Monitoramento de aplicações Rust: métricas e alertas do A ao Z

Monitoramento de aplicações Rust: métricas e alertas do A ao Z

Quando sua aplicação Rust entra em produção, o código deixa de ser apenas código. Ele se torna um serviço do qual dependem usuários e negócios. Sem monitoramento, você está voando às cegas: falhas são descobertas por reclamações e o desempenho é avaliado "no olho". Neste artigo, vamos abordar como construir um sistema completo de monitoramento para Rust — desde a coleta de métricas básicas até a configuração de alertas no Prometheus e visualização no Grafana.

1. Por que o monitoramento é importante para projetos Rust

Rust é conhecido por seu desempenho e segurança de memória, mas isso não elimina a necessidade de monitorar a aplicação. Problemas típicos em produção:

\n
• Vazamentos de memória (por exemplo, através de Arc ou referências cíclicas).
\n
• Bloqueios em código async (deadlocks ou starvation no tokio).
\n
• Pânicos inesperados (mesmo com catch_unwind).
\n
• Degradação de desempenho devido a algoritmos não otimizados.
\n

O monitoramento responde às perguntas: "O que está acontecendo agora?", "Por que isso aconteceu?" e "Como prevenir isso?".

2. Coleta de métricas: biblioteca metrics e exportação para Prometheus

A stack padrão para Rust é a crate metrics (ou prometheus). Usamos metrics pois ele abstrai a exportação e facilita a troca de backend.

2.1. Instalação e configuração básica

Adicione as dependências no Cargo.toml:

[dependencies]\nmetrics = "0.21"\nmetrics-exporter-prometheus = "0.12"\ntokio = { version = "1", features = ["full"] }

Criamos um servidor HTTP simples para o endpoint /metrics:

use metrics_exporter_prometheus::PrometheusBuilder;\nuse std::net::SocketAddr;\nuse tokio::net::TcpListener;\n\n#[tokio::main]\nasync fn main() {\n    // Inicializa o exportador Prometheus\n    let (recorder, exporter) = PrometheusBuilder::new()\n        .build()\n        .expect("Falha ao criar exportador Prometheus");\n\n    metrics::set_boxed_recorder(Box::new(recorder))\n        .expect("Falha ao definir o gravador global");\n\n    // Inicia o servidor de métricas\n    let addr: SocketAddr = "0.0.0.0:9090".parse().unwrap();\n    let listener = TcpListener::bind(addr).await.unwrap();\n    println!("Métricas disponíveis em http://{}", addr);\n\n    loop {\n        let (mut stream, _) = listener.accept().await.unwrap();\n        let body = exporter.encode().unwrap();\n        let response = format!(\n            "HTTP/1.1 200 OK\\r\\nContent-Type: text/plain\\r\\nContent-Length: {}\\r\\n\\r\\n{}",\n            body.len(),\n            body\n        );\n        tokio::io::AsyncWriteExt::write_all(&mut stream, response.as_bytes())\n            .await\n            .unwrap();\n    }\n}

2.2. Registro de métricas personalizadas

Adicionamos um contador de requisições e um histograma de tempo de resposta:

use metrics::{counter, histogram, increment_counter};\nuse std::time::Instant;\n\nasync fn handle_request() {\n    let start = Instant::now();\n\n    // Sua lógica de negócio\n    tokio::time::sleep(tokio::time::Duration::from_millis(50)).await;\n\n    // Registra as métricas\n    increment_counter!("http_requests_total", "method" => "GET");\n    histogram!("http_request_duration_seconds", start.elapsed().as_secs_f64(), "method" => "GET");\n}

Agora em /metrics você verá:

# HELP http_requests_total Total HTTP requests\n# TYPE http_requests_total counter\nhttp_requests_total{method="GET"} 1\n# HELP http_request_duration_seconds HTTP request duration\n# TYPE http_request_duration_seconds histogram\nhttp_request_duration_seconds_bucket{method="GET",le="0.005"} 0\nhttp_request_duration_seconds_bucket{method="GET",le="0.01"} 0\nhttp_request_duration_seconds_bucket{method="GET",le="0.025"} 0\n