Micrometer直方图用法

发表于 | 阅读次数:

##直方图和百分位##

Timer 和 Distribution summaries 支持收集数据用于展示它们的百分位分布, 有两种主要的方法用于浏览百分位

  1. Percentitle histogram - Micrometer 会累积直方图的基础值,并且将准备好的一系列bucket运送往监控系统, 监控系统的查询语句可以从该柱状图中计算出百分位.现在, 只有Promethues和Atlas支持基于Histogram的百分位近似值计算, 分别是histogram_quantitle 和 :percentile, 如果是针对prometheus或者是Atlas, 更加建议使用这种下面这种方式, 因为你可以通过跨维度聚合直方图(简单的将一组维度中bucket的值简单的相加) 然后从直方图中推导聚合出百分位

  2. Client-side percentiles - Micrometer计算出每个meterID(以name和tags确定唯一性)的百分位近似值,然后把百分位的值运送到监控系统, 这一点没有percentile histogram来的灵活，因为它没有办法根据tags聚合出百分位近似值, 不过, 它提供了一些更深入的直方图分布的方式，这是在服务端进行基于直方图的百分位计算所不具备的.

下面是使用timer的方式创建直方图的案例：

1
2
3
4
5
6
Timer.builder("my.timer")
   .publishPercentiles(0.5, 0.95) // median and 95th percentile
   .publishPercentileHistogram()
   .sla(Duration.ofMillis(100))
   .minimumExpectedValue(Duration.ofMillis(1))
   .maximumExpectedValue(Duration.ofSeconds(10))

  1. publishPercentiles - 用于发布你应用中计算出来的百分位, 不支持多维度的聚合

  2. publishPercentileHistogram - 用于发布直方图, 适用于计算聚合(多维度)百分位近似值，在prometheus中用histogram_quantile,在Atlas中用:percentile. 直方图结果中的buckets，由micrometer预先生成，基于生成器，根据Netflix的经验来确定的，以产生大多数合理的误差界限，在大多数现实世界的timers和distribution summaries. 生成器默认会产生276个buckets,但是micrometer只会将那些范围在minimumExpectedValue 和maximumExpectedValue之内的发送给监控系统, 同时, micrometer所产生的时间范围会在1毫秒到1分钟之间, 每个时间维度产生73个柱状图的bucket, publishPercentileHistogram对于那些不支持聚合百分位近似值计算的系统来说，是不会生效的.

  3. sla - 使用SLA定义的存储桶发布累积直方图, 用于和参数publishPercentileHistogram在监控系统中做协调, 以支持聚合百分位, 这个设置会增加额外的buckets以发布histogram, 用于那些不支持聚合百分位的系统，这个设置可以发布仅拥有这些buckets的直方图.

  4. minimumExpectedValue/maximumExpectedValue 控制由publishPercentileHistogram产生的buckets的数，也可以用来控制精度和潜在Hdr直方图结构的memory footprint.

每次发送百分位数据到监控系统中时会产生额外的时间序列, 通常建议是不是把他们配置在核心组件中，而是应该作为程序中的依赖项,相反，应用可以通过meter filter来打开这些timers/distribution summaries的开关

举例，假设我们有一些timers在基础包里面，这些timer名字的前缀叫myservice:

1
2
registry.timer("myservice.http.requests").record(..);
registry.timer("myservice.db.requests").record(..);

我们可以通过meter filter的方式打开客户端方式的百分位统计

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
We can turn on client-side percentiles for both timers via a meter filter:

registry.config().meterFilter(
    new MeterFilter() {
        @Override
        public DistributionStatisticConfig configure(Meter.Id id, DistributionStatisticConfig config) {
            if(id.getName().startsWith("myservice")) {
                return DistributionStatisticConfig.builder()
                    .percentiles(0.95)
                    .build()
                    .merge(config);
            }
            return config;
        }
    });