Este proyecto es una aplicación web interactiva desarrollada con Streamlit para la detección de anomalías en métricas de latencia obtenidas desde un servidor Prometheus. Está pensado para facilitar el monitoreo y análisis de servicios, permitiendo identificar comportamientos anómalos en la latencia de las solicitudes HTTP de manera automática.

La aplicación se conecta a un servidor Prometheus, consulta la métrica http_request_duration_seconds en un rango de fechas definido por el usuario, y aplica un modelo de aprendizaje automático (Isolation Forest) para detectar posibles anomalías en los valores de latencia. Los resultados se visualizan de forma gráfica e intuitiva.

• streamlit_app.py: Código principal de la aplicación Streamlit. Aquí se define la interfaz, la lógica de conexión a Prometheus y el análisis de anomalías.
• requirements.txt: Lista de dependencias de Python necesarias para ejecutar la aplicación.
• Dockerfile: Define la imagen Docker para la aplicación Streamlit.
• docker-compose.yml: Orquesta el despliegue de Prometheus y la aplicación de Streamlit en contenedores.
• prometheus.yml: Archivo de configuración para el servidor Prometheus.
• LICENSE: Licencia MIT del proyecto.

• Docker y Docker Compose instalados en el sistema.

1. Clona este repositorio:

   git clone <url-del-repo>
   cd prometheus-anomaly-detector

2. Levanta los servicios con Docker Compose:

   docker-compose up --build

3. Accede a la aplicación Streamlit en tu navegador en http://localhost:8501.

4. Configura la URL de Prometheus (por defecto es http://prometheus:9090) y selecciona el rango de fechas para analizar. Haz clic en "Analizar" para detectar anomalías.

• El archivo prometheus.yml configura el scraping de métricas en Prometheus.
• Puedes modificar el modelo de detección de anomalías en streamlit_app.py según tus necesidades.

Proyecto bajo licencia MIT.