Acerca de las métricas con valores de distribución

En este documento, se describe cómo puedes crear y, luego, interpretar un gráfico que muestre datos de métricas del tipo de valor Distribution. Los servicios usan este tipo de valor cuando las mediciones individuales son demasiadas para recopilar, pero la información estadística, como promedios o percentiles, sobre esas mediciones es valiosa. Por ejemplo, cuando una aplicación depende del tráfico HTTP, puedes usar una métrica con valor de distribución que capture la latencia de la respuesta HTTP para evaluar la rapidez con la que se completan las solicitudes HTTP.

Para ilustrar cómo se crea un histograma, considera un servicio que mide la latencia HTTP de las solicitudes y que informa estos datos mediante una métrica con un tipo de valor de distribución. Los datos se informan cada minuto. El servicio define rangos de valores para la métrica, llamados depósitos, y registra el recuento de valores medidos que corresponden a cada bucket. Por ejemplo, cuando se completa una solicitud HTTP, el servicio incrementa el recuento en el bucket cuyo rango incluye el valor de latencia de la solicitud. Estos recuentos crean un histograma de valores para ese minuto.

Supongamos que las latencias medidas en un intervalo de un minuto son 5, 1, 3, 5, 6, 10 y 14. Si los buckets son [0, 4), [4, 8), [8, 12) y [12, 16], el histograma de estos datos es [2, 3, 1, 1]. En la siguiente tabla, se muestra cómo las mediciones individuales afectan el recuento para cada bucket:

Bucket Mediciones de latencia Cantidad de valores en el bucket
[12,16) 14 1
[8,12) 10 1
[4,8) 5, 5, 6 3
[0,4) 1, 3 2

Cuando estos datos se escriben en la serie temporal, se crea un objeto Point. Para las métricas con un valor de distribución, ese objeto incluye el histograma de valores. Para este período de muestreo, el Point contiene [2, 3, 1, 1]. Las mediciones individuales no se escriben en la serie temporal.

Supongamos que la tabla anterior registra el histograma de los datos de latencia tal como se mide en el tiempo 1:00. En esa tabla, se ilustra cómo tomar una serie de mediciones y convertirlas en recuentos de bucket. Supongamos que el bucket cuenta el tiempo 1:01, 1:02 y 1:03 como se muestra en la siguiente tabla:

Bucket Histograma para
1:00
Histograma para
1:01
Histograma para
1:02
Histograma para
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

En la tabla anterior, se muestra una secuencia de histogramas indexados por tiempo. Cada columna de la tabla representa los datos de latencia para un período de un minuto. Para obtener la cantidad de mediciones en un momento específico, suma los recuentos de bucket. Sin embargo, las mediciones reales no se muestran, ya que no están disponibles en las métricas con valores de distribución.

Gráficos de mapas de calor

Los gráficos de mapas de calor están diseñados para mostrar una sola serie temporal con valores de distribución. En estos gráficos, el eje X representa el tiempo, el eje Y representa los depósitos y el color representa el valor. Cuanto más brillantes son los colores, más alto es el valor. Por ejemplo, las áreas oscuras del mapa de calor indican recuentos de depósitos más bajos que las áreas amarillas o blancas.

La siguiente figura es una representación de un mapa de calor para ilustrar el ejemplo anterior:

Gráfico de mapa de calor del ejemplo.

En la figura anterior, el mapa de calor usa negro para representar el conteo de depósitos más pequeño, 0, y amarillo para representar el recuento de depósitos más grande, 10. Los rojos y naranjas representan valores entre estos dos extremos.

Debido a que los gráficos de mapa de calor solo pueden mostrar una serie temporal, debes configurar las opciones de agregación para combinar todas las series temporales.

Si quieres usar el Explorador de métricas para mostrar la suma de las latencias de RTT de una instancia de VM, haz lo siguiente:
  1. En el panel de navegación de la consola de Google Cloud, elige Monitoring y, luego,  Explorador de métricas:

    Ir al Explorador de métricas

  2. En el elemento Métrica, expande el menú Seleccionar una métrica, ingresa RTT latencies en la barra de filtros y, luego, usa los submenús para seleccionar un métrica y tipo de recurso específicos:
    1. En el menú Recursos activos, selecciona Instancia de VM.
    2. En el menú Categorías de métricas activas, selecciona Vm_flow.
    3. En el menú Métricas activas, selecciona Latencias de RTT.
    4. Haz clic en Aplicar.

En el ejemplo anterior, el gráfico de mapa de calor se configura mediante la selección de valores de los menús. Sin embargo, también puedes usar el lenguaje de consulta de Monitoring (MQL) para graficar las métricas con valores de distribución. Para ingresar una consulta de MQL, haz lo siguiente:

  1. En la barra de herramientas del panel del compilador de consultas, selecciona el botón cuyo nombre sea  MQL o  PromQL.
  2. Verifica que MQL esté seleccionado en el botón de activación Idioma. El botón de activación del idioma está en la misma barra de herramientas que te permite dar formato a tu consulta.
  3. Ingresa una consulta y, luego, ejecútala.

