Saltar al contenido
fernet.consultores

Escenario de referenciaSplunk Observability CloudMétricas y costeDirectivo y técnico · 3 min de lectura

El volumen de métricas no para de crecer y nadie sabe cuáles usamos de verdad.

Escrito por Fernando Mateo Ruiz · Splunk Enterprise Certified Architect · Splunk O11y Cloud Certified Metrics User · Revisado el 28 octubre 2026

Escenario de referencia: describe una situación habitual y cómo la abordamos. No es un proyecto de cliente ni incluye resultados medidos.

En 30 segundos

El problema: El número de series temporales crece con cada despliegue, el límite de la suscripción está cada vez más cerca y la mayoría de esas series no aparecen nunca en un gráfico ni en un detector.

Qué lo resuelve: Metrics Pipeline Management: agrega por las dimensiones que necesitas, archiva lo que solo necesitas de vez en cuando y descarta lo que nadie usa, sin tocar el Collector.

Qué cambia: Menos volumen y coste, mientras los gráficos y detectores que importan siguen funcionando.

¿Te suena?

  • Una dimensión como container_id o user_id multiplicó las series.
  • El uso está cerca del límite y la respuesta es «comprar más».
  • Nadie se atreve a borrar una métrica por si alguien la usa.
  • Cada equipo envía todo lo que el agente recoge por defecto.

La pregunta que hay que responder

¿Qué métricas y dimensiones consultamos de verdad y cuánto pagamos por guardar las que no?

Por qué importa

La cardinalidad crece en silencio. Controlarla de forma centralizada evita sorpresas de coste y de límites, y mantiene rápidos los gráficos y detectores.

Señales necesarias

  • ImprescindibleUso y cardinalidad de métricas
  • ImprescindibleInventario de gráficos y detectores
  • RecomendadaConfiguración del Collector

Arquitectura

Escenario de referencia: la arquitectura es genérica y no pertenece a ningún cliente.

Cómo se implementa

  1. Usa los informes de uso de métricas para encontrar las que tienen más series temporales y las dimensiones que las provocan.
  2. Comprueba qué gráficos y detectores usan cada métrica y por qué dimensiones filtran o agrupan.
  3. Crea una regla de agregación que conserve solo esas dimensiones (por ejemplo, region en lugar de instance_id y host_name). Se aplica a los datos nuevos, no a los ya ingeridos.
  4. Pasa los gráficos y detectores a la métrica agregada antes de tocar la original.
  5. Envía la original a archived metrics si puedes volver a necesitarla, o descártala si nadie la usa. Las métricas archivadas no se pueden usar en gráficos ni detectores hasta que se vuelven a enrutar, y los datos descartados no se recuperan.
  6. Las métricas que nadie debería enviar, fíltralas directamente en el Collector.
No enviar en origen lo que nadie usa (Collector) · ejemplo
processors:
  filter/sin-uso:
    error_mode: ignore
    metrics:
      metric:
        - 'name == "system.network.connections"'
# Añade filter/sin-uso a los procesadores de tu pipeline de métricas.

Investigación paso a paso

Ejemplo ilustrativo de cómo se investigaría, de la señal a la acción.

  1. 01 SeñalEl uso de series temporales crece mes a mes y se acerca al límite de la suscripción.
  2. 02 ContextoLa mayor parte del crecimiento viene de una métrica de latencia desde que entró en producción un nuevo clúster de Kubernetes.
  3. 03 CorrelaciónEl informe de uso muestra que sus dimensiones de pod y contenedor multiplican las series; los paneles solo agrupan por servicio y región.
  4. 04 CausaCada reinicio de un pod crea series nuevas que nadie consulta una por una.
  5. 05 DecisiónAgregar por servicio y región, y conservar la original archivada durante un mes como red de seguridad.
  6. 06 AcciónCrear la regla de agregación, mover gráficos y detectores, enrutar la original al archivo y revisarlo un mes después.

Errores habituales

  • Descartar una métrica antes de mover los gráficos y detectores que la usan.
  • Usar identificadores o URL con parámetros como dimensiones.
  • Esperar que las reglas cambien datos que ya se ingirieron.
  • Cortar en origen una métrica que otro equipo todavía usa, sin preguntar.

Qué no resuelve este caso

  • No se aplica a las MetricSets de APM ni a las métricas de la organización.
  • Metrics Pipeline Management forma parte de la Enterprise Edition: revisa tu suscripción.

Resultado esperado

Menos series temporales y menos coste, con todos los paneles y detectores que importan funcionando.

Resultado observado

Es un escenario de referencia: no publicamos resultados medidos hasta probarlo en nuestro laboratorio o en un proyecto autorizado.

Requisitos

Plataforma

Splunk Observability Cloud Enterprise Edition

Permisos

Acceso a la gestión del pipeline de métricas

Acuerdo

Un responsable para cada familia de métricas

Servicios relacionados

Preguntas que te haríamos

  1. ¿Cuánto os falta para el límite de métricas y a qué ritmo ha crecido?
  2. ¿Sabéis qué métricas alimentan vuestros paneles y detectores?
  3. ¿Quién decide qué dimensiones puede enviar cada equipo?
Hablemos de tu caso