75

我正在学习DropWizard Metrics 库（以前称为 Coda Hale 指标），我对何时应该使用Metersvs感到困惑Timers。根据文档：

仪表：仪表测量一组事件发生的速率

和：

计时器：计时器基本上是一种事件持续时间的直方图和事件发生率的计量器

基于这些定义，我无法辨别它们之间的区别。令我困惑的是，它Timer并没有按照我预期的方式使用。对我来说，Timer就是这样：一个计时器；start()它应该测量 a和之间的时间差异stop()。但它似乎Timers也捕捉到了事件发生的速率，感觉就像他们踩到了Meters脚趾。

如果我能看到每个组件输出的示例，这可能有助于我了解何时/何地使用其中任何一个。

4

1 回答 1

165

您感到困惑的部分原因是 DW Metrics Timer IS，其中包括 DW Metrics Meter。

仪表只关注速率，以赫兹（每秒事件数）为单位。每个 Meter 都会发布 4(?) 个不同的指标：

  • 自度量标准开始以来的平均（平均）率
  • 1、5 和 15 分钟滚动平均费率

您可以通过在代码中的不同点记录一个值来使用 Meter —— DW Metrics 会自动记下每个调用的挂起时间以及您给它的值，并使用这些来计算该值增加的速率：

Meter getRequests = registry.meter("some-operation.operations")
getRequests.mark() //resets the value, e.g. sets it to 0
int numberOfOps = doSomeNumberOfOperations() //takes 10 seconds, returns 333
getRequests.mark(numberOfOps) //sets the value to number of ops.

我们预计我们的速率为 33.3 Hz，因为发生了 333 次操作，并且两次调用 mark() 之间的时间为 10 秒。

Timer 计算上述 4 个指标（将每个 Timer.Context 视为一个事件）并向它们添加一些额外的指标：

  • 事件数的计数
  • 自 Metrics 开始以来看到的最小、平均和最大持续时间
  • 标准差
  • 一个“直方图”，记录分布在第 50、97、98、99 和 99.95 个百分位的持续时间

每个计时器报告了大约 15 个总指标。

简而言之：计时器报告了很多指标，它们可能很难理解，但是一旦你这样做了，它们就是发现尖峰行为的一种非常有效的方法。

事实上，仅仅收集两点之间的时间并不是一个非常有用的指标。考虑：你有一个这样的代码块：

Timer timer = registry.timer("costly-operation.service-time")
Timer.Context context = timer.time()
costlyOperation() //service time 10 ms
context.stop()

让我们假设它costlyOperation()具有恒定的成本、恒定的负载，并且在单个线程上运行。在 1 分钟的报告周期内，我们应该预计此操作会计时 6000 次。显然，我们不会报告 6000x 线路上的实际服务时间——相反，我们需要某种方法来总结所有这些操作以适应我们所需的报告窗口。DW Metrics 的计时器会自动为我们执行此操作，每分钟一次（我们的报告期）。5 分钟后，我们的指标注册表将报告：

  • 速率为 100（每秒事件数）
  • 1 分钟平均速率为 100
  • 100 的 5 分钟平均速率
  • 计数 30000（看到的总事件）
  • 最多 10 (毫秒)
  • 10分钟
  • 平均值为 10
  • 第 50 个百分位数 (p50) 值为 10
  • 第 99.9 个百分位数 (p999) 值为 10

现在，让我们考虑进入一个时期，有时我们的操作会在很长一段时间内完全脱离轨道并阻塞：

Timer timer = registry.timer("costly-operation.service-time")
Timer.Context context = timer.time()
costlyOperation() //takes 10 ms usually, but once every 1000 times spikes to 1000 ms
context.stop()

在 1 分钟的收集期间，我们现在会看到少于 6000 次执行，因为每 1000 次执行需要更长的时间。计算到大约 5505。在第一分钟（系统总时间 6 分钟）之后，我们现在将看到：

  • 平均 98 次（每秒事件数）
  • 一分钟平均率为 91.75
  • 5 分钟平均率为 98.35
  • 计数 35505（看到的总事件）
  • 最大持续时间为 1000 (ms)
  • 最短持续时间 10
  • 平均持续时间为 10.13
  • 第 50 个百分位数 (p50) 值为 10
  • 第 99.9 个百分位数 (p999) 值为 1000

如果您绘制此图，您会看到大多数请求（p50、p75、p99 等）在 10 毫秒内完成，但 1000 个请求中的一个（p99）在 1 秒内完成。这也将被视为平均比率略有下降（约 2%）和 1 分钟平均值大幅下降（接近 9%）。

如果您只查看时间平均值（速率或持续时间），您将永远不会发现这些尖峰——当对许多成功操作进行平均时，它们会被拖入背景噪声中。同样，只知道最大值也无济于事，因为它不能告诉您最大值出现的频率。这就是为什么直方图是跟踪性能的强大工具的原因，也是 DW Metrics 的计时器同时发布速率和直方图的原因。

于 2015-06-24T21:33:37.153 回答