Por ejemplo, ingresa lo siguiente en el editor de código:

fetch gce_instance
| metric 'networking.googleapis.com/vm_flow/rtt'
| align delta(1m)
| every 1m
| group_by [], [aggregate(value.rtt)]

En la expresión anterior, los datos de las series temporales se recuperan, se alinean y, luego, se agrupan. El proceso de alineación usa una función de alineación delta con un período de alineación de un minuto. Como el primer argumento de group_by es [], se combinan todas las series temporales. El segundo argumento, [aggregate(value.rtt)], define cómo se combinan las series temporales. En este ejemplo, para cada marca de tiempo, los valores del campo rtt de las diferentes series temporales se combinan con la función aggregate que selecciona MQL.

Si usas menús para seleccionar la métrica y, luego, cambias a MQL, tus selecciones se convertirán en una consulta de MQL en formato estricto:

fetch gce_instance
| metric 'networking.googleapis.com/vm_flow/rtt'
| align delta(1m)
| every 1m
| group_by [], [value_rtt_aggregate: aggregate(value.rtt)]

La expresión anterior es funcionalmente equivalente al ejemplo de MQL original.

Para obtener más información sobre MQL, consulta Descripción general del lenguaje de consulta de Monitoring.

Gráficos de barras y líneas

Los gráficos de líneas, los gráficos de barras apiladas y los gráficos de líneas apiladas, que están diseñados para mostrar datos escalares, no pueden mostrar valores de distribución. Para mostrar una métrica con un valor de distribución con uno de estos tipos de gráficos, debes convertir los valores de histogramas en valores escalares. Por ejemplo, puedes configurar las opciones de agregación para calcular la media de los valores en el histograma o para calcular un percentil.

Si deseas obtener información para mostrar una métrica con valor de distribución en un gráfico de líneas, consulta la siguiente sección.

Métricas de agregado y distribución

El agregado es el proceso de regularizar puntos dentro de una serie temporal y de combinar varias series temporales. El agregado es el mismo para las métricas del tipo de distribución que para las métricas que tienen un tipo de valor de número entero o doble. Sin embargo, el tipo de gráfico aplica algunos requisitos sobre las opciones que se usan para alinear y agrupar series temporales.

Gráficos de mapas de calor

Los gráficos de mapa de calor muestran una serie temporal con valor de distribución. Por lo tanto, la función de alineación y la función de agrupación deben configurarse para crear una única serie temporal.

Selecciona una función de alineación sum o delta cuando un gráfico muestre un mapa de calor. Estas funciones combinan a nivel del bucket todas las muestras para una sola serie temporal que se encuentran en el mismo período de alineación y el resultado es un valor de distribución. Por ejemplo, si dos muestras adyacentes de una serie temporal son [2, 3, 1, 1] y [2, 5, 4, 1], la función de alineación de suma produce [4, 8, 5, 2].

La función de agrupación define cómo se combinan las diferentes series temporales. A veces, esta función se denomina agregador o reductor. Para los mapas de calor, configura la función de agrupación como sum. La función sum suma los valores de los mismos buckets en todos los histogramas, lo que da como resultado un histograma nuevo. Por ejemplo, la suma del valor [2, 3, 1, 1] de la serie temporal A y el valor [1, 5, 2, 2] de la serie temporal B es [3, 8, 3, 3].

Gráficos de líneas

Los gráficos de líneas solo muestran series temporales con valor escalar. Si seleccionas una métrica con valor de distribución, el gráfico se configurará con parámetros óptimos para mostrar un mapa de calor. Los campos del elemento Aggregation (Agregación) están configurados como Distribution (Distribución) y None (None).

  • La interpretación de la Distribución depende de la métrica específica. Para los tipos de métricas con valor de distribución que tienen un tipo de métrica GAUGE, la función de alineación predeterminada se establece en sum. Cuando un tipo de métrica con valor de distribución tiene una categoría de métrica CUMULATIVE, la función de alineación predeterminada es DELTA.

  • La configuración de None garantiza que se combinen todos los horarios.

Si deseas mostrar una métrica con valor de distribución en un gráfico de líneas, debes cambiar la configuración predeterminada de tu gráfico. Por ejemplo, a fin de configurar un gráfico de líneas en un panel para mostrar el percentil 99 de cada serie temporal de una métrica con valor de distribución, haz lo siguiente:

  1. En el panel de navegación de la consola de Google Cloud, elige Monitoring y, luego,  Paneles:

    Ir a Paneles

  2. En la barra de herramientas, haz clic en  Agregar widget.
  3. En el diálogo Agregar widget, selecciona  Métrica.
  4. En el elemento Métrica, selecciona la métrica Instancia de VM: latencias de RTT.
  5. En el elemento Agregación, expande el primer menú y selecciona Percentil 99.
  6. En el panel Display, configura el valor del menú Widget type como Gráfico de líneas.
  7. Opcional: En el elemento Agregación, expande el segundo menú y selecciona las etiquetas que se usan para agrupar las series temporales. De forma predeterminada, no se seleccionan etiquetas y, por lo tanto, se muestra una línea en el gráfico.

¿Qué sigue?

Para obtener información sobre cómo determinar el modelo de bucket de una métrica y cómo interpretar los percentiles, consulta Percentiles y métricas con valores de distribución.