skywalking中表字段的信息

https://skyapm.github.io/document-cn-translation-of-skywalking/zh/6.2.0/concepts-and-designs/scope-definitions.html

定义了上面的字段之后，为了计算数据，skywalking定义了一种OAL脚本来进行聚合运算

https://skyapm.github.io/document-cn-translation-of-skywalking/zh/6.2.0/concepts-and-designs/oal.html

skywalking的所有的oal定义在文件official_analysis.oal中

文件的内容如下

// All scope metrics

all_p99 = from(All.latency).p99(10);

all_p95 = from(All.latency).p95(10);

all_p90 = from(All.latency).p90(10);

all_p75 = from(All.latency).p75(10);

all_p50 = from(All.latency).p50(10);

all_heatmap = from(All.latency).thermodynamic(100, 20);

// Service scope metrics

service_resp_time = from(Service.latency).longAvg();

service_sla = from(Service.*).percent(status == true);

service_cpm = from(Service.*).cpm();

service_p99 = from(Service.latency).p99(10);

service_p95 = from(Service.latency).p95(10);

service_p90 = from(Service.latency).p90(10);

service_p75 = from(Service.latency).p75(10);

service_p50 = from(Service.latency).p50(10);

// Service relation scope metrics for topology

service_relation_client_cpm = from(ServiceRelation.*).filter(detectPoint == DetectPoint.CLIENT).cpm();

service_relation_server_cpm = from(ServiceRelation.*).filter(detectPoint == DetectPoint.SERVER).cpm();

service_relation_client_call_sla = from(ServiceRelation.*).filter(detectPoint == DetectPoint.CLIENT).percent(status == true);

service_relation_server_call_sla = from(ServiceRelation.*).filter(detectPoint == DetectPoint.SERVER).percent(status == true);

service_relation_client_resp_time = from(ServiceRelation.latency).filter(detectPoint == DetectPoint.CLIENT).longAvg();

service_relation_server_resp_time = from(ServiceRelation.latency).filter(detectPoint == DetectPoint.SERVER).longAvg();

service_relation_client_p99 = from(ServiceRelation.latency).filter(detectPoint == DetectPoint.CLIENT).p99(10);

service_relation_server_p99 = from(ServiceRelation.latency).filter(detectPoint == DetectPoint.SERVER).p99(10);

service_relation_client_p95 = from(ServiceRelation.latency).filter(detectPoint == DetectPoint.CLIENT).p95(10);

service_relation_server_p95 = from(ServiceRelation.latency).filter(detectPoint == DetectPoint.SERVER).p95(10);

service_relation_client_p90 = from(ServiceRelation.latency).filter(detectPoint == DetectPoint.CLIENT).p90(10);

service_relation_server_p90 = from(ServiceRelation.latency).filter(detectPoint == DetectPoint.SERVER).p90(10);

service_relation_client_p75 = from(ServiceRelation.latency).filter(detectPoint == DetectPoint.CLIENT).p75(10);

service_relation_server_p75 = from(ServiceRelation.latency).filter(detectPoint == DetectPoint.SERVER).p75(10);

service_relation_client_p50 = from(ServiceRelation.latency).filter(detectPoint == DetectPoint.CLIENT).p50(10);

service_relation_server_p50 = from(ServiceRelation.latency).filter(detectPoint == DetectPoint.SERVER).p50(10);

// Service Instance Scope metrics

service_instance_sla = from(ServiceInstance.*).percent(status == true);

service_instance_resp_time= from(ServiceInstance.latency).longAvg();

service_instance_cpm = from(ServiceInstance.*).cpm();

// Endpoint scope metrics

endpoint_cpm = from(Endpoint.*).cpm();

endpoint_avg = from(Endpoint.latency).longAvg();

endpoint_sla = from(Endpoint.*).percent(status == true);

endpoint_p99 = from(Endpoint.latency).p99(10);

endpoint_p95 = from(Endpoint.latency).p95(10);

endpoint_p90 = from(Endpoint.latency).p90(10);

endpoint_p75 = from(Endpoint.latency).p75(10);

endpoint_p50 = from(Endpoint.latency).p50(10);

// Endpoint relation scope metrics

endpoint_relation_cpm = from(EndpointRelation.*).filter(detectPoint == DetectPoint.SERVER).cpm();

endpoint_relation_resp_time = from(EndpointRelation.rpcLatency).filter(detectPoint == DetectPoint.SERVER).longAvg();

