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

Regla práctica

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

Error común

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

Interpretación crítica

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).