- §1 概念
- §1.1 百分位直方图
- §1.2 客户端百分位
- §2 声明
- §3 直方图的开启
§1 概念
Timer 和 DistributionSummary 具有收集数据并监控其在百分位上的分布的能力，查看百分位数主要有两种方法：
- 百分位直方图
- 客户端百分位
§1.1 百分位直方图
Micrometer 把值累积到底层的直方图中，然后按预设的一系列桶上报这些数据到监控系统
直方图的百分位，由监控系统的查询语句负责计算
目前，仅如下 3 个监控系统提供了基于直方图求取百分位近似值的能力
- Prometheus 通过
histogram_quantile - Atlas 通过 :
percentile - Wavefront 通过
hs()
如果你倾向于这种方式，可以选择 Prometheus、Atlas、Wavefront 作为监控系统
这样，你可以通过累加<不同维度的桶里的值>的方式，跨维度的聚合直方图，并从中得到可聚合的百分位数
§1.2 客户端百分位
Micrometer 为每个 Meter ID（Meter名+所有 tag 可以唯一确定一个 Meger）计算百分位近似值，并把它们上报给监控系统
相比于百分位直方图，这种方式不够灵活，因为它不能按 tag 聚合。
相对的，虽然基于这些数据的监控系统不能在 server 侧基于直方图进行百分位聚合，但是可以为百分位分布提供一定程度的洞察能力
§2 声明
下例演示带有直方图的 Timer
Timer.builder("my.timer").publishPercentiles(0.5, 0.95) // median and 95th percentile .publishPercentileHistogram() .serviceLevelObjectives(Duration.ofMillis(100)) .minimumExpectedValue(Duration.ofMillis(1)) .maximumExpectedValue(Duration.ofSeconds(10))
-
publishPercentiles
用于发布在你的应用里计算的百分位值，这些值不能夸维度聚合
即上文的 客户端百分位 -
publishPercentileHistogram
用于发布合适的直方图，此直方图可以用于夸维度的计算百分位近似值
即上文的 百分位直方图-
Prometheus 通过
histogram_quantile -
Atlas 通过
percentile -
Wavefront 通过
hs()对于 Prometheus/Atlas 而言，最终的直方图的桶是预设的，这个预设基于一个由 Netflix 凭经验决定的 generator 决定
在绝大多数实际使用Timer/DistributionSummary的场景这个预设产生的错误边界都是可以接受的默认情况下，这个 generator 预设 276 个桶，但 Micrometer 只全量接受由 minimumExpectedValue/maximumExpectedValue 设置夹出来的范围
默认情况下，Micrometer 会将Timer在1毫秒到1分钟的范围内，对每个计时器维度产生 73 个直方图桶如果监控系统不支持可聚集百分位数近似值，不会有直方图发布到这样的系统，这个配置也不会生效
-
-
serviceLevelObjectives
用于发布基于你配置的 SLO 的累计直方图
如果监控系统支持可聚合百分位，协同使用此配置与publishPercentileHistogram时，可以向已发布的直方图中增加额外的桶
但如果监控系统不支持可聚合百分位，可以使直方图仅用此配置发布 -
minimumExpectedValue/maximumExpectedValue
控制publishPercentileHistogram运送的桶的数量，并控制底层HdrHistogram结构的准确性和内存占用
控制桶的数量不是直接设置桶数，而是设置了上下限，二者会从预设的一众桶中截出实际投入使用的部分
对底层直方图结构的准确性、内存占用同理
如果一个监控系统支持通过直方图计算百分位近似值，即支持 publishPercentileHistogram
它就没有必要通过客户端百分位再发布一遍，即无需 publishPercentiles
这是因为在 <监控系统支持百分位直方图的场景> 下，客户端百分位是冗余的，它不具备跨维度聚合的能力但是直方图可以
同时，Prometheus java 客户端 1.x 版本下，也不支持在同一个 metric 名下同时存在上述二者
§3 直方图的开启
一旦将百分位上报到监控系统，就会产生出新的时间序列，
因此如果一个核心库会作为应用的依赖（而被应用包含），那就不建议在其中直接配置百分位
推荐的方式是，在应用中通过 MeterFilter 的方式为一组 Timer/DistributionSummary 开启百分位
说白了就是：如果你准备写一个三方包，
这个包作为 sdk 也好，starter 也好，它就是为了给其他项目当依赖用的
那就别直接在这个包里把百分位配出来，因为你一旦配出来，那就直接多了条时间序列
例如：现在要在一个公共库里声明几个 Timer，它们具有相同的前缀 myservice，可以这样定义
registry.timer("myservice.http.requests").record(..);
registry.timer("myservice.db.requests").record(..);
应用系统使用此公共库后，可以通过 MeterFilter 配置上述 Timer 的直方图
比如下例：通过 MeterFilter 按前缀批量开启上述 Timer 的客户端百分位
registry.config().meterFilter(new MeterFilter() {@Overridepublic DistributionStatisticConfig configure(Meter.Id id, DistributionStatisticConfig config) {if(id.getName().startsWith("myservice")) {return DistributionStatisticConfig.builder().percentiles(0.95).build().merge(config);}return config;}});