Este documento describe cómo la compañía Socialmetrix redujo costos y aumentó la estabilidad al adoptar Docker, métricas y entrega continua. Socialmetrix migró de 65 máquinas virtuales a un clúster Docker con 3 nodos gestores y 10 nodos trabajadores, logrando reducir costos en un 35% aproximadamente. El uso de Docker permitió implementar auto-curación de contenedores, despliegues en rollo, control de versiones y monitoreo mejorado de errores, registros y métricas. Aunque requirió agregar más tecnología

1. Journey to Stability
Cómo reducimos costos y aumentamos la estabilidad apoyados
en Docker, Métricas y Continuous Delivery
Gustavo Arjones | Pablo Romanelli
@arjones | @pabloromanelli2

2. Nosotros
Gustavo Arjones | @arjones
Co-founder & CTO Socialmetrix
Pablo Romanelli | @pabloromanelli2
Software Architect Socialmetrix

3. ● Obtener información de varias
fuentes: Blogs, Medios
Tradicionales y Social Media
Social Media Analytics
● Hacer Text Analytics (NLP) para
entender de qué habló la gente
● + NLP para detectar sentimento
● Mostrar resultados en un
dashboard

4. Y … nació el monolito! ~2009

5. Rompiendo el Monolito ~2011
~65 VMs
VMs

6. Opciones de orquestación de recursos

7. Docker Standalone → Docker Swarm ~2016

8. Service Discovery
Convention over Configuration
alerts_client7 socialmetrix/echo-alerts:2.7.1
nlp_client7 socialmetrix/parlance:2.15.13
alerts_client12 socialmetrix/echo-alerts:2.7.1
nlp_client12 socialmetrix/parlance:2.15.12_feature2
No usar latest, siempre
version (git tag)
<servicio>_<client> <docker_image>:<version>

9. Docker Routing → Swarm mode
Bonus: Scaling de procesos
"casi gratis"
docker service update
--replicas=5 nlp_oscar

10. Dockerize Applications
12 factors application → Muy dificil de alcanzar de entrada
Modernize Traditional Applications

11. Dockerize Applications

12. Cambio de Paradigma (Pets & Cattle)

13. Manejo de Errores

14. y
No puedo hacer nada (no puedo seguir)
El container tiene que morir
- Mahatma Gandhi
Manejo de Errores
Cuando ocurre un error desconocido

15. ● No se muere el container
● Solo loggeo
● Me quedo reintentando infinitamente
Que pasa si hay un error desconocido y...

16. Morite pero avisá!
/socialmetrix/docker-events-notifier

17. Loggeá pero avisá!
App
/socialmetrix/kafka-transform

18. Workflow
Ejecutar
Manejamos solo
errores conocidos
Notificar
Deployar
Fix
01
02
03
04

19. Workflow
Ejecutar
Notificar
Si el container muere o
hay un error en el log
Deployar
Fix
01
02
03
04

20. Workflow
Ejecutar
Notificar
Deployar
Fix
Arreglamos los nuevos
errores
01
02
03
04

21. Workflow
Ejecutar
Notificar
Deployar
Deployamos la nueva
versión
Fix
01
02
03
04

22. Convergencia
ErroresConocidos
Tiempo

23. Métricas
CPU?
Memoria?
Disco?

25. Que mido?
● No quiero optimizar prematuramente
○ Faltaba cache => 10x mejora de tiempos
○ Las tareas por minuto llegan a un techo fijo => tengo que escalar el
servicio
● Necesito ver los efectos que produce un cambio
● Quiero ver si cambió de comportamiento un servicio externo

26. Promedio

27. Si solo medís el promedio no estás
viendo todo lo que pasa!
slideshare.net/tkowalcz/everybody-lies-48319373

28. P75 vs Promedio

29. P95 vs Promedio

30. P99 vs Promedio

31. P99.9 vs Promedio

32. Docker Cluster
Implementación (JVM + Graphite + Grafana)
Dropwizard Metrics: metrics.dropwizard.io
HDR Histogram: hdrhistogram.org
HDR Histogram Adapter: bitbucket.org/marshallpierce/hdrhistogram-metrics-reservoir
Apps
Grafana
SSD
Graphite
1 min

33. Time Series Anomaly Detection
● No puedo estar mirando las métricas todo el día
● Quiero ser notificado cuando una métrica no es "normal"
docs.datadoghq.com/monitors/monitor_types/anomaly
elastic.co/webinars/automated-anomaly-detection-with-machine-learning

34. Qué hay que considerar?
● Infra: Necesitan “muchos” IOPs y “poco” espacio en disco
○ Actualmente tenemos 73K métricas individuales
○ Usan ~3K IOps y ~55 Gb (2 semanas con 1 punto/min)
● Cada réplica tiene que emitir sus métricas independientemente
○ Agregar el identificador de réplica en el nombre de la métrica
● Cuidado con las métricas con nombre variable!
○ Ej: miServicio.$sessionId.latency

35. ● Jenkinsfile dentro de los repos
Continuous Delivery

36. Está bueno, pero NO
entrar por el HYPE!
Resultados
● Redujimos 100+ VMs → 3 managers + 10 workers
● USD 3,500/mo → USD 2,250/mo (~ 35% reducción)
● Auto-healing: Si se cae un nodo, se levanta un nuevo container en otro lado
● Fácil Deploy, Rolling Restart, Control de Version
● Maduramos procesos: Errores, Logs, Metricas y Alertas
Problemas
● Más tecnología en el stack para mantener
● Errores raros de Networking (Ingress)

37. Futuro

38. Futuro
● API Gateway
● Implementar Kubernetes
● Tracing / Istio
● Data schemas (no tanto JSON)
Pendientes de Investigación / Dudas
● GitOps
● Dockerize a Database
● Serverless
Cultura organizacional

39. ¿Preguntas?
Gracias! | Obrigado!
Gustavo Arjones | Pablo Romanelli
@arjones | @pabloromanelli2