// JVM instance metrics

instance_jvm_cpu = from(ServiceInstanceJVMCPU.usePercent).doubleAvg();

instance_jvm_memory_heap = from(ServiceInstanceJVMMemory.used).filter(heapStatus == true).longAvg();

instance_jvm_memory_noheap = from(ServiceInstanceJVMMemory.used).filter(heapStatus == false).longAvg();

instance_jvm_memory_heap_max = from(ServiceInstanceJVMMemory.max).filter(heapStatus == true).longAvg();

instance_jvm_memory_noheap_max = from(ServiceInstanceJVMMemory.max).filter(heapStatus == false).longAvg();

instance_jvm_young_gc_time = from(ServiceInstanceJVMGC.time).filter(phrase == GCPhrase.NEW).sum();

instance_jvm_old_gc_time = from(ServiceInstanceJVMGC.time).filter(phrase == GCPhrase.OLD).sum();

instance_jvm_young_gc_count = from(ServiceInstanceJVMGC.count).filter(phrase == GCPhrase.NEW).sum();

instance_jvm_old_gc_count = from(ServiceInstanceJVMGC.count).filter(phrase == GCPhrase.OLD).sum();

database_access_resp_time = from(DatabaseAccess.latency).longAvg();

database_access_sla = from(DatabaseAccess.*).percent(status == true);

database_access_cpm = from(DatabaseAccess.*).cpm();

database_access_p99 = from(DatabaseAccess.latency).p99(10);

database_access_p95 = from(DatabaseAccess.latency).p95(10);

database_access_p90 = from(DatabaseAccess.latency).p90(10);

database_access_p75 = from(DatabaseAccess.latency).p75(10);

database_access_p50 = from(DatabaseAccess.latency).p50(10);

// CLR instance metrics

instance_clr_cpu = from(ServiceInstanceCLRCPU.usePercent).doubleAvg();

instance_clr_gen0_collect_count = from(ServiceInstanceCLRGC.gen0CollectCount).sum();

instance_clr_gen1_collect_count = from(ServiceInstanceCLRGC.gen1CollectCount).sum();

instance_clr_gen2_collect_count = from(ServiceInstanceCLRGC.gen2CollectCount).sum();

instance_clr_heap_memory = from(ServiceInstanceCLRGC.heapMemory).longAvg();

instance_clr_available_completion_port_threads = from(ServiceInstanceCLRThread.availableCompletionPortThreads).max();

instance_clr_available_worker_threads = from(ServiceInstanceCLRThread.availableWorkerThreads).max();

instance_clr_max_completion_port_threads = from(ServiceInstanceCLRThread.maxCompletionPortThreads).max();

instance_clr_max_worker_threads = from(ServiceInstanceCLRThread.maxWorkerThreads).max();

// Envoy instance metrics

envoy_heap_memory_max_used = from(EnvoyInstanceMetric.value).filter(metricName == "server.memory_heap_size").maxDouble();

envoy_total_connections_used = from(EnvoyInstanceMetric.value).filter(metricName == "server.total_connections").maxDouble();

envoy_parent_connections_used = from(EnvoyInstanceMetric.value).filter(metricName == "server.parent_connections").maxDouble();

// Disable unnecessary hard core sources

/////////

// disable(segment);

// disable(endpoint_relation_server_side);

// disable(top_n_database_statement);

// disable(zipkin_span);

// disable(jaeger_span);

定义的指标值如下

全局指标

all_p99, 所有服务响应时间的 p99 值

all_p95

all_p90

all_p75

all_p70

all_heatmap, 所有服务响应时间的热点图

服务指标

service_resp_time, 服务的平均响应时间

service_sla, 服务的成功率

service_cpm, 服务每分钟调用次数

service_p99, 服务响应时间的 p99 值

service_p95

service_p90

service_p75

service_p50

服务实例指标

service_instance_sla, 服务实例的成功率

service_instance_resp_time, 服务实例的平均响应时间

service_instance_cpm, 服务实例每分钟调用次数

端点指标

endpoint_cpm, 端点每分钟调用次数

endpoint_avg, 端点平均响应时间

endpoint_sla, 端点成功率

endpoint_p99, 端点响应时间的 p99 值

endpoint_p95

endpoint_p90

endpoint_p75

endpoint_p50

JVM 指标, JVM 相关的指标, 只有当 javaagent 启用时才有效

instance_jvm_cpu

instance_jvm_memory_heap

instance_jvm_memory_noheap

instance_jvm_memory_heap_max

instance_jvm_memory_noheap_max

instance_jvm_young_gc_time

instance_jvm_old_gc_time

instance_jvm_young_gc_count

instance_jvm_old_gc_count

服务关系指标, 代表服务之间调用的指标 指标的 ID 只能在拓扑图查询中获取

service_relation_client_cpm, 在客户端每分钟检测到的调用次数

service_relation_server_cpm, 在服务端每分钟检测到的调用次数

service_relation_client_call_sla, 在客户端检测到的成功率

service_relation_server_call_sla, 在服务端检测到的成功率

service_relation_client_resp_time, 在客户端检测到的平均响应时间

service_relation_server_resp_time, 在服务端检测到的平均响应时间

端点关系指标, 代表相互依赖的端点之间的指标. 只有在追踪代理启用时有效. 指标 ID 只能在拓扑查询中获得.

