Questo documento descrive come comprendere i percentili e il modello a istogrammi per i dati di una metrica con un tipo di valore Distribution.
Una metrica di distribuzione definisce intervalli di valori, chiamati bucket e registra il conteggio dei valori misurati che rientrano in ciascun bucket. Le metriche di distribuzione non registrano i singoli valori delle misure, ma un istogramma dei conteggi nei bucket. Questo tipo di valore viene utilizzato dai servizi quando le singole misurazioni sono troppo numerose per essere raccolte, ma le informazioni statistiche, come medie o percentili, su queste misurazioni sono preziose.
La sezione successiva di questa pagina utilizza un esempio sintetico per mostrare come vengono determinati i percentile. L'esempio mostra che i valori percentili dipendono dal numero di bucket, dalla larghezza dei bucket, dalla distribuzione delle misurazioni e dal numero totale dei campioni. I valori percentile non dipendono dai valori misurati effettivi perché quei valori non sono disponibili nell'istogramma.
Esempio con dati sintetici
Considera un modello di bucket Exponential con scala
1, fattore di crescita pari a 2 e 10 bucket finiti. Questo istogramma contiene 12 bucket, i 10 bucket finiti, un bucket che specifica solo un limite superiore e uno che specifica solo un limite inferiore. In questo esempio, il bucket finale con indice n+1 è due volte più largo del bucket finale con indice n.
I seguenti esempi mostrano che la larghezza del bucket determina l'errore massimo tra il percentile calcolato e le misurazioni. Inoltre, mostrano che il numero di campioni in un istogramma è importante. Ad esempio, se il numero di campioni è inferiore a 20, il 95° e il 99° percentile si trovano sempre nello stesso bucket.
Caso 1: il numero totale di campioni è 1.
In presenza di una singola misurazione, i tre valori percentili sono diversi, ma mostrano solo il 50°, 95° e 99° percentile dello stesso bucket. L'errore tra la stima e le misurazioni effettive non può essere determinato perché la misurazione non è nota.
Ad esempio, supponiamo che l'istogramma delle misurazioni sia come mostrato nella seguente tabella:
| Numero bucket | Limite inferiore | Limite superiore | Conteggio | Intervallo percentile |
|---|---|---|---|---|
| 0 | 1 | 0 | 0 | |
| 1 | 1 | 2 | 0 | 0 |
| 2 | 2 | 4 | 0 | 0 |
| 3 | 4 | 8 | 0 | 0 |
| 4 | 8 | 16 | 0 | 0 |
| 5 | 16 | 32 | 0 | 0 |
| 6 | 32 | 64 | 0 | 0 |
| 7 | 64 | 128 | 0 | 0 |
| 8 | 128 | 256 | 1 | 0 - 100 |
| 9 | 256 | 512 | 0 | 0 |
| 10 | 512 | 1024 | 0 | 0 |
| 11 | 1024 | 0 | 0 |
Per calcolare il 50° percentile, segui questi passaggi:
- Usa il conteggio dei bucket per determinare il bucket che contiene il 50° percentile. In questo esempio, il bucket numero 8 contiene il 50° percentile.
Calcola la stima utilizzando la seguente regola:
pth percentage = bucket_low + (bucket_up - bucket_low)*(p - p_low)/(p_up - p_low)Nell'espressione precedente,
p_lowep_upsono i limiti inferiore e superiore dell'intervallo percentile per il bucket. Analogamente,bucket_lowebucket_upsono i limiti inferiore e superiore del bucket. I valori dip_lowep_updipendono da come vengono distribuiti i conteggi tra i diversi bucket.
Ad esempio, il 50° percentile viene calcolato come segue:
50th percentile = 128 + (256-128)*(50-0)/(100-0)
= 128 + 128 * 50 / 100
= 128 + 64
= 192
Per calcolare il 95° percentile, sostituisci 50 con 95 nell'espressione precedente. Per questo esempio, in cui esiste esattamente un campione,
i percentuali sono i seguenti:
| Percentile | Numero bucket | Valore |
|---|---|---|
| 50° | 8 | 192 |
| 95° | 8 | 116,6 |
| 99° | 8 | 117,1 |
L'errore tra la stima e le misurazioni effettive può essere limitato, ma non può essere determinato perché la misurazione non è nota.
Caso 2: il numero totale di campioni è 10.
