Observabilidad · Nota técnica
Observabilidad sin ruido: métricas, logs y trazas que sí se usan
Cómo reducir el volumen de datos sin perder capacidad de diagnóstico
Guardar todo es fácil. El problema aparece cuando hay que abrir un panel a las tres de la mañana y encontrar, entre miles de series, la que explica por qué un servicio dejó de responder. En la mayoría de los equipos de plataforma que revisamos, el volumen de métricas, logs y trazas crece más rápido que la capacidad real de interpretarlas. Y el costo de almacenamiento, tarde o temprano, empieza a pesar más que la utilidad.
Un criterio que funciona: clasificar cada señal por su valor operativo, no por lo barato que resulte emitirla. Las métricas que se usan en un incidente concreto —latencia por endpoint, tasa de error por dependencia, saturación de un pool de conexiones— merecen retención larga y cardinalidad controlada. Los logs de depuración que nadie consulta después del despliegue pueden vivir horas, no semanas. Las trazas distribuidas son útiles cuando hay un salto entre servicios que no se explica con métricas; fuera de ese caso, muestrear es razonable.
En paneles reales esto se traduce en pocas series bien elegidas. Un dashboard con veinte gráficos suele ser menos útil que uno con cinco, cada uno respondiendo una pregunta concreta: ¿está subiendo la latencia, se está agotando algún recurso, hay una dependencia fallando más que ayer? Cuando el panel intenta cubrir todo, el operador pierde tiempo decidiendo qué mirar primero. La selección previa es trabajo del equipo, no del que está de guardia.
Sobre trazas, la discusión se repite: ¿guardar el 100% o muestrear? Depende del tráfico y de cuánto se necesite reconstruir un caso puntual. Un muestreo por tasa, combinado con captura completa cuando hay error, cubre la mayoría de los diagnósticos sin inflar el backend. Lo que no funciona es muestrear sin criterio y descubrir en medio de un incidente que la traza que hacía falta no se guardó.
Las decisiones de retención también son decisiones de costo. Definir cuánto tiempo vive cada tipo de señal —y quién puede cambiarlo— evita que el almacenamiento crezca por inercia. No hay una fórmula única; hay hábitos: revisar periódicamente qué se está guardando, qué se consulta de verdad y qué se puede tirar sin perder capacidad de respuesta.