DropWizard度量仪表与计时器

Question

我正在学习DropWizard Metrics库（以前的Coda Hale指标），我不知道什么时候应该使用MetersvsTimers。根据文档：

仪表：仪表测量一组事件发生的速率

以及：

计时器：计时器基本上是一种事件持续时间的直方图和它发生的速率的度量

基于这些定义，我无法区分它们之间的区别。让我困惑的是，计时器的使用方式与我预期的不同。对我来说，计时器就是：计时器；它应该测量开始和停止之间的时间差。但计时器似乎也能捕捉到事件发生的速率，这感觉就像他们踩在了米的脚趾上。

如果我能看到每个组件输出的示例，这可能会帮助我理解何时/何地使用其中任何一个组件。

Answer 1

您之所以感到困惑，部分是因为DW度量计时器是DW度量计。

仪表专门关注速率，以Hz（每秒事件）为单位。每个仪表都会产生4个（？）不同的指标被发布：

• 自指标启动以来的平均（平均）比率
• 1、5和15分钟滚动平均速率

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壁时间以及您给出的值，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.

我们预计速率为33.3 Hz，因为发生了333次操作，对mark（）的两次调用之间的时间为10秒。

计时器计算上述4个指标（将每个计时器.上下文视为一个事件），并向其添加许多其他指标：

• 事件数的计数

每个计时器大约报告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。

事实是，仅仅收集两点之间的时间并不是一个非常有用的指标。考虑一下：您有这样一个代码块：

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分钟的报告期内，我们预计此操作将计时6000次。显然，我们不会通过6000x线报告实际服务时间——相反，我们需要某种方法来总结所有这些操作，以适合我们所需的报告窗口。DW Metrics的计时器每分钟自动为我们执行一次（我们的报告期）。5分钟后，我们的指标注册中心将报告：

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

现在，让我们考虑一下，我们进入了一个阶段，在这个阶段中，我们的运营有时会完全偏离轨道，并在很长一段时间内受阻：

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分钟的收集时间内，我们现在看到的执行次数不到6000次，因为每执行1000次需要更长的时间。计算到大约5505次。在第一分钟（6分钟的总系统时间）之后，我们现在会看到：

• 平均速率为98（每秒事件数）
• 1分钟平均速率为91.75
• 5分钟平均速率为98.35
• 计数35505（看到的总事件）
• 最大持续时间为1000（ms）
• 10分钟持续时间
• 平均持续时间为10.13
• 第50个百分位数（p50）值为10
• 99.9百分位数（p999）值为1000

如果你用图表显示，你会发现大多数请求（p50、p75、p99等）在10毫秒内完成，但是1000个请求中的一个（p99）在1秒内完成。这也可以被视为平均速率的略微降低（约2%）和1分钟平均值的大幅降低（近9%）。

如果你只看一段时间内的平均值（速率或持续时间），你永远不会发现这些尖峰——当用许多成功的操作平均时，它们会被拖入背景噪声中。同样，仅仅知道最大值也没有帮助，因为它不能告诉你最大值出现的频率。这就是为什么直方图是跟踪性能的强大工具，也是为什么DW Metrics的计时器同时发布速率和直方图。