endpoint_relation_cpm

endpoint_relation_resp_time

我们来看看skywalking中页面框图的意思

上面对于的计算指标是

首先看latency表示的意思是服务下每个请求的耗时

all_p99 = from(All.latency).p99(10);all表示所有的服务，服务就是应用的意思当前系统下面有三个应用，三个应用下面一共存在1000次请求，这里指的就是所有1000次请求中99%的请求响应时间都是在某个范围内

global Top Throughput中表示当前所有的应用中的方法中，那个请求的数量最多

global Top slow Endpoint表示当前所有应用下面的那个请求最耗时

这里的Global heatmap实际上调用的是

当前的请求在热力图上的分布情况，每一次请求在热力图上面对应一个点

表示当前应用下的全部请求耗时在20毫秒和100毫秒

https://skyapm.github.io/document-cn-translation-of-skywalking/zh/6.2.0/concepts-and-designs/oal.html

https://skyapm.github.io/document-cn-translation-of-skywalking/zh/6.2.0/concepts-and-designs/scope-definitions.html

service_resp_time = from(Service.latency).longAvg();

表示当前应用下每个请求的耗时的平均值，所以存在不准的情况，应该不应该把当前应用向注册中心那个请求时间算在内，这里要注意

service_sla = from(Service.*).percent(status == true);

表示当前应用下sla：请求的成功率是多少

上面表表示应用spring-user在20点34分到21点04分这半个小时内，应用这段时间内每分钟的请求数目是1.33次，这个1.33次是如何算出来的了

应用在20点43分，发送了一次请求，在20点44分发送了一次请求，在20点45分发生了2次请求，所有20点43 20点44分 20点45分，三分钟之内发送了4请请求，每一分钟的平均请求时间为4除以3等于1.33.，这里要注意虽然选择的查询时间从20点11到21点11一共30分钟，这里面大部分时间没有请求产生，平均请求次数不能是4/30,而是统计真正发送请求的时间

对于的信息在数据库的表service_cpm中可以看到，entity_id表示当前应用的编号，3对于的就是spring-user应用，service_cpm记录的是当前一个小时之内应用的访问数据

如果当前应用选择查询的时间超过一个小时，选择最近一天，如下图所示，我们看到cpm为0，因为查询的是

我们可以看到选择最近一天查询的时间间隔是小时，查询的是service_cpm_hour这张表

从上面分析我们已经知道应用在20点43分，发送了一次请求，在20点44分发送了一次请求，在20点45分发生了2次请求，所有20点43 20点44分 20点45分，所以在20 内发送了4次请求，所有表中service_cpm_hour对于的2020010420这个时间点的值是4，页面上从1月3号21点到1月4号21点内没有任何请求，所以cpm为0

同理，选择最近一周，查询的是service_cpm_day这张表

在表service_cpm_day中时间是按照天进行统计的，在20200104 在1月4号这天发生了4次请求

同理应用的平均响应时间类似，这里为啥是74264.67ms了

应用在20点43分的这一分钟内发送了请求应用的平均响应时间123851，在20点44分应用在这一分钟内发生了请求对于的平均响应时间是76455，在20点45分发生了请求对于的平均响应时间是22488，所以在20点00到21点这段时间内，只有3分钟内发送了请求，其余时间没有发送请求，平均响应时间为（123851+76455+22488）/3=74264.67ms

应用的平均响应时间，是依据应用下的每个应用的实例响应时间计算出来的，查询的表如下

应用下面的p99 p50如下，查询的是service_p50相关的表

表示当前应用下面那个请求最慢，当前应用存在哪些实例

对于方法的操作

首先要选择那个应用，然后选择该应用下对于的端点

调用的统计信息为

// Endpoint scope metrics
endpoint_cpm = from(Endpoint.*).cpm();
endpoint_avg = from(Endpoint.latency).longAvg();
endpoint_sla = from(Endpoint.*).percent(status == true);
endpoint_p99 = from(Endpoint.latency).p99(10);
endpoint_p95 = from(Endpoint.latency).p95(10);
endpoint_p90 = from(Endpoint.latency).p90(10);
endpoint_p75 = from(Endpoint.latency).p75(10);
endpoint_p50 = from(Endpoint.latency).p50(10);

