In diesem Dokument wird beschrieben, wie Sie ein Diagramm erstellen und interpretieren,
Messwertdaten des Werttyps Distribution
.
Dieser Wertetyp wird von Diensten verwendet, wenn die einzelnen Messungen zu zahlreich sind, um sie zu erfassen, aber statistische Informationen, wie z. B. Durchschnittswerte oder Perzentile, zu diesen Messungen wertvoll sind.
Wenn eine Anwendung beispielsweise auf HTTP-Traffic angewiesen ist, können Sie einen
Messwert mit einem Verteilungswert, der die Latenz von HTTP-Antworten zur Auswertung erfasst
wie schnell HTTP-Anfragen abgeschlossen werden.
Um zu veranschaulichen, wie ein Histogramm erstellt wird, betrachten Sie einen Dienst, der der HTTP-Latenz von Anfragen. Diese Daten werden mithilfe eines Messwerts mit ist ein Verteilungswerttyp. Die Daten werden minütlich erfasst. Der Dienst definiert Wertebereiche für den Messwert, die als Buckets bezeichnet werden. zeichnet die Anzahl der gemessenen Werte auf, die in die einzelnen Buckets fallen. Wenn beispielsweise eine HTTP-Anfrage abgeschlossen ist, erhöht der Dienst die Anzahl in dem Bucket, dessen Bereich den Latenzwert der Anfrage enthält. Diese Zahlen ein Histogramm der Werte für diese Minute erstellen.
Angenommen, die in einem Intervall von einer Minute gemessenen Latenzen sind 5, 1, 3, 5, 6, 10 und 14. Wenn die Buckets [0, 4), [4, 8), [8, 12) sind, und [12, 16], dann ist das Histogramm dieser Daten [2, 3, 1, 1]. In der folgenden Tabelle sehen Sie wie sich einzelne Messungen auf die Anzahl der einzelnen Buckets auswirken:
Bucket | Latenzmessungen | Anzahl der Werte im Bucket |
---|---|---|
[12,16) | 14 | 1 |
[8,12) | 10 | 1 |
[4,8) | 5, 5, 6 | 3 |
[0,4) | 1, 3 | 2 |
Beim Schreiben dieser Daten in die Zeitreihe wird ein Point
erstellt wird. Bei Messwerten mit einem Verteilungswert wird das Objekt
enthält das Histogramm der Werte. Für diesen Stichprobenzeitraum
Point
enthält [2, 3, 1, 1]. Die einzelnen Messungen
in die Zeitreihe geschrieben.
Angenommen, die vorherige Tabelle zeichnet das Histogramm für die Latenzdaten als um 1:00 Uhr gemessen wurde. Diese Tabelle zeigt, wie Sie eine Reihe und wandeln sie in Bucket-Anzahlen um. Angenommen, der Bucket Die Zahlen für die Zeiten 1:01, 1:02 und 1:03 werden in der folgenden Tabelle dargestellt:
Bucket | Histogramm für 1:00 |
Histogramm für 1:01 |
Histogramm für 1:02 |
Histogramm für 1:03 |
---|---|---|---|---|
[12,16) | 1 | 6 | 0 | 1 |
[8,12) | 1 | 0 | 2 | 2 |
[4,8) | 3 | 1 | 1 | 8 |
[0,4) | 2 | 6 | 10 | 3 |
Die obige Tabelle enthält eine Reihe von Histogrammen, die nach Zeit indexiert sind. Jedes Spalte in der Tabelle enthält die Latenzdaten für einen einminütigen Zeitraum. Um die Anzahl der Messungen zu einem bestimmten Zeitpunkt, summieren die Containeranzahlen. Sie können jedoch Die tatsächlichen Werte werden nicht angezeigt, da sie nicht verfügbar sind. der Verteilungswerte.
Heatmap-Diagramme
Heatmap-Diagramme sollen eine einzelne Zeitreihe mit Verteilung darstellen Werte. In diesen Diagrammen repräsentiert die X-Achse die Zeit, die Y-Achse die Zeit. und color steht für den Wert. Je heller die Farbe, zeigt einen höheren Wert an. Dunkle Bereiche der Heatmap zeigen beispielsweise niedrigere Bucket-Anzahl als die gelben oder weißen Bereiche.
