La observabilidad consume el presupuesto cloud sin avisar
El almacenamiento de logs, el muestreo de trazas y las etiquetas de métricas influyen en los costes de observabilidad. Dónde pueden actuar los equipos.
Los logs, las métricas y las trazas ayudan a operar aplicaciones cloud distribuidas. Recopilarlos y almacenarlos consume recursos y, según el servicio, genera costes por consumo. Los logs almacenados varias veces y las métricas con muchos valores de etiqueta son lo más difícil de detectar. Un inventario de los flujos de datos muestra dónde se pueden limitar los recursos.
Lo esencial en breve
- Los costes dependen del modelo de facturación de cada servicio. Por ello, el volumen de datos, la retención y los destinos de almacenamiento adicionales deben considerarse conjuntamente en el cálculo.
- El muestreo de trazas necesita una regla de selección definida. El head sampling decide al principio, mientras que el tail sampling permite seleccionar a partir de información adicional de la traza.
- Las etiquetas de métricas pueden aumentar considerablemente el número de series temporales. Son especialmente críticos los conjuntos de valores que siguen creciendo con cada solicitud o cada usuario.
Dónde generan costes duplicados los datos de logs
El primer paso consiste en obtener una visión general de las fuentes, los flujos de datos y los destinos de almacenamiento: ¿qué logs genera cada aplicación? ¿Dónde se almacenan y qué equipos los utilizan? Esto incluye también el envío a sistemas de análisis y seguridad. Solo con esta visión se puede determinar si una copia cumple una finalidad propia.
El modelo de precios concreto determina el ahorro. En Google Cloud Logging, el almacenamiento en determinados buckets de logs conlleva una tarifa en función del volumen. Si una misma entrada se almacena en varios buckets de pago, cada una de esas copias se contabiliza para la facturación. Una retención más larga puede generar cargos adicionales. Otros servicios y contratos pueden aplicar modelos de facturación diferentes.
Por ello, los equipos deberían registrar el volumen y los costes de cada flujo de datos y asignarlos a una persona responsable. Un presupuesto con alertas permite detectar el crecimiento. Antes de establecer un límite estricto, debe aclararse qué señales deben conservarse para la operación y la seguridad.
Aplicar el muestreo de trazas de forma selectiva
El muestreo reduce la cantidad de trazas almacenadas mediante una selección. En el head sampling, la decisión se toma al principio. En ese momento aún no se conoce todo el recorrido. Por eso, el head sampling por sí solo no permite tener en cuenta para cada traza si se produce un error más adelante.
El tail sampling según OpenTelemetry puede seleccionar a partir de información de varios spans, por ejemplo según el estado de error o la latencia. Para ello, el componente de muestreo debe recopilar y procesar primero los datos. Esto aumenta el esfuerzo operativo. Además, una regla previa de head sampling puede descartar trazas antes de que se aplique la selección posterior.
De ello no se puede deducir una tasa fija para todos los servicios. Conviene hacer una prueba por servicio: ¿qué errores y procesos lentos siguen siendo detectables? ¿Qué volumen de datos llega al backend? Después se ajusta la regla en función de estos resultados.
Evaluar la retención y las etiquetas según su utilidad
Cada clase de log necesita una finalidad documentada y un periodo de retención adecuado. Los datos de depuración pueden tener requisitos distintos de los registros de seguridad o auditoría. Antes de reducir el periodo de retención o eliminar datos, el equipo responsable comprueba las obligaciones legales y contractuales aplicables y las necesidades de investigación de incidentes. Un archivo puede ser una opción si el acceso y los costes se ajustan a la finalidad prevista.
En las métricas conviene examinar la cardinalidad. Según Prometheus, cada combinación única de nombres y valores de etiquetas genera una serie temporal propia. Los identificadores de usuario u otros valores sin un límite máximo fijo pueden hacer crecer considerablemente el volumen de datos. Para las métricas operativas agregadas suelen ser más adecuadas las dimensiones limitadas; los casos individuales pueden investigarse, cuando proceda, mediante logs o trazas.
Revisar periódicamente las responsabilidades y los efectos
Tras el inventario, el equipo prioriza los flujos de datos más grandes y establece una referencia para los cambios: el volumen de datos, los costes y la finalidad operativa de las señales. El muestreo y la retención se documentan y se vuelven a medir después de cada cambio. También se comprueba si las alertas y las consultas para investigar incidentes siguen proporcionando la información necesaria.
Una revisión periódica reúne a los equipos de operaciones de plataforma, a los responsables de los servicios y a los responsables del presupuesto. Así se evalúa cada nueva fuente de datos junto con su utilidad y sus costes posteriores.
Preguntas frecuentes
¿Puede el muestreo conservar todas las trazas con errores?
El head sampling por sí solo no puede garantizarlo porque la decisión se toma al principio. El tail sampling puede utilizar los errores como criterio de selección, pero necesita acceso a los datos correspondientes de las trazas y genera su propio esfuerzo operativo.
¿Durante cuánto tiempo deben almacenarse los logs?
Desde el punto de vista técnico, no existe un plazo único para todos los logs. El equipo debería revisar para cada clase de datos su finalidad, las necesidades relacionadas con incidentes y los requisitos legales y contractuales aplicables.
¿Por qué pueden resultar costosos los identificadores de usuario en las métricas?
Cada nueva combinación de etiquetas puede generar una serie temporal adicional. Un gran número de identificadores de usuario diferentes aumenta así el volumen de datos y los recursos que necesita el sistema de métricas.
Selección editorial
cloudmagazinCuando las GPU devoran el presupuesto de SaaScloudmagazinFlexera 2026: qué pueden adoptar realmente las medianas empresascloudmagazinUna región cae y media cadena de suministro se detieneMás de la red MBF Media
MyBusinessFutureLos nuevos modelos de IA reducen los errores posteriores en los expedientes de créditoDigital ChiefsLo que las consultoras callan sobre la transformaciónSecurityTodayUn controlador firmado deja ciega la protección de endpointsFuente de la imagen: generada por IA (julio de 2026)
Traducido del original en alemán con inteligencia artificial. La versión alemana es la de referencia.
