📊 Service Monitoring

Service Monitoring é um projeto desenvolvido no âmbito da organização DevOpsProjectsLab, com o objetivo de demonstrar o processo completo de instrumentação de uma aplicação, exposição de métricas com Prometheus e visualização através do Grafana, tudo orquestrado via Docker Compose.

---

🧰 Tecnologias Utilizadas

• Python 3.12 — Aplicação simulando um serviço com métricas de negócio e desempenho
• Flask — Framework HTTP leve para expor endpoints e métricas
• Prometheus Client Library — Biblioteca oficial de instrumentação Prometheus para Python
• Prometheus — Coleta e armazena métricas expostas pela aplicação
• Grafana — Visualização das métricas em dashboards interativos
• Docker Compose — Orquestração dos serviços

---

🏗️ Estrutura do Projeto

service-monitoring/
├── app/
│   ├── app.py               # Aplicação Python instrumentada
│   ├── requirements.txt     # Dependências do Python
│   └──  Dockerfile           # Imagem da aplicação
│
├── prometheus/
│   └── prometheus.yml       # Configuração de scrape do Prometheus
│
├── grafana/
│   ├── dashboards/          # Dashboards prontos (em português)
│   └── provisioning/        # Provisionamento automático de data source e dashboards
│
└── docker-compose.yml       # Orquestra os containers

---

⚙️ Como Funciona a Instrumentação

A aplicação utiliza a biblioteca prometheus_client para criar e expor métricas no endpoint /metrics.
Essas métricas podem incluir informações técnicas (requisições, latência, usuários ativos) e de negócio (pedidos, ticket médio, tempo de processamento).

🔹 Benefícios da Instrumentação

• Visibilidade em tempo real da saúde do serviço
• Diagnóstico rápido de gargalos e lentidão
• Monitoramento de KPIs de negócio diretamente do código
• Base para alertas e automação de respostas

Exemplo de métrica customizada criada no código:

ORDERS_TOTAL = Counter('orders_total', 'Total de pedidos processados')
ORDER_PROCESSING_TIME = Histogram('order_processing_time_seconds', 'Tempo de processamento por pedido')
AVG_ORDER_VALUE = Gauge('avg_order_value', 'Ticket médio dos pedidos')

---

📡 Prometheus & Grafana

O Prometheus é responsável por coletar (scrape) as métricas do endpoint /metrics da aplicação a cada 5 segundos, armazenando-as localmente.

O Grafana se conecta ao Prometheus e apresenta essas métricas em dashboards visuais e dinâmicos.

⚙️ Subindo a Stack

docker compose up --build

• Aplicação Python → http://localhost:8000
• Prometheus → http://localhost:9090
• Grafana → http://localhost:3000

Login padrão do Grafana: admin / admin

---

🧪 Testando Métricas e Dashboards

Após a stack subir, você pode gerar métricas reais simulando requisições:

🔹 Gerar pedidos (métricas de negócio)

for i in {1..50}; do curl -X POST http://localhost:8000/order; echo; done

🔹 Alterar número de usuários ativos

curl http://localhost:8000/users/8

🔹 Consultar métricas expostas

curl http://localhost:8000/metrics | grep order_

---

🔍 Visualizando Métricas no Prometheus

No Prometheus UI (http://localhost:9090), pesquise por expressões como:

Métrica	Descrição
orders_total	Total de pedidos processados
avg_order_value	Ticket médio dos pedidos
rate(orders_total[1m])	Taxa de pedidos por minuto
app_active_users	Número atual de usuários ativos

---

📊 Dashboard no Grafana

O Painel de Monitoramento de Serviço é carregado automaticamente e exibe:

• Total de Pedidos Processados
• Ticket Médio (R$)
• Pedidos por Minuto
• Tempo de Processamento (P95)
• Usuários Ativos na Aplicação

📍 Acesse o Grafana → Dashboards → Painel de Monitoramento de Serviço

⚠️ Caso o painel apareça como No data, realize um Refresh no dashboard (ícone 🔄 no topo direito) após realizar o comando curl para simular pedidos.
Isso força o Grafana a recarregar as métricas coletadas recentemente pelo Prometheus.

---

🧠 Destaques Técnicos

Este projeto demonstra na prática:

• Instrumentação customizada de serviços em Python com a biblioteca oficial prometheus_client
• Exposição segura e padronizada de métricas em formato Prometheus via endpoint /metrics
• Coleta automatizada de métricas através de configuração de scrape no Prometheus
• Visualização centralizada e interativa com dashboards Grafana totalmente em português
• Criação de métricas de negócio e desempenho, simulando cenários reais (pedidos, ticket médio, latência)
• Provisionamento automático de datasources e dashboards no Grafana via Docker Compose
• Stack completa e reproduzível de observabilidade local (Prometheus + Grafana + Flask)
• Demonstração prática de monitoramento orientado a métricas, aplicado a contextos DevOps e SRE
• A abordagem permite aplicar práticas modernas de monitoramento orientado a métricas, essenciais para times de DevOps, SRE e Observabilidade.

---

_{Desenvolvido e mantido por DevOpsProjectsLab · Atualizado em Outubro de 2025}