如要在 Metrics Explorer 中查看 API 指標,請選取「Consumed API」做為資源類型,然後選取其中一個 serviceruntime 指標。然後使用篩選器和匯總選項,進一步細分資料。找到所需的 API 用量資訊後,您就能透過 Cloud Monitoring 建立自訂的資訊主頁和快訊,以便持續監控應用程式並維持可靠性。實際做法請見下列頁面:
雖然 API 指標是非常有用的工具,但您必須考慮一些問題 (尤其是如何根據指標值來設定快訊),才能確保指標提供的是實用資訊。下列最佳做法可協助您充分發揮 API 指標資料的功用。
延遲會造成問題嗎?
某些服務很容易受到延遲時間影響,但對於其他服務而言,規模和穩定性的影響更大。Cloud Storage 或 BigQuery 等部分 API 可以有幾秒鐘的高度延遲狀況,而不會讓客戶注意到。透過 API 指標提供的資料,您可以瞭解使用者對特定服務的需求。
注意異常變化
在您決定針對特定指標值設定快訊之前,請考慮異常行為的確切範疇。從 API 指標中,您可以看出大部分服務的延遲結果都呈現常態分佈:中間隆起像是大駝峰,兩側是離群值。指標有助於您瞭解常態分佈,讓您的應用程式在經過調整後可在分佈曲線的範圍內正常運作。指標還有助於找出分佈的變化與應用程式異常行為之間的關聯,幫助您掌握問題的根本成因。第 99 個百分位數應與中位數有顯著差異,但這些百分位數不應隨著時間而有劇烈變化。
此外,您還可看出某幾種要求的處理時間比其他種類的要求長。如果上傳至 Google 相簿的相片大小中位數為 4 MB,而您通常是上傳 20 MB 的 RAW 檔案,則您上傳 20 張相片所需的平均時間可能遠比大部分的使用者長,但這仍是「您的」正常行為。
這表示在首次偵測到為期一秒的遠端程序呼叫 (RPC) 或 5xx HTTP 呼叫時即發出快訊,並不是特別有用的做法。在調查 Google 服務是否可能為應用程式問題的成因時,請改為比較傳回碼和延遲率的變化,並注意是否有與觀察到的應用程式問題相關的持續性異常變化。
流量速率
API 的流量很大時最能發揮 API 指標的功用。假如您只是不定期呼叫服務,API 指標將不具有統計意義,且無法為您提供實用的分類資訊。
舉例來說,如果您想追蹤服務延遲時間的第 99.5 個百分位數,且您每小時只呼叫 100 次,則兩小時的觀測資料中只會有一個資料點代表第 99.5 個百分位數,無助於您瞭解 API 或應用程式的異常行為。請確保流量速率、要追蹤的百分位數,以及您要觀測的時間範圍可產生許多有意義的資料點,否則監控資料不會有任何幫助。
支援的 API
所有 Google API 和 Google Cloud API,以及以 Cloud Endpoints 和 API Gateway 為基礎建構的 API,都支援 API 指標。如果您是 API 消費者,可以在 API 資訊主頁中查看已使用的 API 指標。如果您是 API 產生者,可以在 Endpoints 資訊主頁查看產生的 API 指標。
[[["容易理解","easyToUnderstand","thumb-up"],["確實解決了我的問題","solvedMyProblem","thumb-up"],["其他","otherUp","thumb-up"]],[["難以理解","hardToUnderstand","thumb-down"],["資訊或程式碼範例有誤","incorrectInformationOrSampleCode","thumb-down"],["缺少我需要的資訊/範例","missingTheInformationSamplesINeed","thumb-down"],["翻譯問題","translationIssue","thumb-down"],["其他","otherDown","thumb-down"]],["上次更新時間:2025-07-14 (世界標準時間)。"],[[["API metrics help you track and understand your usage of Google APIs and Google Cloud APIs, providing insights into usage patterns and performance."],["You can view your API metrics using the API Dashboard in the Google Cloud console or in Cloud Monitoring, both offering different levels of detail and customization."],["API metrics include data such as request counts, error rates, latencies, and request/response sizes, which are crucial for troubleshooting and diagnosing issues."],["It's essential to look for sustained changes from the norm in metrics over time rather than reacting to isolated events when troubleshooting, and comparing to your application's issue."],["High traffic volume to the API is needed for metrics to be statistically valid, and for monitoring data to provide valuable insights."]]],[]]