SpringBoot - *_max *_count *_sum 指标的可观察性

Question

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，Spring Boot 2.5.1+（适用于 2.xx 的问题）具有 Actuator + Micrometer + Prometheus 依赖项，有许多开箱即用的非常方便的默认指标。

我看到很多很多都有图案_max _count _sum。

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，我不知道如何处理它们，如何正确使用它们，并且感觉我的无知让我错过了一些很棒的应用程序见解。

在网上搜索时，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])

但不确定这是否是使用它们的正确方法。

请问在处理 type 的指标时通常会使用什么类型的查询_max _count _sum？

谢谢

Answer 1

UPD 2022/11：最近，我有机会亲自使用这些指标，并制作了一个仪表板，其中包含我在这个答案中所说的所有内容以及更多内容。它可以在Github或Grafana.com上找到。我希望这将成为您如何使用这些指标的一个很好的例子。

原答案：

count和sum一般用于计算平均值。count积累次数sum增加，同时保存某物sum的总价值。我们举个例子：http_server_requests_seconds

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。如果除以，sum您count将得到 2 秒的平均请求持续时间。

有了这些，您可以创建至少两个有用的面板：平均请求持续时间（=平均延迟）和请求率。

请求率

使用rate()或irate()函数你可以得到每秒有多少个请求：

rate(http_server_requests_seconds_count[5m])

rate()按以下方式工作：

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

间隔太短会使图形看起来像锯子（每次波动都会很明显）；间隔长会使线条更加平滑，显示变化缓慢。

平均请求持续时间

您可以继续

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，并且必须发生真正巨大的变化才能使该查询显示出任何差异。由于这种性质，最好计算数据间隔样本的平均值。使用increase()函数，您可以获得指标在时间间隔内如何变化的近似值。因此：

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

该值是近似值，因为在引擎盖下increase()乘以。对于快速移动的计数器（例如请求率）来说，该错误微不足道，只需做好可能增加 2.5 个请求的准备即可。rate()[inverval]

聚合和过滤

如果您已经运行了上面的查询之一，您会注意到没有一行，而是很多行。这是由于标签造成的；该指标具有的每组唯一标签都被视为一个单独的时间序列。这可以通过使用聚合函数（如）来解决sum()。例如，您可以通过以下方式聚合请求率instance：

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

这将向您显示每个唯一标签的一行instance。现在，如果您只想查看部分实例而不是全部实例，可以使用过滤器来实现。例如，计算一个值nodeA：

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

在此处阅读有关选择器的更多信息。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，或者通过status代码计算请求率，等等。

注意事项max

根据我在网上找到的内容，max显示了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，默认值为 2 分钟）。这是一个不太常见的指标，它是否有用取决于您。由于它是一个仪表（与它不同sum，count它可以向上和向下），因此您不需要额外的函数（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，以使其更有用。