# Monitorar pipelines usando as métricas do CloudWatch
<a name="pipelines-metrics"></a>

Os pipelines do CloudWatch publicam as métricas no Amazon CloudWatch no namespace `AWS/Observability Admin`. É possível usar essas métricas para monitorar a integridade, a performance e o fluxo de dados dos pipelines.

## Métricas disponíveis
<a name="available-metrics"></a>

As tabelas a seguir listam métricas disponíveis para os pipelines do CloudWatch.

**nota**  
As métricas de pipelines são emitidas apenas quando o valor é diferente de zero.

### Métricas principais
<a name="core-metrics"></a>


| Métrica | Descrição | Dimensão | Unidade | 
| --- | --- | --- | --- | 
| `PipelineBytesIn` | Volume de registros de log que entram no pipeline em bytes não compactados | PipelineName | Bytes | 
| `PipelineBytesInByDataSource` | Volume de dados de entrada com detalhamento por fonte/tipo | PipelineName, DataSource, DataType | Bytes | 
| `PipelineBytesOut` | Volume de dados roteados para o destino | PipelineName | Bytes | 
| `PipelineBytesOutByDataSource` | Volume de dados de saída com detalhamento por fonte/tipo | PipelineName, DataSource, DataType | Bytes | 
| `PipelineRecordsIn` | Número de registros que entram no pipeline | PipelineName | Contagem | 
| `PipelineRecordsInByDataSource` | Número de registros de entrada com detalhamento por fonte/tipo | PipelineName, DataSource, DataType | Contagem | 
| `PipelineRecordsOut` | Número de registros que saem do pipeline | PipelineName | Contagem | 
| `PipelineRecordsOutByDataSource` | Número de registros de saída com detalhamento por fonte/tipo | PipelineName, DataSource, DataType | Contagem | 

### Métricas de erros e avisos
<a name="error-warning-metrics"></a>


| Métrica | Descrição | Dimensão | Unidade | 
| --- | --- | --- | --- | 
| `PipelineErrors` | Contagem agregada de erros no pipeline | PipelineName | Contagem | 
| `PipelineErrorsByErrorType` | Contagens de erros com detalhamento por tipo | PipelineName, ErrorSource, ErrorComponent, ErrorType | Contagem | 
| `PipelineWarnings` | Número de avisos encontrados | PipelineName | Contagem | 
| `PipelineWarningsByWarningType` | Avisos detalhados por tipo | PipelineName, WarningSource, WarningComponent, WarningType | Contagem | 
| `PipelineRecordsUnprocessed` | Número de registros que não puderam ser processados | PipelineName, DataSource, DataType | Contagem | 
| `PipelineRecordsDropped` | Número de registros descartados (fontes terceirizadas apenas) | PipelineName, DataSource, DataType | Contagem | 

## Dimensões
<a name="dimensions"></a>

As métricas dos pipelines do CloudWatch usam as seguintes dimensões:

**PipelineName**  
Nome do pipeline

**DataSource**  
Fonte dos dados (nome do AWS serviço ou fonte de terceiros)

**DataType**  
Tipo de dados sendo processados

**ErrorSource**  
Origem do erro (s3, aws.secrets, cloudwatch\$1logs)

**ErrorComponent**  
Componente no qual ocorreu o erro (fonte, coletor, extensão)

**ErrorType**  
Tipo de erro encontrado

## Tipos de erro
<a name="error-types"></a>

Os seguintes tipos de erro são acompanhados em `PipelineErrorsByErrorType`:

**`ACCESS_DENIED`**  
Falhas relacionadas a permissões

**`ALL`**  
A contagem total de todos os erros no pipeline

**`RESOURCE_NOT_FOUND`**  
O recurso especificado não existe

**`SOURCE_READ_FAILURE`**  
Falhas ao ler a fonte

**`PARSE_FAILURE`**  
Erros ao analisar os dados

**`PROCESSOR_ERRORS`**  
Falhas ao processar operações

**`PAYLOAD_SIZE_EXCEEDED`**  
Limite de tamanho de dados excedido

## Tipos de aviso
<a name="warning-types"></a>

O seguinte tipo de aviso pode ocorrer em um pipeline:

**`THROTTLED`**  
Indica que o volume de dados enviados excedeu os limites de taxa existentes, causando a eliminação ou o atraso de alguns pontos de dados ou eventos para proteger o sistema e garantir estabilidade.

## Visualizar métricas
<a name="viewing-metrics"></a>

É possível visualizar as métricas de pipelines do CloudWatch usando os seguintes métodos:

### Usando o console do CloudWatch
<a name="using-cloudwatch-console"></a>

1. Abra o console do CloudWatch em [https://console.aws.amazon.com/cloudwatch/](https://console.aws.amazon.com/cloudwatch/)

1. No painel de navegação, escolha **Métricas**

1. Escolha o namespace **AWS/Observability Admin**

1. Selecione a dimensão de métrica a ser visualizada

### Como usar o AWS CLI
<a name="using-aws-cli"></a>

```
aws cloudwatch get-metric-statistics \
  --namespace "AWS/Observability Admin" \
  --metric-name "PipelineBytesIn" \
  --dimensions Name=PipelineName,Value=my-pipeline \
  --start-time "2025-10-29T00:00:00" \
  --end-time "2025-10-29T23:59:59" \
  --period 300 \
  --statistics Sum
```

## Criar alarmes
<a name="creating-alarms"></a>

Você pode criar alarmes do Amazon CloudWatch com base em qualquer dessas métricas. Este é um exemplo de criação de um alarme para erros no pipeline:

```
aws cloudwatch put-metric-alarm \
  --alarm-name "HighPipelineErrors" \
  --alarm-description "Alert on high error rate" \
  --metric-name "PipelineErrors" \
  --namespace "AWS/Observability Admin" \
  --dimensions Name=PipelineName,Value=my-pipeline \
  --period 300 \
  --evaluation-periods 2 \
  --threshold 10 \
  --comparison-operator GreaterThanThreshold \
  --statistic Sum \
  --alarm-actions arn:aws:sns:region:account-id:topic-name
```

## Práticas recomendadas para métricas de pipelines do CloudWatch
<a name="best-practices"></a>

### Monitorar fluxo de dados
<a name="monitor-data-flow"></a>
+ Use `PipelineBytesIn` e `PipelineBytesOut` para acompanhar o volume de dados
+ Monitore `PipelineRecordsIn` e `PipelineRecordsOut` para acompanhar as contagens de registros
+ Ficar atento a alterações inesperadas nos padrões de throughput

### Acompanhar erros e avisos
<a name="track-errors-warnings"></a>
+ Criar alarmes `PipelineErrors` para detectar problemas rapidamente
+ Usar `PipelineErrorsByErrorType` para diagnosticar problemas específicos
+ Monitorar `PipelineWarnings` para identificar possíveis problemas antecipadamente

### Configurar limites apropriados
<a name="configure-thresholds"></a>
+ Basear os limites em padrões de dados esperados
+ Levar em conta variações normais no volume de dados
+ Considerar os períodos de pico de uso ao definir limites para alarme