Se ci sono 10 campioni, il 50° percentile potrebbe trovarsi in un bucket diverso rispetto al 95° e al 99° percentile. Tuttavia, le misurazioni non sono sufficienti per far sì che il 95° e il 99° percentile si trovino in bucket diversi.
Ad esempio, supponiamo che l'istogramma delle misurazioni sia come mostrato nella seguente tabella:
| Numero bucket | Limite inferiore | Limite superiore | Conteggio | Intervallo percentile |
|---|---|---|---|---|
| 0 | 1 | 4 | 0 - 40 | |
| 1 | 1 | 2 | 2 | 40 - 60 |
| 2 | 2 | 4 | 1 | 60 - 70 |
| 3 | 4 | 8 | 1 | 70 - 80 |
| 4 | 8 | 16 | 1 | 80 - 90 |
| 5 | 16 | 32 | 0 | 0 |
| 6 | 32 | 64 | 0 | 0 |
| 7 | 64 | 128 | 0 | 0 |
| 8 | 128 | 256 | 1 | 90 - 100 |
| 9 | 256 | 512 | 0 | 0 |
| 10 | 512 | 1024 | 0 | 0 |
| 11 | 1024 | 0 | 0 |
Puoi utilizzare la procedura descritta in precedenza per calcolare il 50°, 95° e 99° percentile. Ad esempio, il 50° percentile, che è il numero del bucket 1, viene calcolato come segue:
50th percentile = 1 + (2-1)*(50-40)/(60-40)
= 1 + (1 * 10 / 20)
= 1 + 0.5
= 1.5
Analogamente, il 95° percentile viene calcolato come segue:
95th percentile = 128 + (256-128)*(95-90)/(100-90)
= 128 + 128 * 5 / 10
= 128 + 64
= 192
Utilizzando la procedura descritta in precedenza, è possibile calcolare i percentili. Ogni riga nella tabella seguente elenca un percentile, il bucket corrispondente e il valore calcolato:
| Percentile | Numero bucket | Valore | Numero massimo di errori |
|---|---|---|---|
| 50° | 1 | 1,5 | 0,5 |
| 95° | 8 | 192 | 74 |
| 99° | 8 | 115,1 | 115,2 |
In questo esempio e in quello precedente, il 95° percentile si trova nel bucket numero 8, ma il calcolo del percentile è diverso. La differenza è dovuta al modo in cui i campioni sono distribuiti. Nel primo esempio, tutti gli esempi si trovano nello stesso bucket, mentre nell'esempio più recente gli esempi si trovano in bucket diversi.
Esempio con dati reali
Questa sezione contiene un esempio che illustra come determinare il modello di bucket utilizzato da una determinata metrica. Questa sezione illustra anche come valutare il potenziale errore nei valori percentile calcolati.
Identifica il modello di bucket
Per determinare i bucket utilizzati per una metrica in un intervallo di tempo specifico, chiama il metodo projects.timeSeries/list dell'API Cloud Monitoring.
Ad esempio, per identificare il modello di bucket per una metrica:
- Vai alla pagina web di
projects.timeSeries/list. In Explorer API, inserisci il filtro che specifica la metrica, un'ora di inizio e un'ora di fine.
Ad esempio, per ottenere informazioni sulla metrica che archivia le Latenze delle richieste API, inserisci quanto segue:
metric.type="serviceruntime.googleapis.com/api/request_latencies" resource.type="consumed_api"In questo esempio, il campo del filtro specifica un tipo di metrica e un tipo di risorsa. Per ulteriori informazioni su questi filtri, consulta Filtri di Monitoring.
Fai clic su Invio.
Di seguito è riportata la risposta dell'API list per una metrica con valori di distribuzione disponibile in un progetto Google Cloud:
{
"timeSeries": [
{
"metric": {...},
"resource": {...},
},
"metricKind": "DELTA",
"valueType": "DISTRIBUTION",
"points": [
{
"interval": {
"startTime": "2020-11-03T15:05:00Z",
"endTime": "2020-11-03T15:06:00Z"
},
"value": {
"distributionValue": {
"count": "3",
"mean": 25.889,
"bucketOptions": {
"exponentialBuckets": {
"numFiniteBuckets": 66,
"growthFactor": 1.4,
"scale": 1
}
},
"bucketCounts": [
"0",
"0",
"0",
"0",
"0",
"0",
"0",
"0",
"0",
"0",
"3"
]
}
}
},
Nella risposta dell'API, il campo value descrive i dati archiviati
nell'array points. I campi count e mean segnalano che per l'intervallo di tempo specificato sono state effettuate 3 misurazioni e il loro valore medio era 25,889. Il campo bucketOptions mostra che il modello esponenziale è configurato con 66 bucket, una scala pari a 1 e un fattore di crescita di 1, 4.
