Glosario de métricas cloud: qué medir para controlar rendimiento, disponibilidad y costes
Una guía para interpretar latencia, errores, CPU, memoria, saturación, throughput y disponibilidad, y relacionar esas señales con capacidad, escalado y compromisos de servicio.
Cómo leer las métricas de una infraestructura cloud
Una plataforma puede seguir activa y, aun así, ofrecer una experiencia deficiente: las respuestas se ralentizan, aumentan los fallos o ciertos recursos se acercan a su límite. Por eso, monitorizar el cloud implica observar varias señales en conjunto, no limitarse a comprobar si un servidor está encendido.
Este glosario reúne indicadores útiles para equipos de tecnología y operaciones. Su interpretación depende de la aplicación, la carga habitual y los objetivos de servicio: una cifra aislada no identifica por sí sola la causa de un problema.
Métricas de experiencia y servicio
Latencia
La latencia es el tiempo que transcurre entre una solicitud y la respuesta del sistema. Puede medirse en distintos puntos, como una API, una consulta a una base de datos o una petición atendida por la aplicación. Si aumenta, conviene investigar qué componentes y dependencias intervienen en la operación.
Además de la media, se suelen observar percentiles como p95 y p99: indican el tiempo por debajo del cual termina el 95 % o el 99 % de las solicitudes, respectivamente, durante el periodo medido. Ayudan a detectar respuestas lentas que una media puede ocultar. Para comparar mediciones, hay que mantener claros el intervalo, la unidad y el punto de observación.
Tasa de errores
La tasa de errores expresa qué proporción de solicitudes o transacciones no se completa correctamente. Para que el indicador sea interpretable, el equipo debe definir qué cuenta como error y cuál es el total de solicitudes usado como denominador.
Un aumento puede coincidir con una dependencia lenta, una aplicación sobrecargada o un cambio reciente. Relacionarlo con la latencia, los servicios afectados y el momento en que comenzó ayuda a acotar la investigación, pero no demuestra por sí solo una causa.
Disponibilidad
La disponibilidad representa cuánto tiempo un servicio cumple las condiciones acordadas para considerarse operativo. Es importante definir cómo se mide: por ejemplo, qué pruebas determinan que el servicio funciona y qué periodo se evalúa.
Cuando existe un SLA (acuerdo de nivel de servicio), la disponibilidad puede formar parte de sus compromisos. El indicador y el método de cálculo deben corresponder a las condiciones pactadas; una métrica interna no permite concluir por sí sola si se ha cumplido el SLA.
Throughput o volumen procesado
El throughput mide cuánto trabajo atiende un sistema en un periodo, por ejemplo, solicitudes por segundo o transacciones procesadas. Interpretarlo junto con la latencia y los errores permite distinguir entre un aumento de actividad que el servicio absorbe bien y una carga que coincide con degradación.
Ilustración editorial · Edition Business
Métricas de recursos y capacidad
Uso de CPU
El uso de CPU indica cuánto se utilizan los recursos de procesamiento disponibles. Un consumo elevado y sostenido puede señalar presión de capacidad, aunque también puede responder a una carga esperada. Un uso bajo de forma persistente puede justificar revisar si los recursos están sobredimensionados, siempre teniendo en cuenta los picos y la función del servicio.
La tendencia y su relación con la carga suelen aportar más contexto que una lectura puntual.
Uso de memoria
El uso de memoria muestra cuánta memoria consume un proceso o sistema respecto de la disponible, según la definición de la herramienta. Un consumo creciente que no vuelve a sus niveles habituales puede ser una señal para investigar; si la presión continúa, puede afectar al rendimiento o a la estabilidad del servicio.
Conviene analizar su evolución y el comportamiento de la aplicación, en vez de asumir que un porcentaje concreto tiene el mismo significado en todos los entornos.
Saturación
La saturación describe cuánto se aproxima un recurso a su capacidad disponible o cuánto trabajo pendiente acumula. Puede observarse en CPU, memoria, almacenamiento, red, conexiones a bases de datos o colas.
Es una señal de presión que puede aparecer antes de que el usuario perciba una incidencia. Debe interpretarse junto con la latencia, los errores y el volumen de trabajo: un recurso ocupado no implica necesariamente un problema si el servicio sigue atendiendo la carga dentro de sus objetivos.
Escalabilidad y eficiencia operativa
Autoscaling o escalado automático
El autoscaling ajusta recursos o instancias según reglas y señales configuradas, como la carga o el uso de CPU. En Kubernetes, por ejemplo, el escalado horizontal puede modificar el número de réplicas de una carga de trabajo.
El escalado puede ayudar a absorber variaciones de demanda, pero no corrige automáticamente cualquier cuello de botella: una consulta ineficiente, una dependencia lenta o límites de otro componente pueden seguir condicionando el servicio. También es necesario observar cómo evoluciona el consumo de recursos para entender el efecto operativo y económico de los cambios.
Balanceo de carga
El balanceo de carga distribuye solicitudes entre varios servidores o instancias. Puede reducir la concentración de trabajo en un único nodo y contribuir a la disponibilidad, siempre que los componentes estén configurados para atender la carga y que el balanceador detecte correctamente los problemas de salud.
Cuellos de botella y dependencias
Un cuello de botella aparece cuando un componente limita el rendimiento del conjunto. Puede estar en el cómputo, la red, el almacenamiento, una base de datos o una dependencia externa. Las métricas de servicio y recursos, observadas de forma correlacionada, ayudan a localizar dónde se deteriora la operación.
La proximidad de la infraestructura a los usuarios o a los sistemas con los que se comunica, así como el uso de caché y CDN, también puede influir en la latencia. Estas medidas no sustituyen la medición: su efecto debe comprobarse en el recorrido real de las solicitudes.
Un marco práctico para interpretar las señales
Para dar contexto a cada indicador, los equipos pueden documentar:
Qué se mide: servicio, componente, operación y unidad.
En qué periodo: intervalo de agregación y ventana de observación.
Qué comportamiento se espera: carga habitual, picos y objetivos de servicio.
Con qué otras señales se compara: por ejemplo, latencia, errores, throughput y saturación.
Qué acción operativa habilita: investigar una dependencia, revisar capacidad o comprobar un cambio reciente.
Esta definición común facilita que los equipos interpreten las alertas de forma coherente y distingan una variación puntual de una tendencia. También permite relacionar el rendimiento con la eficiencia: las mismas señales que revelan falta de capacidad pueden ayudar a detectar recursos infrautilizados, sin que una lectura aislada baste para decidir cambios.
Un procedimiento paso a paso para que las pymes identifiquen la legislación aplicable, distingan las normas armonizadas y gestionen la evaluación de la conformidad, la documentación técnica y el marcado CE antes de comercializar en la Unión Europea.
Definiciones claras de la AfCFTA, las Comunidades Económicas Regionales y las reglas de origen para que las pymes interpreten el marco regulatorio y planifiquen su entrada en el mercado africano.
Unificar la terminología técnica entre departamentos de compras, logística y calidad es clave para reducir errores operativos y mejorar la trazabilidad. Este glosario sintetiza conceptos fundamentales como la cadena de frío, el cross-docking, la gestión ABC de inventarios y los criterios ESG, facilitando una comunicación más precisa y eficiente en el sector agroalimentario.