# Pipeline Metrics

{% hint style="info" %}
Para acessar a página Pipeline Metrics, você deve pertencer a um grupo atribuído à [**função de metrics viewer**](/documentation/developer-guide/pt-br/platform-administration/administration/new-access-control/access-control-roles.md#metrics-viewer), como o grupo padrão de suporte.&#x20;
{% endhint %}

Na página Pipeline Metrics, você pode analisar gráficos sobre o desempenho dos pipelines publicados.

A Digibee Platform oferece dois filtros de status de pipeline:

* **Ativos**: Exibe apenas os pipelines ativos.
* **Todos:** Exibe todos os pipelines, incluindo os que ainda não foram publicados.

### **Visualizando gráficos**

Siga as etapas abaixo para visualizar os gráficos de métricas de pipeline:

1. Selecione o ambiente no canto superior esquerdo. A página é atualizada para refletir o ambiente selecionado.
2. Selecione o status no menu dropdown à esquerda: **Active** ou **All**.
3. No menu dropdown ao lado, pesquise e selecione o pipeline desejado.
4. Escolha um período de relatório. A plataforma exibe o intervalo de **15 minutos** por padrão. Você pode alterá-lo para **1 hora, 6 horas, 1 dia, 7 dias, 30 dias**, ou definir um intervalo de tempo personalizado.

Para saber mais sobre deployment size, execuções simultâneas e réplicas, consulte a [documentação de implantações](/documentation/developer-guide/pt-br/development-cycle/overview/deployment.md).

### **Tipos de gráficos**

<figure><img src="/files/sdHRcW2oqnqKtOQwATDF" alt=""><figcaption></figcaption></figure>

#### **Invocações de trigger x Execuções de pipeline x Erros**

Este gráfico combina três métricas:

* **Invocações de trigger**: Número de vezes que o pipeline foi acionado.
* **Execuções do pipeline**: Número de vezes que o pipeline foi efetivamente executado.
* **Erros:** Número de vezes que execuções resultaram em falhas.

Use este gráfico para identificar discrepâncias entre o número de vezes que o pipeline foi acionado, o número de vezes que foi executado e quantas dessas execuções falharam.

#### **Mensagens de pipeline na fila x Mensagens em andamento**

Este gráfico exibe o número de mensagens na fila em comparação com o número de execuções simultâneas em andamento.

Use-o para identificar atrasos no processamento, que podem ocorrer quando o número de réplicas não é suficiente para acompanhar a demanda dos consumidores.

#### **Mensagens de pipeline na fila x Mensagens em andamento**

Este gráfico exibe o tempo que o sistema leva para processar uma mensagem, considerando o tempo de invocação do trigger, o tempo na fila de requisições e o tempo de processamento, em relação ao número de réplicas em execução no período selecionado.

Use essas métricas para configurar réplicas de autoscaling e aumentar a capacidade apenas quando necessário, melhorando a eficiência do fluxo de trabalho e mantendo os tempos de resposta totais ideais para suas integrações.

#### **Tempo total de resposta x Tempo de resposta do pipeline**

Este gráfico compara o tempo de processamento do pipeline (pipeline response time) com o tempo de resposta total do pipeline, que inclui o tempo de invocação do trigger e o tempo gasto na fila de requisições.

Use-o como ferramenta de diagnóstico para identificar se o principal fator de latência total de uma mensagem é o tempo de processamento do pipeline ou o tempo na fila, ambos passíveis de influência pela configuração de deployment.

#### **Tempo de fila de requisição**

Este gráfico exibe o tempo médio que uma requisição permanece na fila (RabbitMQ) antes de ser processada pelo pipeline, facilitando a visualização da latência da fila.

#### **Consumo de memória do pipeline x Tamanho das mensagens do pipeline**

Este gráfico ilustra o uso mínimo, médio e máximo de memória do pipeline em relação aos tamanhos das mensagens de requisição e resposta.

#### **Consumo de CPU do pipeline**

Este gráfico exibe o percentual mínimo, médio e máximo de uso de CPU para cada réplica do pipeline, com base no deployment size escolhido.

Use-o para avaliar se o tamanho de pipeline selecionado durante o deployment é adequado, uma vez que um uso elevado de CPU pode resultar em processamento mais lento.

#### **Principais responsáveis pela latência dos conectores**

Este gráfico exibe a [latência dos conectores](/documentation/developer-guide/pt-br/development-cycle/dashboards/pipeline-metrics/connector-latency.md) nos seus pipelines, representando o tempo que cada etapa levou durante a execução do pipeline.


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.digibee.com/documentation/developer-guide/pt-br/development-cycle/dashboards/pipeline-metrics.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
