Metrikker

Hvad det er

Metrikker er målinger af en kørende tjeneste, hver taget på et
bestemt tidspunkt og gemt som en værdi med et tidsstempel og nogle
få etiketter, så den samme størrelse kan aflæses igen et minut, en
dag eller en måned senere. Én navngiven størrelse er en metrik; gemt
som en række værdier over tid bliver den til en tidsserie; og
OpenTelemetry regner metrikkerne som et af sine signaler ved siden
af traces og logs. Betjente forespørgsler, brugt hukommelse og job,
der venter i en kø, er typiske metrikker.

Det, der skiller metrikker fra de andre signaler, er aggregering. En
log gemmer én linje pr. hændelse, og en trace følger én forespørgsel
gennem systemet. En metrik folder mange målinger sammen til nogle få
statistikker over et tidsvindue: et antal, en sum, en aktuel værdi,
en fordeling over spande. OpenTelemetry-dokumentationen kalder
resultatet statistisk information i samlet form, og det er både
styrken og grænsen: en metrik siger, hvor mange forespørgsler der
fejlede det seneste minut, og en log siger hvilke.

OpenTelemetry og Prometheus er enige om et lille sæt former, og at
vælge den rigtige er det meste af designet:

  * En tæller (counter) samler op og går kun op, som
kilometertælleren i en bil: betjente forespørgsler, sendte bytes,
sete fejl. Prometheus tillader én undtagelse, en nulstilling, når
processen genstarter.

  * En op-ned-tæller (up-down counter), i OpenTelemetrys sprog,
samler op, men kan også gå ned, som længden af en kø, mens arbejde
kommer til og går.

  * En måler (gauge) er en aktuel værdi, aflæst i det øjeblik den
aflæses, som benzinmåleren i den samme bil: brugt hukommelse, en
temperatur, forespørgsler under behandling.

  * Et histogram sorterer målinger i spande og gemmer deres antal og
sum, så det kan svare på, hvor mange forespørgsler der tog under et
sekund.

Prometheus har også typen summary, som beregner kvantiler inde i
programmet. OpenTelemetrys datamodel beholder den kun som en ældre
type, fordi summaries ikke altid lader sig slå sammen på en
meningsfuld måde.

Tekstformatet, som Prometheus henter, viser delene samlet: en
hjælpelinje, en typelinje og derefter én linje pr. kombination af
etiketter med navnet, etiketterne, værdien og et valgfrit
tidsstempel i millisekunder siden epoken.

```text
i# HELP http_requests_total The total number of HTTP requests.		engineer.company	70
i# TYPE http_requests_total counter		engineer.company	70
http_requests_total{method="post",code="200"} 1027 1395066363000
http_requests_total{method="post",code="400"} 3 1395066363000
```

Hvorfor det betyder noget

Metrikker er billige nok til at blive gemt for alt. Den hukommelse,
de kræver, vokser med antallet af forskellige kombinationer af
etiketter, ikke med trafikken; OpenTelemetry-dokumentationen siger
det ligeud og stiller det op mod logs. En tæller, der er talt op en
milliard gange, er stadig ét tal. Det er det, der lader et team
tælle hver forespørgsel frem for et udsnit af dem og gemme tallene
længe nok til at sammenligne denne måned med den forrige.

De gør diskussioner til målinger. Om en vært er stor nok, om en
udgivelse gjorde svarene langsommere, hvor hurtigt en disk fyldes
op: hvert spørgsmål har et svar i en serie, der blev optaget, før
nogen spurgte. Alarmer bygges på de samme tal, for en alarmregel er
en betingelse over en metrik, som nogen har besluttet er værd at
blive vækket for.

De lever også længere end den kode, der udsender dem, så formen er
værd at få rigtig. Prometheus' vejledning om navngivning beder om én
enhed og én størrelse pr. metrik, i grundenheder som sekunder og
bytes frem for millisekunder eller megabytes, med enheden som et
suffiks i flertal og `_total` på et opsamlet antal. Navne som
`http_request_duration_seconds` og `process_cpu_seconds_total` siger
så direkte, hvad de rummer.

Hvordan totalerne rejser, betyder også noget. Prometheus rapporterer
kumulative totaler, så huller fra en indsamling, der svigter en gang
imellem, udjævnes, mod en pris i hukommelse hos afsenderen i forhold
til dens kombinationer af etiketter. StatsD rapporterer deltaer,
ændringen siden sidste rapport, hvilket flytter den udgift ud af
processen.

