Monitoring & Observability untuk Aplikasi Flask (Prometheus, Grafana, Sentry)

Di artikel ini, kita akan membahas cara membangun sistem Monitoring & Observability yang solid untuk aplikasi Flask menggunakan tiga tools paling populer:

Prometheus → Metrics & Alerting
Grafana → Visualisasi Dashboard
Sentry → Error Tracking & Performance Monitoring

1. Apa itu Monitoring dan Observability?

Monitoring

Monitoring adalah proses mengumpulkan dan menganalisis data untuk mengetahui kondisi kesehatan aplikasi.

Observability

Observability adalah kemampuan untuk memahami kondisi internal sistem hanya dari data eksternal yang dikumpulkan. Terdiri dari tiga pilar utama:

Pilar	Deskripsi	Tools yang Umum Digunakan
Metrics	Data numerik dari waktu ke waktu	Prometheus + Grafana
Logs	Catatan kejadian aplikasi	ELK Stack, Loki, Papertrail
Traces	Alur request antar layanan	Jaeger, Zipkin, Sentry

2. Mengapa Penting untuk Flask?

Aplikasi Flask yang berjalan di production perlu dipantau karena:

Mendeteksi error sebelum user melaporkan
Mengetahui performa endpoint mana yang lambat
Melihat tren penggunaan resource
Mendapatkan alert ketika ada masalah
Mempercepat proses debugging

3. Prometheus + Grafana untuk Metrics

Prometheus adalah tools monitoring open source yang sangat populer untuk mengumpulkan metrics. Grafana digunakan untuk membuat dashboard visual yang indah.

Instalasi (menggunakan Docker)

1
version: '3.8'
2
services:
3
  prometheus:
4
    image: prom/prometheus
5
    volumes:
6
      - ./prometheus.yml:/etc/prometheus/prometheus.yml
7
    ports:
8
      - "9090:9090"
9

10
  grafana:
11
    image: grafana/grafana
12
    ports:
13
      - "3000:3000"

Integrasi Prometheus dengan Flask

Gunakan library prometheus-flask-exporter:

1
pip install prometheus-flask-exporter

Contoh Implementasi

1
from flask import Flask
2
from prometheus_flask_exporter import PrometheusMetrics
3

4
app = Flask(__name__)
5
metrics = PrometheusMetrics(app)
6

7
@app.route('/api/users')
8
def get_users():
9
    return {"users": []}

Setelah dijalankan, metrics akan tersedia di endpoint /metrics.

Contoh Dashboard Grafana yang Berguna

Request per second per endpoint
Response time (p50, p95, p99)
Error rate
CPU & Memory usage
Database query performance

4. Sentry untuk Error Tracking & APM

Sentry adalah tools yang sangat powerful untuk:

Menangkap error secara otomatis
Melihat stack trace lengkap
Melihat performa transaksi (APM)
Mendapatkan alert via email/Slack
Melihat user yang terdampak error

Instalasi

1
pip install sentry-sdk[flask]

Konfigurasi di Flask

1
import sentry_sdk
2
from sentry_sdk.integrations.flask import FlaskIntegration
3

4
sentry_sdk.init(
5
    dsn="https://your-sentry-dsn@sentry.io/project-id",
6
    integrations=[FlaskIntegration()],
7
    traces_sample_rate=0.2,  # 20% sampling untuk performance
8
    environment="production"
9
)
10

11
app = Flask(__name__)

Fitur Utama Sentry

Error Tracking: Otomatis menangkap exception
Performance Monitoring: Melihat endpoint mana yang paling lambat
Release Tracking: Menghubungkan error dengan versi deployment
User Context: Melihat user mana yang mengalami error

5. Logging yang Baik

Selain metrics dan error tracking, logging yang terstruktur juga sangat penting.

Rekomendasi Logging

Gunakan format JSON dan kirim ke centralized logging (seperti Loki atau ELK Stack).

Contoh konfigurasi logging sederhana:

1
import logging
2
from logging.handlers import RotatingFileHandler
3

4
handler = RotatingFileHandler('app.log', maxBytes=100000, backupCount=5)
5
handler.setFormatter(logging.Formatter(
6
    '{"time": "%(asctime)s", "level": "%(levelname)s", "message": "%(message)s"}'
7
))
8
app.logger.addHandler(handler)
9
app.logger.setLevel(logging.INFO)

6. Arsitektur Monitoring yang Direkomendasikan

Berikut arsitektur monitoring yang umum digunakan di production:

1
Flask App
2
   ├── Prometheus Exporter → Prometheus → Grafana (Dashboard)
3
   ├── Sentry SDK → Sentry (Error + APM)
4
   └── Structured Logs → Loki / ELK Stack

7. Best Practices Monitoring & Observability

Praktik	Rekomendasi
Gunakan RED Method	Rate, Errors, Duration per endpoint
Gunakan USE Method	Utilization, Saturation, Errors (untuk resource)
Sampling di Sentry	Jangan 100% untuk aplikasi dengan traffic tinggi
Alert yang actionable	Jangan terlalu banyak alert (alert fatigue)
Dashboard yang fokus	Buat dashboard untuk tim berbeda (Dev, SRE, Business)
Monitor dependency eksternal	Database, Redis, Third-party API
Simpan metrics historis	Minimal 15-30 hari

8. Tools Alternatif

Kebutuhan	Tools Alternatif	Kelebihan
Metrics + Dashboard	Prometheus + Grafana, Datadog	Open source vs All-in-one
Error Tracking	Sentry, Rollbar, Bugsnag	Sentry paling populer
Logging	Loki + Grafana, ELK, Papertrail	Loki ringan
Full Observability	OpenTelemetry + Jaeger + Prometheus	Standar terbuka
All-in-one	Datadog, New Relic, Dynatrace	Mahal tapi lengkap

Kesimpulan

Monitoring dan Observability adalah investasi yang sangat penting untuk aplikasi production. Dengan kombinasi:

Prometheus + Grafana → Untuk metrics dan visualisasi
Sentry → Untuk error tracking dan performance monitoring
Logging terstruktur → Untuk investigasi mendalam

Anda akan memiliki visibilitas yang jauh lebih baik terhadap kondisi aplikasi Anda.

Ingat prinsip penting ini:

“You can’t fix what you can’t see.”

Mulailah dengan mengintegrasikan Sentry (paling cepat memberikan value), kemudian tambahkan Prometheus + Grafana untuk metrics, dan lengkapi dengan logging yang baik.

Thanks for reading!

Monitoring & Observability untuk Aplikasi Flask (Prometheus, Grafana, Sentry)

Sun Jun 07 2026

531 words · 4 minutes

Teknologi flask monitoring observability python