Plataforma de aprendizaje interactivo en línea : Componente de infraestructura de TI
Year: 2025
Type: dissertation
Abstract: La monitorización de infraestructuras complejas, como aquellas que alojan plataformas edu cativas basadas en Moodle, enfrenta el desafío creciente de gestionar grandes volúmenes de datos. Los sistemas actuales generan miles de métricas por segundo y registros de eventos (logs) de forma continua, lo que supera la capacidad de análisis manual y dificulta la identificación de comportamientos anómalos de manera oportuna. Los métodos tradi cionales, fundamentados en umbrales estáticos y búsquedas por palabras clave, resultan insuficientes, ya que ofrecen respuestas reactivas en lugar de proactivas. Esta limitación repercute negativamente en la disponibilidad, el rendimiento y la capacidad de diagnóstico en servicios críticos. El trabajo implementa una solución de observabilidad inteligente en una infraes tructura de Moodle desplegada mediante contenedores. La solución se compone de dos pilares complementarios: por un lado, Netdata con capacidades de Machine Learning, en cargado de monitorizar en tiempo real miles de métricas del sistema y de identificar com portamientos atípicos sin requerir configuraciones manuales; por otro, un script denominado loginsights.py, que se integra con un modelo de lenguaje grande (Ollama utilizando tiny llama:1.1b), orientado a realizar un análisis semántico automatizado de los logs generados por los contenedores. Esta combinación proporciona una visión cuantitativa y cualitativa del comportamiento de la infraestructura. Los resultados evidencian que esta solución facilita la identificación de eventos relevantes tanto en las métricas del sistema como en los logs, mejorando la capacidad de comprensión sobre el comportamiento de la infraestructura. Si bien no se estableció una relación directa entre las anomalías detectadas por Netdata y los errores reportados por el análisis de logs, ambos enfoques resultan complementarios para fortalecer la capacidad de diagnóstico. En conjunto, permiten disponer de información más estructurada y detallada para el análisis de incidencias.
Author: Guzman Ochoa, Jose Esteban
Language: Spanish
Subfield: Computer Networks and Communications
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7132868680