我们将队列中的消息送入 Graphite 的等待时间，用 Coda Hale 的 Metrics 库记录。然后我们让 Grafana 绘制那个时间的图表。我试图根据等待时间提出一个合理的警报，但我看到不断的警报。它们可能是合法的，但我很难找到可以比较的例子，我想知道警报是否正在做我认为它正在做的事情。 我会很感激做类似事情的人的反馈和任何建议。我现在要提醒的是，当一条消息等待的时间超过了记录的消息等待时间的第 98 个百分位时。我的查询是 A: aliasByNode(...waitTime.p98, 9) B: timeShift(...waitTime.p98, '5min'), C：百分比（#B，#A） 我的警报是 当查询的 avg()(C, 5m, now) 大于 100
【问题讨论】：
听起来您想使用movingAverage(...waitTime.p98, '1hour') 而不是timeShift(...waitTime.p98, '5min')。
这将为您提供asPercent(...waitTime.p98,movingAverage(...waitTime.p98, '1hour')) 的最终查询，它将计算每个间隔的值，作为前 1 小时滚动窗口的平均值的百分比。然后，当您在警报上取 5 分钟的平均值时，您将得到一个实际上是过去 5 分钟的平均值与过去 1 小时 5 分钟的平均值相比的值。
另一种方法是使用asPercent(movingaverage(...waitTime.p98, '5min'), movingAverage(...waitTime.p98, '1hour')) 并获取当前值。它不是 100% 相同，但更容易推理，因为您可以绘制它并查看警报触发的确切内容。
【讨论】：