Question

我正在学习DropWizard Metrics library（以前的Coda Hale指标），我很困惑何时应该使用Meters vs Timers。根据文件：

仪表：仪表测量一组事件发生的速率

和

计时器：计时器基本上是事件类型持续时间的直方图和发生率的计量表

基于这些定义，我无法辨别这些定义之间的区别。让我感到困惑的是Timer没有像我预期的那样被使用。对我而言，Timer就是这样：一个计时器;它应衡量start()和stop()之间的时差。但似乎Timers也会捕捉事件发生的比率，感觉就像踩着Meters脚趾一样。

如果我能看到每个组件输出的示例，可能有助于我了解何时/何地使用其中任何一个。

Answer 1

你很困惑，因为DW Metrics Timer IS ，其中包括DW Metrics Meter。

仪表专门关注速率，以Hz（每秒事件数）为单位。每个Meter会导致发布4个（？）不同的指标：

自Metrics启动以来的平均（平均）费率
1,5和15分钟滚动平均率

您通过在代码中的不同点记录值来使用Meter - DW Metrics会自动记下每个调用的挂起时间以及您给出的值，并使用这些来计算该值的值增加：

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.

我们预计我们的费率为33.3 Hz，因为发生了333次操作，两次调用mark（）之间的时间是10秒。

计时器计算以上4个指标（将每个Timer.Context视为一个事件），并为其添加一些额外指标：

事件数量的计数
min，从度量标准开始以来看到的平均和最长持续时间
标准差
“直方图”，记录分布在第50,97,98,99和99.95百分位数的持续时间

每个计时器都报告了15个总指标。

简而言之：计时器会报告很多指标，而且它们可能很难理解，但一旦你这样做，它们就是发现spikey行为的一种非常强大的方法。

事实上，只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：你有一个像这样的代码块：

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expensiveOperation（）具有恒定的成本，恒定的负载并在单个线程上运行。在1分钟的报告期内，我们应该期望这次操作6000次。显然，我们不会通过电线6000x报告实际服务时间 - 相反，我们需要一些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'Timer为我们自动执行此操作，每分钟一次（我们的报告期）。 5分钟后，我们的度量标准注册表将报告：

率100（事件每秒）
1分钟平均速率100
5分钟平均速率100
计数30000（看到的总事件数）
最多10（ms）
最少10分钟
平均10
第50百分位（p50）值为10
第99.9百分位（p999）值10

现在，我们考虑进入一个时期，我们的操作偶尔会完全脱离轨道并长时间阻挡：

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()

超过1分钟的收集期，我们现在看到的执行次数少于6000次，因为每1000次执行需要更长的时间。计算出大约5505.在第一分钟（总系统时间为6分钟）后，我们现在看到：

平均费率为98（事件每秒）
1分钟平均率91.75
5分钟平均速率98.35
计数35505（所见的总事件数）
最长持续时间1000（ms）
最小持续时间为10
平均持续时间为10.13
第50百分位（p50）值为10
第99.9百分位（p999）值1000

如果您将此图表显示，您会看到大多数请求（p50，p75，p99等）在10毫秒内完成，但1000个（p99）中的一个请求在1秒内完成。这也可以看作平均率略有下降（约2％），1分钟均值（近9％）大幅减少。

如果你只看时间的意思（速率或持续时间），你永远不会发现这些尖峰 - 它们会在很多成功的操作平均时被拖入背景噪音中。同样，只知道max是没有用的，因为它不会告诉你max发生的频率。这就是为什么直方图是跟踪性能的强大工具，以及为什么DW Metrics的Timer发布速率和直方图。

DropWizard Metrics Meters与计时器

1 个答案: