您之所以感到困惑,部分原因是DW Metrics Timer IS以及DW Metrics Meter。
仪表专用于速率,单位为Hz(事件每秒)。每个仪表都会发布4(?)个不同的指标:
- 自指标开始以来的平均(平均)率
- 1、5和15分钟的滚动平均费率
您可以通过在代码中的不同点记录一个值来使用仪表-DW Metrics会自动记下每个呼叫的挂牌时间以及您给它的值,并使用它们来计算该值的增加速率:
Meter getRequests = registry.meter("some-operation.operations")
getRequests.mark()
int numberOfOps = doSomeNumberOfOperations()
getRequests.mark(numberOfOps)
我们希望速率为33.3 Hz,因为发生了333次操作,两次调用mark()之间的时间为10秒。
计时器计算以上四个指标(将每个Timer.Context视为一个事件),并向其中添加许多其他指标:
- 事件数量的计数
- 自度量标准开始以来的最小,平均和最大持续时间
- 标准偏差
- 一个“直方图”,记录在第50、97、98、99和99.95个百分位数上分布的持续时间
每个计时器总共报告15个指标。
简而言之:计时器报告很多指标,要理解它们可能很棘手,但是一旦您完成,它们便是发现棘手行为的一种非常有效的方法。
事实是,仅收集两点之间花费的时间并不是一个非常有用的指标。考虑:您有如下代码块:
Timer timer = registry.timer("costly-operation.service-time")
Timer.Context context = timer.time()
costlyOperation()
context.stop()
假设它costlyOperation()
具有不变的成本,不变的负载,并且在单个线程上运行。在1分钟的报告期内,我们应该预计此操作的时间为6000次。显然,我们不会通过6000x线路报告实际的服务时间-相反,我们需要某种方式来汇总所有这些操作以适合我们所需的报告窗口。DW Metrics的计时器每分钟(我们的报告期间)为我们自动执行一次。5分钟后,我们的指标注册表将报告:
- 速率为100(每秒事件)
- 1分钟平均率为100
- 5分钟平均率为100
- 计数为30000(看到的事件总数)
- 最多10(ms)
- 最少10分钟
- 平均10
- 第50个百分点(p50)的值为10
- 99.9个百分点(p999)的值为10
现在,让我们考虑进入一个时期,有时我们的操作有时会完全脱离轨道和障碍:
Timer timer = registry.timer("costly-operation.service-time")
Timer.Context context = timer.time()
costlyOperation()
context.stop()
在1分钟的收集时间内,由于每千次执行需要更长的时间,因此现在执行的次数少于6000次。得出大约5505的信息。在第一分钟(系统总时间为6分钟)之后,我们将看到:
- 平均速率为98(每秒事件)
- 1分钟平均率为91.75
- 5分钟平均率为98.35
- 计数为35505(看到的事件总数)
- 最长持续时间1000(ms)
- 最小持续时间为10
- 平均持续时间10.13
- 第50个百分点(p50)的值为10
- 99.9个百分点(p999)的值为1000
如果用图形表示,则大多数请求(p50,p75,p99等)将在10毫秒内完成,但1000个请求(p99)中的一个请求将在1秒内完成。这也将被视为平均速度略有下降(约2%),平均1分钟的平均速度有相当大的下降(接近9%)。
如果仅查看时间平均值(速率或持续时间),就永远不会发现这些尖峰-如果对许多成功操作进行平均,它们就会被拖入背景噪声中。同样,仅知道最大值也无济于事,因为它不会告诉您最大值发生的频率。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。