Die folgende Abbildung zeigt eine Darstellung einer Heatmap für die vorherige Beispiel:
In der vorherigen Abbildung verwendet die Heatmap Schwarz, um die kleinste Bucket-Zählwert darzustellen, 0 und gelb, um die größte Bucket-Zählwert darzustellen: 10. Rottöne und Orangetöne stellen Werte zwischen diesen beiden Extremen dar.
Da in Heatmap-Diagrammen nur eine einzige Zeitreihe angezeigt werden kann, müssen Sie die Methode aggregation, um alle Zeitreihen zu kombinieren.
Wenn Sie mit dem Metrics Explorer die Summe der Gehen Sie bei RTT-Latenzen einer VM-Instanz so vor: <ph type="x-smartling-placeholder">- </ph>
-
Rufen Sie in der Google Cloud Console die Seite leaderboard Metrics Explorer auf.
Wenn Sie diese Seite über die Suchleiste suchen, wählen Sie das Ergebnis aus, dessen Zwischenüberschrift Monitoring ist.
- Maximieren Sie im Element Messwert das Menü Messwert auswählen, geben Sie
RTT latencies
in die Filterleiste ein und wählen Sie dann über die Untermenüs einen bestimmten Ressourcentyp und Messwert aus:- Wählen Sie im Menü Aktive Ressourcen die Option VM-Instanz aus.
- Wählen Sie im Menü Aktive Messwertkategorien die Option Vm_flow aus.
- Wählen Sie im Menü Aktive Messwerte die Option RTT-Latenzen aus.
- Klicken Sie auf Anwenden.
Im vorherigen Beispiel wird das Heatmap-Diagramm durch Auswahl von Werten konfiguriert aus Menüs auswählen. Sie können aber auch Monitoring Query Language (MQL) zum Erstellen von Diagrammen verwenden. der Verteilungswerte. So geben Sie eine MQL-Abfrage ein:
- Klicken Sie in der Symbolleiste des Bereichs "Query Builder" auf die Schaltfläche code MQL oder code PromQL.
- Prüfen Sie, ob MQL im Schalter Sprache ausgewählt ist. Die Sprachschaltfläche befindet sich in derselben Symbolleiste, mit der Sie Ihre Abfrage formatieren können.
- Geben Sie eine Abfrage ein und führen Sie sie aus.
Geben Sie beispielsweise Folgendes in den Code-Editor ein:
fetch gce_instance
| metric 'networking.googleapis.com/vm_flow/rtt'
| align delta(1m)
| every 1m
| group_by [], [aggregate(value.rtt)]
Im vorherigen Ausdruck werden die Zeitreihendaten abgerufen, ausgerichtet und dann
gruppiert. Für den Ausrichtungsprozess wird eine delta
-Ausrichtungsfunktion mit einer Eins-eins-Funktion verwendet.
Minuten-Ausrichtungszeitraum. Da das erste Argument von group_by
[]
ist,
werden alle Zeitreihen kombiniert.
Das zweite Argument, [aggregate(value.rtt)]
, definiert, wie die Zeitreihen sind.
kombiniert. In diesem Beispiel werden für jeden Zeitstempel die Werte des Felds rtt
der verschiedenen Zeitreihen werden mit der Funktion aggregate
kombiniert, die
von MQL ausgewählt.
Wenn Sie den Messwert über Menüs auswählen und dann zu MQL wechseln, in eine MQL-Abfrage konvertiert, die strikte Form:
fetch gce_instance
| metric 'networking.googleapis.com/vm_flow/rtt'
| align delta(1m)
| every 1m
| group_by [], [value_rtt_aggregate: aggregate(value.rtt)]
Die Funktion des vorherigen Ausdrucks entspricht der Funktion des Originalausdrucks. MQL-Beispiel.
Weitere Informationen zu MQL finden Sie unter Übersicht über Monitoring Query Language
Linien- und Balkendiagramme
Liniendiagramme, gestapelte Balkendiagramme und gestapelte Liniendiagramme, die dazu dienen, Anzeige skalarer Daten, Anzeige nicht möglich Verteilungswerte. Um einen Messwert mit einem Verteilungswert anzuzeigen mit einem dieser Diagrammtypen verwenden, müssen Sie die Histogrammwerte in skalare Werte umwandeln. Sie können beispielsweise die Aggregationsoptionen so einstellen, dass der Mittelwert des im Histogramm oder um ein Perzentil zu berechnen.
Informationen zum Anzeigen eines Messwerts mit dem Verteilungswert Liniendiagramm zu erstellen, finden Sie im folgenden Abschnitt.
