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_idouser_idmultiplicó 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
- Usa los informes de uso de métricas para encontrar las que tienen más series temporales y las dimensiones que las provocan.
- Comprueba qué gráficos y detectores usan cada métrica y por qué dimensiones filtran o agrupan.
- Crea una regla de agregación que conserve solo esas dimensiones (por ejemplo,
regionen lugar deinstance_idyhost_name). Se aplica a los datos nuevos, no a los ya ingeridos. - Pasa los gráficos y detectores a la métrica agregada antes de tocar la original.
- 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.
- Las métricas que nadie debería enviar, fíltralas directamente en el Collector.
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.
- 01 SeñalEl uso de series temporales crece mes a mes y se acerca al límite de la suscripción.
- 02 ContextoLa mayor parte del crecimiento viene de una métrica de latencia desde que entró en producción un nuevo clúster de Kubernetes.
- 03 CorrelaciónEl informe de uso muestra que sus dimensiones de pod y contenedor multiplican las series; los paneles solo agrupan por servicio y región.
- 04 CausaCada reinicio de un pod crea series nuevas que nadie consulta una por una.
- 05 DecisiónAgregar por servicio y región, y conservar la original archivada durante un mes como red de seguridad.
- 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
- ¿Cuánto os falta para el límite de métricas y a qué ritmo ha crecido?
- ¿Sabéis qué métricas alimentan vuestros paneles y detectores?
- ¿Quién decide qué dimensiones puede enviar cada equipo?