Monitoreo de aplicaciones Kotlin: biblioteca Ktor Metrics y Micrometer

Monitoreo de aplicaciones Kotlin: Ktor Metrics y Micrometer

Las aplicaciones de servidor modernas en Kotlin, construidas sobre el framework Ktor, requieren una supervisión constante del rendimiento y el estado. Para ello se utiliza la combinación de dos potentes herramientas: Ktor Metrics Plugin (módulo integrado en Ktor) y Micrometer (fachada para la recolección de métricas). En este artículo analizaremos cómo configurar el monitoreo con exportación de datos a Prometheus y visualización en Grafana.

¿Por qué es necesario el monitoreo?

El monitoreo permite:

• Rastrear el tiempo de respuesta de los endpoints (latencia).
• Contar el número de solicitudes (RPS).
• Identificar solicitudes lentas y errores.
• Observar el uso de memoria y CPU (a través de métricas JVM).
• Configurar alertas cuando se superen los umbrales.

Bibliotecas y dependencias

Para el funcionamiento se necesitarán las siguientes dependencias en build.gradle.kts:

dependencies {    // Ktor Server    implementation("io.ktor:ktor-server-core:2.3.7")    implementation("io.ktor:ktor-server-netty:2.3.7")

    // Plugin de métricas    implementation("io.ktor:ktor-server-metrics-micrometer:2.3.7")

    // Exportación a Prometheus    implementation("io.micrometer:micrometer-registry-prometheus:1.12.0")

    // Métricas JVM (opcional)    implementation("io.micrometer:micrometer-core:1.12.0")}

Configuración básica de Ktor Metrics

Veamos un ejemplo simple de un servidor con métricas. Crearemos el archivo Application.kt:

import io.ktor.server.application.*import io.ktor.server.engine.*import io.ktor.server.netty.*import io.ktor.server.routing.*import io.ktor.server.response.*import io.ktor.server.metrics.micrometer.*import io.micrometer.prometheus.PrometheusMeterRegistryimport io.micrometer.prometheus.PrometheusConfig

fun main() {    embeddedServer(Netty, port = 8080) {        // Creamos el registro de métricas Prometheus        val prometheusRegistry = PrometheusMeterRegistry(PrometheusConfig.DEFAULT)

        // Instalamos el plugin de métricas        install(MicrometerMetrics) {            registry = prometheusRegistry            // Nombres de métricas por defecto            meterBinders = listOf(                // Agregamos métricas JVM                io.micrometer.core.instrument.binder.jvm.JvmMemoryMetrics(),                io.micrometer.core.instrument.binder.system.ProcessorMetrics()            )        }

        // Enrutamiento        routing {            // Endpoint para entregar métricas a Prometheus            get("/metrics") {                call.respond(prometheusRegistry.scrape())            }

            // Endpoint de prueba            get("/hello") {                call.respondText("Hello, World!")            }

            // Endpoint con retardo artificial            get("/slow") {                Thread.sleep(500)                call.respondText("Slow response")            }        }    }.start(wait = true)}

Después de iniciar el servidor, abra http://localhost:8080/metrics — verá las métricas en formato Prometheus:

# HELP ktor_http_server_requests_seconds  # TYPE ktor_http_server_requests_seconds summaryktor_http_server_requests_seconds_count{method="GET",route="/hello",status="2xx"} 3.0ktor_http_server_requests_seconds_sum{method="GET",route="/hello",status="2xx"} 0.012# HELP jvm_memory_used_bytes  # TYPE jvm_memory_used_bytes gaugejvm_memory_used_bytes{area="heap",id="G1 Survivor Space"} 1048576.0

Configuración avanzada: métricas personalizadas

Puede agregar sus propios contadores y temporizadores. Por ejemplo, un contador de pedidos procesados:

import io.micrometer.core.instrument.Counterimport io.micrometer.core.instrument.MeterRegistry