Aggregations- und Verteilungsmesswerte
Bei der Aggregation werden Punkte innerhalb einer und die Kombination mehrerer Zeitreihen. Die Aggregation ist für Verteilungstypmesswerte die gleiche Aggregation wie für Messwerte, die einen Ganzzahl- oder Doppel-Werttyp haben. Der Diagrammtyp erzwingt jedoch einige Anforderungen an die Auswahlmöglichkeiten, die für die Ausrichtung und Gruppierung von Zeitachsen verwendet werden.
Heatmap-Diagramme
In Heatmap-Diagrammen wird eine Zeitreihe mit Verteilungswerte angezeigt. Daher entspricht der Parameter Ausrichtungsfunktion und Gruppierungsfunktion muss zum Erstellen einer einzelnen Zeitachse festgelegt werden.
Wählen Sie eine sum
- oder delta
-Ausrichtungsfunktion aus, wenn in einem Diagramm eine Heatmap angezeigt wird.
Diese Funktionen kombinieren auf Bucket-Ebene alle Stichproben für eine
einzelne Zeitreihe, die sich im gleichen Ausrichtungszeitraum befinden, und das Ergebnis ist ein
Verteilungswert. Wenn z. B. zwei benachbarte Stichproben einer
[2, 3, 1, 1] und [2, 5, 4, 1] sind, dann gibt die Summenausrichtung
ergibt [4, 8, 5, 2].
Die Gruppierungsfunktion definiert, wie verschiedene Zeitreihen sind.
kombiniert. Diese Funktion wird manchmal als Aggregator oder Reducer bezeichnet.
Legen Sie für Heatmaps die Gruppierungsfunktion auf die Funktion sum
fest.
Die Summenfunktion addiert die Werte
derselben Buckets in allen Histogrammen,
und führt zu einem neuen Histogramm. Beispiel: Der Parameter
die Summe des Werts [2, 3, 1, 1] aus Zeitreihe-A und dem Wert
[1, 5, 2, 2] aus Zeitachse-B ist [3, 8, 3, 3].
Liniendiagramme
In Liniendiagrammen werden nur skalarwertige Zeitreihen angezeigt. Wenn Sie eine ist das Diagramm mit dem optimalen Wert zum Anzeigen einer Heatmap. Felder des Elements Aggregation sind auf Verteilung und Keine festgelegt.
Die Interpretation der Verteilung hängt vom jeweiligen Messwert ab. Wenn der Messwerttyp „Verteilungswert“ die Messwertart
GAUGE
hat, ist die Standardausrichtungsfunktion aufsum
festgelegt. Wenn ein Verteilungswert Messwerttyp hat die MesswertartCUMULATIVE
. Dies ist die Standardausrichtung. istDELTA
.Durch die Einstellung Keine werden alle Uhrzeiten kombiniert.
Wenn Sie den Messwert „Verteilungswert“ in einem Liniendiagramm darstellen möchten, müssen Sie die Standardeinstellungen des Diagramms ändern. Um beispielsweise ein Liniendiagramm auf einem Dashboard zu konfigurieren, um den 99. Perzentil jeder Zeitachse für einen Messwert mit Verteilungswert, Gehen Sie so vor:
-
Rufen Sie in der Google Cloud Console die Seite
Dashboards auf.
Wenn Sie diese Seite über die Suchleiste suchen, wählen Sie das Ergebnis aus, dessen Zwischenüberschrift Monitoring ist.
- Klicken Sie in der Symbolleiste auf add Widget hinzufügen.
- Wählen Sie im Dialogfeld Widget hinzufügen die Option leaderboard Messwert aus.
- Wählen Sie im Element Metric (Messwert) den Messwert Messwert VM-Instanz – RTT-Latenzen
- Maximieren Sie im Element Aggregation das erste Menü und wählen Sie 99. Perzentil:
- Setzen Sie im Bereich Anzeige den Wert des Menüs Widget-Typ auf Liniendiagramm:
- Optional: Maximieren Sie im Element Aggregation das zweite Menü und wählen Sie die Labels zum Gruppieren von Zeitreihen. Standardmäßig sind keine Labels ausgewählt, Daher wird im Diagramm eine Linie angezeigt.
Nächste Schritte
Informationen zum Ermitteln des Bucket-Modells für einen Messwert und Perzentile zu interpretieren, siehe Perzentile und Messwerte der Verteilungswerte: