continuación y luego sigue los enlaces para profundizar.
¿Qué es la Observabilidad?
La observabilidad es la capacidad de comprender el estado interno de un sistema utilizando salidas externas.
En los sistemas modernos, la observabilidad consiste en:
- Métricas: datos de series temporales cuantitativos
- Registros (Logs): registros de eventos discretos
- Trazas (Traces): flujos de solicitudes distribuidas
El monitoreo es un subconjunto de la observabilidad.
El monitoreo te dice que algo está mal.
La observabilidad te ayuda a entender por qué.
En los sistemas de producción, especialmente en sistemas distribuidos, esta distinción es importante.
Monitoreo vs Observabilidad
Muchos equipos confunden el monitoreo con la observabilidad.
| Monitoreo | Observabilidad |
|---|---|
| Alerta cuando se cruzan los umbrales | Habilita el análisis de causa raíz |
| Enfocado en métricas predefinidas | Diseñado para modos de falla desconocidos |
| Reactivo | Diagnóstico |
Prometheus es un sistema de monitoreo.
Grafana es una capa de visualización.
Juntos, forman la columna vertebral de muchas pilas de observabilidad.
Monitoreo con Prometheus
Prometheus es el estándar de facto para la recopilación de métricas en sistemas nativos de la nube.
Prometheus proporciona:
- Recopilación de métricas basada en extracción (pull-based)
- Almacenamiento de series temporales
- Consulta con PromQL
- Integración con Alertmanager
- Descubrimiento de servicios para Kubernetes
Si estás ejecutando Kubernetes, microservicios o cargas de trabajo de IA, es probable que Prometheus ya sea parte de tu pila.
Comienza aquí:
Monitoreo con Prometheus: configuración y mejores prácticas
Esta guía cubre:
- Arquitectura de Prometheus
- Instalación de Prometheus
- Configuración de objetivos de extracción (scrape targets)
- Escritura de consultas PromQL
- Configuración de reglas de alerta
- Consideraciones de producción
Prometheus es fácil de comenzar, pero sutil de operar a escala.
Paneles de control de Grafana
Grafana es la capa de visualización para Prometheus y otras fuentes de datos.
Grafana permite:
- Paneles de control en tiempo real
- Visualización de alertas
- Integración de múltiples fuentes de datos
- Vistas de observabilidad a nivel de equipo
Para comenzar:
Instalar y usar Grafana en Ubuntu (guía completa)
Grafana transforma las métricas en bruto en información operativa.
Sin paneles de control, las métricas son solo números.
Registro estructurado en Go
Las métricas y los paneles de control solo ayudan cuando las señales que emites son consistentes y legibles por máquina. Los registros de texto plano se desmoronan tan pronto como necesitas filtros confiables, agregaciones, uniones con trazas o reglas de alertas derivadas de registros.
Para servicios en Go, log/slog (estable desde Go 1.21) modela registros con hora, nivel, mensaje y atributos; JSONHandler proporciona un evento consultable por línea; los manejadores son el lugar adecuado para la redacción y los ajustes de esquema; y los campos estables como request_id, trace_id y span_id conectan los registros con el resto de la pila de observabilidad.
Comienza aquí:
Registro Estructurado en Go con slog para Observabilidad y Alertas
Esa guía recorre la configuración orientada a la producción, la disciplina de esquema y cardinalidad, la correlación alineada con OpenTelemetry y el uso de eventos estructurados como entradas para el monitoreo y las alertas.
Cómo trabajan juntos Prometheus y Grafana
Prometheus recopila y almacena métricas.
Grafana consulta Prometheus usando PromQL y visualiza los resultados.
En producción:
- Prometheus maneja la ingesta y la evaluación de alertas
- Alertmanager enruta las alertas
- Grafana proporciona paneles de control y vistas de alertas
- Los registros y las trazas se agregan para un diagnóstico más profundo
Si eres nuevo en la observabilidad, lee en este orden:
- Prometheus (base de métricas)
- Grafana (capa de visualización)
- Diseño de Sistemas de Alertas
- Registro estructurado en Go con slog (cuando tu pila incluye servicios Go que envían registros JSON a Loki, Elasticsearch o backends similares)
- Patrones de monitoreo de Kubernetes
- Observabilidad para Sistemas LLM
Para un ejemplo práctico aplicado a cargas de trabajo de inferencia LLM, consulta Monitorear Inferencia LLM en Producción.
Observabilidad en Kubernetes
Kubernetes sin observabilidad es adivinación operativa.
Prometheus se integra profundamente con Kubernetes a través de:
- Descubrimiento de servicios
- Métricas a nivel de pod
- Exportadores de nodos
- kube-state-metrics
Los patrones de observabilidad para Kubernetes incluyen:
- Monitoreo del uso de recursos (CPU, memoria, GPU). Para visibilidad de GPU a nivel de nodo y herramientas de depuración (nvidia-smi, nvtop, nvitop, KDE Plasma System Monitor), consulta Aplicaciones de monitoreo de GPU en Linux / Ubuntu.
- Alertas por reinicios de pod
- Seguimiento de la salud de las implementaciones
- Medición de la latencia de las solicitudes
Prometheus + Grafana sigue siendo la pila de monitoreo de Kubernetes más común.
Observabilidad para Sistemas de IA y LLM
El monitoreo tradicional de APIs no es suficiente para cargas de trabajo LLM.
Los sistemas LLM fallan de manera diferente:
- Las colas se llenan en silencio
- La memoria de la GPU se satura antes de que la CPU se dispare
- El tiempo hasta el primer token (TTFT) se degrada antes de que la latencia total explote
- El rendimiento de tokens colapsa mientras la tasa de solicitudes parece estable
Si estás ejecutando servidores de inferencia como Triton, vLLM o TGI, debes monitorear:
- Tiempo hasta el primer token (TTFT)
- Percentiles de latencia de extremo a extremo
- Rendimiento de tokens (entrada/salida)
- Profundidad de la cola y comportamiento de agrupación (batching)
- Utilización de GPU y presión en la memoria de GPU
- Latencia de recuperación y llamadas a herramientas
- Costo por solicitud (economía impulsada por tokens)
Para una guía práctica y manos a la obra utilizando paneles de control de Prometheus y Grafana, consulta Monitorear Inferencia LLM en Producción.
Profundiza aquí: Observabilidad para Sistemas LLM: Métricas, Trazas, Registros y Pruebas en Producción
Esta guía cubre:
- Métricas de Prometheus para inferencia LLM
- Convenciones semánticas de GenAI de OpenTelemetry
- Trazabilidad con Jaeger y Tempo
- Monitoreo de GPU con exportador DCGM
- Arquitectura de registros Loki / ELK
- Perfilado y pruebas sintéticas
- Diseño de SLO para sistemas LLM
- Comparación completa de herramientas (Prometheus, Grafana, OTel, plataformas APM)
Si estás implementando infraestructura LLM en producción, lee esta guía.
Métricas vs Registros vs Trazas
Las métricas son ideales para:
- Alertas
- Tendencias de rendimiento
- Planificación de capacidad
Los registros son ideales para:
- Depuración de eventos
- Diagnóstico de errores
- Registros de auditoría
Las trazas son ideales para:
- Análisis de solicitudes distribuidas
- Desglose de latencia de microservicios
Una arquitectura de observabilidad madura combina los tres.
Prometheus se enfoca en las métricas.
Grafana visualiza métricas y a menudo sirve como puerta de entrada a los backends de registros (por ejemplo, Loki) junto con Prometheus.
Para emitir registros de aplicaciones estructurados y consultables desde Go antes de que lleguen a tu canal de registros, consulta la sección Registro estructurado en Go anterior.
En este sitio, Observabilidad para Sistemas LLM ya recorre las métricas, trazas y arquitectura de registros para pilas de inferencia. Pueden seguir guías adicionales enfocadas en la configuración de OpenTelemetry, análisis de trazas y patrones de agregación de registros fuera del contexto de LLM.
Errores Comunes de Monitoreo
Muchos equipos implementan el monitoreo incorrectamente.
Los errores comunes incluyen:
- Sin ajuste de umbrales de alerta
- Demasiadas alertas (fatiga de alertas)
- Sin paneles de control para servicios clave
- Sin monitoreo para trabajos en segundo plano
- Ignorar percentiles de latencia
- No monitorear cargas de trabajo de GPU
La observabilidad no es solo instalar Prometheus.
Es diseñar una estrategia de visibilidad del sistema.
Mejores Prácticas de Observabilidad en Producción
Si estás construyendo sistemas de producción:
- Monitorea los percentiles de latencia, no los promedios
- Rastrea las tasas de error y la saturación
- Monitorea las métricas de infraestructura y aplicación
- Establece alertas accionables
- Revisa regularmente los paneles de control
- Monitorea las métricas relacionadas con el costo
La observabilidad debe evolucionar con tu sistema.
Cómo la Observabilidad se Conecta con Otros Aspectos de TI
La observabilidad está estrechamente conectada con las operaciones de Kubernetes, la infraestructura en la nube, la inferencia de IA, la benchmarking de rendimiento y la utilización del hardware. Es la columna vertebral operativa de los sistemas de producción que pretendes ejecutar durante meses o años, no solo clústeres de demostración.
Guías en este clúster
| Guía | Qué obtienes |
|---|---|
| Monitoreo con Prometheus | Recopilación, PromQL, alertas, notas de producción |
| Grafana en Ubuntu | Instalación, fuentes de datos, paneles de control |
| Diseño de sistemas de alertas modernas | Enrutamiento de alertas, estrategia de canales, deduplicación y bucles de retroalimentación |
| Registro estructurado en Go (slog) | Registros JSON, correlación, redacción, señales basadas en registros |
| Monitoreo de GPU en Linux / Ubuntu | nvidia-smi, nvtop, nvitop, herramientas de escritorio |
| Monitorear inferencia LLM | Prometheus + Grafana aplicado a la inferencia |
| Observabilidad para sistemas LLM | Métricas, trazas, registros, GPU, SLOs, comparación de herramientas |
Reflexiones Finales
Prometheus y Grafana no son accesorios desechables; son parte de cómo los equipos modernos responden a la pregunta “¿el sistema está sano?” y “¿qué se rompió?” en producción.
Si no puedes medir tu sistema, no puedes mejorarlo de manera confiable.
Usa el orden de lectura bajo Cómo trabajan juntos Prometheus y Grafana si eres nuevo en la pila, y luego elige guías de la tabla anterior para tu carga de trabajo (Kubernetes, GPU, servicios Go o inferencia LLM).