表示该端点对于的平均响应时间，平均请求信息，平均每分钟的请求数目灯

表示应用spring-user的方法/user/5在20点45分，这一分钟内的平均响应时间是25577毫秒

这里表示的是应用spring-user的方法/user/5在20点32分到21点02分内，方法的平均响应时间是74714毫秒

skywalking中表字段的信息的更多相关文章

net发布的dll方法和类显示注释信息（字段说明信息）[图解]
自己发布的dll添加的另一个项目中突然没有字段说明信息了,给使用带来了很多的不便,原因是为了跨项目引用,所以导致不显示注释信息的,一下是解决这个问题的方法. 在要发布(被引用)的项目上右键 => ...
crmsql句子的实体关系实体字段的信息窗口
在crm里面怎样用sql语句查询这些信息? 查询实体信息: --查询实体信息,实体名称:account select * from MetadataSchema.Entity where name= ...
mysql alter 用法，修改表，字段等信息
一: 修改表信息 1.修改表名 alter table test_a rename to sys_app; 2.修改表注释 alter table sys_application comment '系 ...
sqlserver 获取数据库、表和字段相关信息
--获取指定服务器上的所有数据库 SELECT Name FROM Master..SysDatabases ORDER BY Name --获取指定数据库下所有表 SELECT Name FROM ...
salesforce lightning零基础学习(十六) 公用组件之获取字段label信息
我们做的项目好多都是多语言的项目,针对不同国家需要展示不同的语言的标题.我们在classic中的VF page可谓是得心应手,因为系统中已经封装好了我们可以直接在VF获取label/api name等 ...
查找SQL数据表或视图中的字段属性信息
一.只支持表,非常牛逼的 SELECT a.name,(case when (SELECT count(*) FROM sysobjects WHERE (name in (SELECT name F ...
Golang中Struct与DB中表字段通过反射自动映射 - sqlmapper
Golang中操作数据库已经有现成的库"database/sql"可以用,但是"database/sql"只提供了最基础的操作接口: 对数据库中一张表的增删改查 ...
修改SQL数据库中表字段类型时，报“一个或多个对象访问此列”错误的解决方法
在SQL数据库中使用SQL语句(格式:alter table [tablename] alter column [colname] [newDataType])修改某表的字段类型时,报一下错误:由于一 ...
Oracle中表字段相关操作举例
--创建测试表 create or replace table student ( xh ), --学号 xm ), --姓名 sex ), --性别 birthday date, --日期 sal ...

随机推荐

创建并加入节点&练习
1.节点的属性节点的属性:所有节点都有的属性元素节点, 属性节点, 文本节点 nodeType 只读属性 nodeName 返回对应节点的名字 ...
06 . Nginx静态资源缓存
Nginx静态资源 Nginx可以处理静态资源非Web服务器可以运行处理而生成的文件,即服务器只需要从硬盘或者缓存中读取然后直接给客户端响应即可. 常见的静态资源 # 浏览器渲染: html文件,样 ...
【算法基础】KMP字符串
给定一个模式串S,以及一个模板串P,所有字符串中只包含大小写英文字母以及阿拉伯数字. 模板串P在模式串S中多次作为子串出现. 求出模板串P在模式串S中所有出现的位置的起始下标. 输入格式第一行输入整 ...
flex布局以及常用属性。
(1)flex布局排列会消除块状属性,所有与块状相关的属性将失效,比如块状元素会独占一行,如图2,设置flex后会在一行排列
Java实现 LeetCode 395 至少有K个重复字符的最长子串
395. 至少有K个重复字符的最长子串找到给定字符串(由小写字符组成)中的最长子串 T , 要求 T 中的每一字符出现次数都不少于 k .输出 T 的长度. 示例 1: 输入: s = " ...
Centos7.3 搭建KVM 命令安装VM虚拟机
操作系统:centos7.3 一.安装KVM 1. 验证CPU是否支持KVM:如果结果中有vmx(Intel)或svm(AMD)字样,就说明CPU的支持的. egrep '(vmx|svm)' ...
HashMap(二)之面试题系列
定义类考题什么是Hash?什么是HashMap? HashMap 的工作原理是什么 HashMap HashTable的区别为什么要用HashMap 源码类考题什么是hash碰撞,怎么减少碰撞, ...
单例模式之懒汉模式，懒汉模式之高效模式，DLC双判断模式
import java.util.concurrent.LinkedBlockingQueue; import java.util.concurrent.ThreadPoolExecutor; imp ...
easypoi 读取 Excel 简单应用
背景在做接口测试的时候,经常会使用 Excel 来存储对应的接口信息和用例信息,为了方便程序的读取,引入easypoi 工具来读取 Excel 内容.easypoi 比起 poi 使用更加的方便,代 ...
（二）用testng的groups管理用例
原文链接:https://www.cnblogs.com/Jourly/p/7002096.html 一.需求: 测试时经常有两种场景,第一种是冒烟测试的小部分用例:一类是全部用例. 二.针对第一种运 ...

skywalking中表字段的信息

skywalking中表字段的信息的更多相关文章

随机推荐

热门专题