sapiСистемный анализ и прикладная информатика«System analysis and applied information science»2309-49232414-0481Belarusian National Technical University10.21122/2309-4923-2025-3-29-33sapi-759Research ArticleСистемный анализSystem analysisАнализ производительности и устойчивости системы мониторинга платформы электронной коммерции на основе Prometheus и GrafanaPerformance and reliability analysis of an e-commerce platform monitoring system based on Prometheus and GrafanaПискунЕ. С.PiskunE.

Пискун Екатерина Сергеевна – кандидат экономических наук, доцент.

г. Минск

Ekaterina Piskun –PhD, associate Professor. 

Minsk

 

espiskun@gmail.comКотькоЕ. Н.KatskoE.

Котько Елизавета Николаевна – ассистент кафедры, магистрант.

г. Минск

Elizaveta Katsko –

Assistant, master's student.

Minsk

lizakotsko2@gmail.comБелорусский государственный университет информатики и радиоэлектроникиБеларусьBelarusian State University of Informatics and RadioelectronicsBelarus202516102025032933Copyright © Пискун Е.С., Котько Е.Н., 20252025Пискун Е.С., Котько Е.Н.Piskun E., Katsko E.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://sapi.bntu.by/jour/article/view/759

Разработан Python-сервис мониторинга пользовательских метрик, взаимодействующий с открытым API маркетплейса. Архитектура реализована с использованием Prometheus и Grafana и ориентирована на контроль производительности ключевых этапов обработки данных: количества запросов, ошибок, времени отклика, скорости записи в базу данных и характеристик товаров. Для оценки устойчивости выполнено моделирование аварийных ситуаций, включая сбои внешних API, деградацию базы данных, сетевые задержки, рост нагрузки и утечки памяти. Применение потоковой обработки данных в сочетании с SQLite обеспечивает высокую производительность и надёжность.

A Python-based monitoring service for user metrics interacting with an open marketplace API has been developed. The architecture is implemented using Prometheus and Grafana and is focused on monitoring the performance of key stages of data processing: the number of requests, errors, response time, database write speed, and product characteristics. To assess system resilience, failure scenarios were simulated, including external API outages, database degradation, network delays, increased load, and memory leaks. The use of stream data processing in combination with SQLite ensures high performance and reliability.

мониторинграспределённые системыPython-сервисмаркетплейсPrometheusGrafanaмногопоточностьпроизводительностьтелеметриястресс-тестированиеобработка данныхAPI-интеграцияmonitoringdistributed systemsPython servicemid-tier marketplacePrometheusGrafanamultithreadingperformancetelemetrystress testingdata processingAPI integrationReferencesPivotto J, Brazil B. Prometheus: Up & Running : Infrastructure and Application Performance Monitoring. 2nd ed. O'Reilly Media, Incorporated; 2023. 415 p.Pivotto J, Brazil B. Prometheus: Up & Running : Infrastructure and Application Performance Monitoring. 2nd ed. O'Reilly Media, Incorporated; 2023. 415 p.Salituro E. Learn Grafana 10. x : A Beginner's Guide to Practical Data Analytics, Interactive Dashboards, and Observability. Second edition. Birmingham: Packt Publishing Ltd; 2023. 542 p.Salituro E. Learn Grafana 10. x : A Beginner's Guide to Practical Data Analytics, Interactive Dashboards, and Observability. Second edition. Birmingham: Packt Publishing Ltd; 2023. 542 p.Grafana Documentation. Official documentation of Grafana – open platform for analytics and monitoring. Available at: https://grafana.com/docs (accessed: 12.07.2025).Grafana Documentation. Official documentation of Grafana – open platform for analytics and monitoring. Available at: https://grafana.com/docs (accessed: 12.07.2025).Chapman R, Holmes P. Observability with Grafana: Monitor, control, and visualize your Kubernetes and cloud platforms using the LGTM stack. Birmingham: Packt Publishing Ltd; 2023. 356 p.Chapman R, Holmes P. Observability with Grafana: Monitor, control, and visualize your Kubernetes and cloud platforms using the LGTM stack. Birmingham: Packt Publishing Ltd; 2023. 356 p.The C4 model for visualising software architecture. Available at: https://c4model.com/ (accessed: 12.07.2025).The C4 model for visualising software architecture. Available at: https://c4model.com/ (accessed: 12.07.2025).Turnbull J. Monitoring with Prometheus. Turnbull Press; 2018. 394 p.Turnbull J. Monitoring with Prometheus. Turnbull Press; 2018. 394 p.Python 3.13.7 documentation. Available at: https://docs.python.org/3/ (accessed: 12.07.2025).Python 3.13.7 documentation. Available at: https://docs.python.org/3/ (accessed: 12.07.2025).

The authors declare that there are no conflicts of interest present.