Spring Boot - *max_count *sum 指标的可观察性

Question

请教关于 Spring Boot、一些有用的默认指标以及如何在 Grafana 中正确使用它们的小问题。

目前使用带有 Actuator + Micrometer + Prometheus 依赖项的 Spring Boot 2.5.1+（适用于 2.x.x.的问题），有很多非常方便的默认指标开箱即用。

我看到其中很多都带有 _max _count _sum 模式。

举几个例子：

spring_data_repository_invocations_seconds_max
spring_data_repository_invocations_seconds_count
spring_data_repository_invocations_seconds_sum

reactor_netty_http_client_data_received_bytes_max
reactor_netty_http_client_data_received_bytes_count
reactor_netty_http_client_data_received_bytes_sum

http_server_requests_seconds_max
http_server_requests_seconds_count
http_server_requests_seconds_sum

不幸的是，我不确定如何处理它们，如何正确使用它们，并且觉得我的无知让我错过了一些很棒的应用程序见解。

在网上搜索，我看到一些使用这样的方法来计算 Grafana 的平均值：

irate(http_server_requests_seconds::sum{exception="None", uri!~".*actuator.*"}[5m]) / irate(http_server_requests_seconds::count{exception="None", uri!~".*actuator.*"}[5m])

但不确定这是否是正确的使用方法。

请问可以进行哪些类型的查询，通常在处理_max _count _sum 类型的指标时使用？

谢谢

Answer 1

count 和sum 一般用于计算平均值。 count 累积了sum 增加的次数，而sum 持有something 的总值。我们以http_server_requests_seconds 为例：

http_server_requests_seconds_sum   10
http_server_requests_seconds_count 5

通过上面的示例，可以说有 5 个 HTTP 请求，它们的总持续时间为 10 秒。如果您将sum 除以count，您将获得2 秒的平均请求持续时间。

无论这两者有哪些标签（您可以将它们用于聚合/过滤），您都可以创建至少两个有用的面板：平均请求持续时间（即平均延迟）和请求速率。

请求率

使用rate() 或irate() 函数，您可以获得每秒请求数：

rate(http_server_requests_seconds_count[5m])

rate() 的工作方式如下：

1. Prometheus 从给定的时间间隔（本例中为[5m]）抽取样本，并计算当前时间点（不一定是现在）与[5m] 之前的时间点之间的差异。
2. 然后将获得的值除以间隔中的秒数。

因此，间隔越大，线条越平滑。

平均请求持续时间

你可以继续

http_server_requests_seconds_sum / http_server_requests_seconds_count

但您很可能只会在图表上看到一条直线。这是因为这些指标的值随着时间的推移变得太大，并且必须发生非常剧烈的变化才能使该查询显示任何差异。由于这种性质，最好计算数据样本的平均值。使用increase() 函数，您可以获得一个近似值，该值表示度量在一个时间间隔内的变化情况。因此：

increase(http_server_requests_seconds_sum[5m]) / increase(http_server_requests_seconds_count[5m])

该值是近似值，因为实际上increase() 是rate() 乘以[inverval]。错误是微不足道的，只是准备好可以增加 2.5 个请求:)。

聚合和过滤

如果您已经运行了上述查询之一，您会注意到不是一行而是多行。这是由于标签；度量标准的每组唯一标签都考虑了一个单独的时间序列。这可以通过使用aggregation function（如sum()）来解决。例如，您可以通过instance 聚合请求率：

sum by(instance) (http_server_requests_seconds_count[5m])

这将为每个唯一的instance 标签显示一行。现在，如果您想查看一些而不是所有实例，您可以使用过滤器。例如，仅计算 nodeA 实例的值：

sum by(instance) (http_server_requests_seconds_count{instance="nodeA"}[5m])

阅读更多关于选择器的信息here。使用标签，您可以创建任意数量的有用面板。也许您想计算异常的百分比，或者它们的发生率，或者可能是 status 代码的请求率，你可以命名它。

注意max

根据我在 Internet 上找到的信息，max 显示了在设置中设置的某个时间间隔内的最大记录值（如果信任来源，默认为 2 分钟）。这是一个不常见的指标，它是否有用取决于您。由于它是一个仪表（与sum 和count 不同，它可以上下移动），您不需要额外的功能（例如rate()）来查看动态。因此

http_server_requests_seconds_max

将显示最大请求持续时间。您可以使用聚合函数（avg()、sum() 等）和标签过滤器来增强它，使其更有用。