Per calcolare i limiti inferiore e superiore per il bucket con indice n, utilizza le seguenti regole:
- Limite inferiore (1 ≤ n < N) = scala * (fattore di crescita)(n-1)
- Limite superiore (0 ≤ n < N-1) = scala * (fattore di crescita)n
Nelle espressioni precedenti, N è il numero totale di bucket.
I bucket per questa metrica, insieme al punto medio di ogni bucket, sono mostrati nella seguente tabella:
| n° bucket | Limite inferiore | Limite superiore | Punto centrale |
|---|---|---|---|
| 0 | 1 | Non applicabile | |
| 1 | 1 | 1,40 | 1,20 |
| 2 | 1,40 | 1,96 | 1,68 |
| ... | |||
| 9 | 14,76 | 20,66 | 17,71 |
| 10 | 20,66 | 28,93 | 24,79 |
| 11 | 28,93 | 40,50 | 34,71 |
| ... |
Verificare i calcoli dei percentili
Ora che la configurazione del bucket è nota, per qualsiasi set di misurazioni puoi prevedere i valori del 50°, 95° e 99° percentile. Ad esempio, se esiste un campione che si trova nel bucket numero 10, il valore del 50° percentile è 24,79.
Per recuperare i valori del 50°, 95° e 99° percentile della metrica, puoi
utilizzare il metodo API projects.timeSeries/list e
includere un periodo di allineamento e un allineatore. In questo esempio sono state selezionate
le seguenti impostazioni:
- Allineatore:
ALIGN_PERCENTILE_50,ALIGN_PERCENTILE_95oALIGN_PERCENTILE_99 - Periodo allineamento: 60 s
Per la selezione ALIGN_PERCENTILE_50, ogni valore nella serie temporale rappresenta il
50° percentile di un bucket:
{
"timeSeries": [
{
"metric": {...},
"resource": {...},
"metricKind": "GAUGE",
"valueType": "DOUBLE",
"points": [
{
"interval": {
"startTime": "2020-11-03T15:06:36Z",
"endTime": "2020-11-03T15:06:36Z"
},
"value": {
"doubleValue": 24.793256140799986
}
},
{
"interval": {
"startTime": "2020-11-03T15:05:36Z",
"endTime": "2020-11-03T15:05:36Z"
},
"value": {
"doubleValue": 34.710558597119977
}
},
{
"interval": {
"startTime": "2020-11-03T15:04:36Z",
"endTime": "2020-11-03T15:04:36Z"
},
"value": {
"doubleValue": 24.793256140799986
}
}
]
},
Per due dei campioni, il 50° percentile si trova nel bucket 10, per l'altro campione si trova nel bucket 11.
La seguente tabella mostra i risultati dell'esecuzione del metodo projects.timeSeries/list con allineatori diversi. La prima riga
corrisponde al caso in cui l'allineatore non è specificato. Se non specifichi un allineatore, vengono restituiti il modello del bucket e i valori medi. Le tre righe successive elencano i dati restituiti quando l'allineatore è impostato su ALIGN_PERCENTILE_50, ALIGN_PERCENTILE_95 e ALIGN_PERCENTILE_99:
| Statistica | Anteprima alle 15:06 | Anteprima alle 15:05 | Anteprima alle 15:04 |
|---|---|---|---|
| medio | 25,889 | 33,7435 | Non disponibile. |
| 50° percentile | 24,79 | 34,71 | 24,79 |
| 95° percentile | 28,51 | 39,91 | 28,51 |
| 99° percentile | 28,84 | 40,37 | 28,84 |
Come mostrano i due esempi con dati sintetici, i valori dei percentili dipendono da come sono distribuiti i campioni. Quando tutti i campioni si trovano nel bucket di esempio, il 50° percentile è il punto medio del bucket. Tuttavia, quando i campioni si trovano in bucket diversi, la distribuzione influisce sulle stime.
Per determinare se il 50° percentile è una stima ragionevole della media, puoi confrontare il valore medio con il 50° percentile. Viene restituito il valore medio con i dettagli del bucket.
Passaggi successivi
Per informazioni su come visualizzare le metriche per i valori di distribuzione, consulta Informazioni sulle metriche per i valori di distribuzione.