Datadog独特的自定义指标

Question

考虑以下情况：

• lambda通过SQS接收事件
• lambda接收一个指向实体的uuid。
• lambda可能会因错误而失败
• SQS将多次重试该特定实体
• lambda将被不同的实体调用数千次

现在，我们监视诸如myService.errorType之类的自定义错误计数指标。 这将为我们提供错误发生次数的确切数字-与特定实体无关：如果某个实体不能像100次一样被处理，则度量标准值为100。

我想拥有的是基于UUID的不同指标。 示例：

• id为123的实体失败10次
• id为456的实体成功
• id为789的实体失败20次

然后，我希望有一个值为2的度量标准-因为该过程仅对两个实体失败（而不是对30个失败，因为现在会报告）。

在寻找解决方案时，我发现可以使用标签。但是as the docs point并不适合这种用例：

标签不应源自无限制的来源，例如时代时间戳记，用户ID或请求ID。这样做可能会无限地增加您组织的指标数量，并影响您的帐单。

还有其他实现我目标的可能性吗？

Answer 1

我现在通过代码验证状态并向指标添加标签来解决了这个问题：

• occurrence:first
• subsequent

通过这种方式，我只能在仪表板中过滤occurrence:first。

Answer 2

为了确保一切都清楚，您有一个名为myService.errorType的度量标准，标签为entity。此指标是一个计数器，每次实体出错时都会增加。然后，您将使用以下指标查询：

sum:myService.errorType{*} by {entity}

当您谈论UUID时，基数似乎很小（此处显示3）。这意味着您每小时都有少量可用的UUID。在这种情况下，将UUID添加到度量标准标记并不像具有无限数量选项的用户ID，时间戳等至关重要。

我邀请您添加此uuid标记，并检查metric summary page中的基数以确保其有效。

然后要获取错误所关注的UUID数量，可以使用类似以下内容的

count_not_null(sum:myService.errorType{*} by {uuid})

最后，或者，如果UUID的基数可以通过，我将邀请您使用日志或使用Christopher的解决方案，这似乎也限制了基数的增加。