Exponga métricas con Prometheus
Supervise la tasa de solicitudes, los errores y la duración.
Exponga métricas con Prometheus es una lección gratuita de MLOps Academy en CoddyKit. Esta es la lección 2 de 4. Puedes leer la lección completa abajo gratuitamente — luego la practicas en el navegador con un editor de código integrado y un tutor de IA 24/7. Forma parte de la ruta de aprendizaje de MLOps Academy, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de MLOps Academy incluye 4 lecciones en total.
Registros frente a métricas
Los registros cuentan la historia de una solicitud. Las Metrics son números agregados de muchas solicitudes, por lo que puede ver tendencias como la tasa y el número de errores de un vistazo. 📈
Conozca Prometheus
Prometheus es la herramienta estándar para recopilar estos números. Su servicio expone las métricas y Prometheus las lee periódicamente.
Pull, no push
Prometheus utiliza un modelo de pull: consulta una URL de métricas de su servicio cada pocos segundos. Su tarea consiste únicamente en exponer ese endpoint.
El cliente de Python
La biblioteca prometheus_client permite que su servicio de Python defina y sirva métricas con muy poco código auxiliar.
from prometheus_client import Counter, Histogram, start_http_serverUn Counter aumenta
Un Counter solo aumenta. Es perfecto para totales como el número de predicciones que su modelo ha servido desde el inicio.
predictions = Counter("predictions_total", "Total predictions served")
predictions.inc()Un Histogram mide tiempos
Un Histogram registra una distribución, ideal para la duración de las solicitudes. Agrupa los valores en intervalos para que después pueda consultar la latencia p50 y p99.
latency = Histogram("predict_seconds", "Prediction latency in seconds")
with latency.time():
model.predict(x)Las Labels añaden dimensiones
Las Labels dividen una métrica por categoría, como la versión del modelo o el estado. Así puede comparar las tasas de error de cada versión una junto a otra.
errors = Counter("errors_total", "Errors", ["model"])
errors.labels(model="churn-v3").inc()Exponga el endpoint /metrics
Prometheus consulta una ruta que normalmente se denomina /metrics. El cliente puede servirla en su propio puerto.
start_http_server(8000)
# metrics now live at http://localhost:8000/metricsCómo es una métrica
En ese endpoint, cada métrica es texto plano: un nombre, labels opcionales y un valor. Prometheus lee este formato en cada scrape.
predictions_total 1423.0
predict_seconds_bucket{le="0.1"} 1390.0Configure el scrape
Indique a Prometheus dónde buscar añadiendo su servicio como target en la configuración. Después extraerá las métricas a intervalos fijos.
scrape_configs:
- job_name: model-api
static_configs:
- targets: ["model-api:8000"]Elija el tipo adecuado
Regla general: use un Counter para valores que solo aumentan, un Histogram para duraciones y un Gauge para valores que suben y bajan.
Comprobación rápida
Quiere supervisar la latencia de las solicitudes para poder consultar p99 más adelante. ¿Qué tipo de métrica de Prometheus es el adecuado?
Recapitulación
Expuso un endpoint /metrics con prometheus_client, utilizando Counters y Histograms junto con labels. Ahora Prometheus obtiene números en tiempo real de su servicio de modelos. ✅
Aprende Python con un tutor de IA — gratis
Escribe y ejecuta código real en tu navegador, obtén ayuda instantánea de un tutor de IA disponible 24/7 y continúa donde lo dejaste en la web o en la aplicación.
- Cursos
- 30
- Lecciones
- 120
Preguntas frecuentes
¿La lección «Exponga métricas con Prometheus» es gratis?
Sí — el texto completo de «Exponga métricas con Prometheus» es gratis para leer aquí en la web. Para practicarla de forma interactiva (editor de código integrado y tutor de IA 24/7) y desbloquear el resto del curso de MLOps Academy, actualiza a CoddyKit PRO. El curso de MLOps Academy incluye 4 lecciones en total.
¿Qué aprenderé en «Exponga métricas con Prometheus»?
Supervise la tasa de solicitudes, los errores y la duración. Practicas MLOps Academy con código real que ejecutas directamente en el navegador, y un tutor de IA 24/7 responde tus preguntas mientras trabajas en la lección.
¿Necesito experiencia previa para empezar MLOps Academy?
No se requiere experiencia previa. MLOps Academy en CoddyKit está estructurado para principiantes hasta estudiantes avanzados, así que puedes empezar aquí o desde el inicio y avanzar a tu ritmo. Esta es la lección 2 de 4.
¿Cuánto tiempo toma la lección «Exponga métricas con Prometheus»?
La mayoría de las lecciones de CoddyKit toman alrededor de 5–10 minutos. Cada una es compacta e interactiva, así que avanzas constantemente y retomas exactamente por donde dejaste en la web y la app.
¿Puedo escribir y ejecutar código en esta lección de MLOps Academy?
Sí. Cada lección de MLOps Academy incluye un editor de código integrado, así que escribes y ejecutas código real directamente en tu navegador y obtienes retroalimentación instantánea de IA — sin configuración local necesaria.
Todas las lecciones de este curso
- Logs estructurados para predicciones
- Exponga métricas con Prometheus
- Cree un dashboard de Grafana
- Alerta ante picos de latencia y errores