Rendimiento

This content is not available in your language yet.

11.1 Monitorización de Rendimiento en Linux

Introducción

La monitorización de rendimiento es una disciplina crítica en la administración de sistemas. Un servidor no falla de forma repentina: degrada su rendimiento progresivamente antes de colapsar. Detectar estos síntomas de forma anticipada permite evitar incidentes, optimizar recursos y garantizar la disponibilidad de los servicios.

Para un Sysadmin senior, monitorizar no es simplemente ejecutar comandos puntuales, sino entender cómo interactúan CPU, memoria, disco y red, y cómo estas métricas reflejan el comportamiento real de las aplicaciones.

Este capítulo introduce las herramientas y técnicas fundamentales para analizar el rendimiento de sistemas Linux en producción.

Objetivos de aprendizaje

Al finalizar este capítulo serás capaz de:

Interpretar métricas clave de CPU, memoria, disco y red.
Utilizar herramientas de monitorización en tiempo real.
Analizar cuellos de botella en sistemas Linux.
Identificar patrones de degradación de rendimiento.
Aplicar medidas correctivas basadas en datos.

Conceptos Teóricos

1. Métricas fundamentales del sistema

Un sistema Linux se evalúa principalmente en cuatro dimensiones:

CPU
Memoria
Disco (I/O)
Red

Cada una puede convertirse en un cuello de botella.

2. CPU y Load Average

El load average indica el número de procesos:

en ejecución
esperando CPU
en espera de I/O

Ejemplo:

uptime

load average: 0.50, 0.70, 0.65

Interpretación:

valores cercanos al número de cores → uso óptimo
valores superiores → saturación

Load > número de CPUs → sistema sobrecargado.

3. Memoria

Tipos de uso:

used → memoria utilizada
free → memoria libre
cached/buffer → optimización del sistema

Linux utiliza memoria libre como caché para mejorar rendimiento.

free -h

Memoria “llena” no implica problema; puede ser caché.

4. Disco e I/O

El rendimiento de disco es crítico en:

bases de datos
sistemas con alto logging

Métricas relevantes:

IOPS
latencia
throughput

Herramientas:

iostat
iotop

5. Red

Métricas clave:

throughput (Mb/s)
errores
paquetes perdidos

Herramientas:

ss
iftop
ip

6. Cuellos de botella

Un cuello de botella ocurre cuando un recurso limita el sistema:

CPU → procesos intensivos
memoria → swapping
disco → latencia alta
red → saturación

Laboratorio Práctico

Escenario

Un servidor presenta lentitud en una aplicación web. Debes diagnosticar:

uso de CPU
consumo de memoria
actividad de disco

Parte 1: Análisis de CPU

top

Campos clave:

%CPU → uso por proceso
load average

Alternativa moderna:

htop

Parte 2: Memoria

free -h

Profundizar:

vmstat 2 5

Explicación:

si/so → swap in/out
free → memoria libre

Si hay uso de swap → posible problema.

Parte 3: Disco

iostat -xz 2

Campos clave:

%util → uso del disco
await → latencia

await alto + %util alto = cuello de botella en disco.

Parte 4: Procesos con alto I/O

iotop

Parte 5: Red

ss -tulnp

Tráfico en tiempo real:

iftop

Output esperado

CPU(s): 80% us
Mem: 90% used
Disk: await 120ms

Interpretación:

CPU alta
memoria comprometida
disco saturado

Errores Comunes y Troubleshooting

1. Confundir caché con consumo real

-Problema:*

memoria aparentemente llena.

-Solución:*

analizar available en:

free -h

2. Ignorar load average

Carga alta sin análisis.

-Solución:*

comparar con número de CPUs:

nproc

3. No correlacionar métricas

Analizar solo CPU o solo memoria.

-Solución:*

visión global del sistema.

4. No revisar disco

Muchos problemas reales son por I/O.

5. Uso de herramientas incorrectas

Ejemplo: usar top sin entender métricas.

Buenas Prácticas (Nivel Senior)

1. Monitorización continua

No depender de comandos manuales:

Prometheus
Grafana

2. Establecer baseline

Conocer comportamiento normal del servidor.

3. Alertas proactivas

CPU > 80%
disco > 70% uso

4. Correlación de métricas

Relacionar:

picos CPU
aumento latencia
carga de red

5. Uso de herramientas avanzadas

sar
perf
dstat

6. Analizar tendencia, no instantánea

Snapshots no reflejan problemas reales.

7. Capacity planning

Planificar crecimiento:

CPU
RAM
almacenamiento

8. Automatización

Recolectar métricas automáticamente.

9. Logging combinado

Correlacionar métricas con logs del sistema.

Resumen y Siguiente Paso

Has aprendido a interpretar y analizar el rendimiento de sistemas Linux mediante herramientas clave para CPU, memoria, disco y red. Este conocimiento te permite diagnosticar problemas reales y actuar antes de que afecten a producción.

La monitorización puntual es solo el primer paso. En entornos profesionales se requieren sistemas centralizados y visualización avanzada.

➡️ Siguiente tema: 11.2 Monitoreo — Sistemas de monitorización centralizada (Prometheus, Grafana, alerting).