Sådan ser det ud i praksis

Virksomhedens egen vært til offentligt tilgængelige tjenester har én
kerne og 512 MB hukommelse, hvoraf omkring 464 MB kan bruges, og på
den blev hukommelsen det argument, der afgjorde beslutninger.
Rapportering er dér et pull: syv kommandoer, der læser værten og
gengiver Markdown, intet ændrer og kun kører, når nogen beder om
det. Da spørgsmålet kom op, om den ene vært på 512 MB også kunne
bære en onion-tjeneste, kom svaret fra et registreret døgns målte
stikprøver frem for fra en holdning: den laveste målte tilgængelige
hukommelse var omkring 310 MB af

464, swap lå på 2,6 procent, og processoren var inaktiv 99,7 procent
af tiden.

De rapporter skulle senere sige, hvad deres tal var værd. Seks
indsamlere, der kun læser fik til opgave at oplyse, hvad de aldrig
læste, da det stod klart, at en blind indsamling og en sund vært gav
den samme side: et spejl, hvis dæmon ændrede sit logformat, gav det
samme nul som et spejl, ingen besøgte. Tærsklerne blev tilpasset de
116 stikprøver, metrikrapporten allerede havde målt, med de
observerede intervaller skrevet ved siden af grænserne, og rapporten
skelner mellem tre udfald: et brud, intet brud, og ikke bedømt,
fordi intet målte det. Hver indsamler rapporterer sin køretid og sin
blindhed, som læste filer mod ulæselige filer, også når svaret er
nul. Grænserne gælder for daglige gennemsnit, som kan skjule en
spidsværdi, der varer ét minut. Kontakten, der kører hvert kvarter,
kontrollerer den tilgængelige hukommelse og den ledige diskplads ved
hver kørsel, men et kortvarigt brud på en grænse mellem kontrollerne
kan stadig gå ubemærket hen.

De mest nyttige metrikker kommer ofte fra problemet frem for fra
værten. Noten om at sælge et begrænset lager uden at oversælge
samler låseventetider, udløbne reservationer og afstanden mellem
portens tal og databasens på ét dashboard og kører invarianten
`available + held + sold = total` efter en tidsplan, tegnet som graf
og med alarm ved enhver afvigelse. Hvert af de tal kommer af at
vide, hvordan netop det salg går galt.

Hvor det går galt

Metrikker går sjældent i stykker med et brag. Grafen bliver ved med
at tegne, og tallet på den betyder stille og roligt noget andet end
det, navnet siger.

En værdi, der falder, udgives som en tæller. Prometheus' side om
metriktyper siger, at man ikke skal bruge en tæller til noget, der
kan falde, som antallet af kørende processer: det er en måler.
Forespørgselsfunktionerne behandler ethvert fald i en tæller som en
genstart og retter for det, så en værdi, der falder med vilje, viser
sig som stigninger, der aldrig skete.

Enhederne glider mellem tjenester. Én tjeneste rapporterer en
varighed i millisekunder, en anden i sekunder, og et panel, der
sammenligner dem, rammer ved siden af med en faktor tusind.
Navngivningsvejledningen siger, at en metrik skal henvise til én
enhed og bør bruge grundenheder. At omregne én gang, ved kilden, er
billigere end at huske forskellen i hver forespørgsel.

En sum på tværs af etiketter betyder ingenting.
Navngivningsvejledningens tommelfingerregel er, at summen eller
gennemsnittet over alle en metriks etiketter skal give mening. Dens
eget eksempel: kapaciteten af flere køer hører sammen i én metrik,
mens en køs kapacitet og dens aktuelle længde ikke gør.

Det umålte læses som nul. En indsamler, der er holdt op med at læse
sit input, efterlader et nul eller en manglende række, der ligner et
stille system på en prik. OpenTelemetrys datamodel har et flag for
et datapunkt uden registreret værdi, dens modstykke til Prometheus'
staleness-markør, fordi manglende data og værdien nul er to
forskellige fakta. Rapportér dem forskelligt, og giv "ikke bedømt"
sit eget udfald, som indsamlerne ovenfor gør.

Vinduet skjuler toppen. En måler er en stikprøve i et øjeblik, og
OpenTelemetrys datamodel rapporterer kun den sidste værdi i hvert
interval, så et udbrud mellem to stikprøver efterlader intet spor.
Et dagligt gennemsnit udglatter et minut ved loftet på samme måde.
Vælg vinduet ud fra den fejl, der skal ses, og hold en hurtig
kontrol ved siden af en langsom, når begge betyder noget.

Overløb tæller for lavt i en filtreret forespørgsel. OpenTelemetrys
SDK holder som standard styr på højst 2000 forskellige kombinationer
af attributter pr. metrikstrøm og folder alle yderligere ind i ét
datapunkt markeret `otel.metric.overflow=true`. Totalen forbliver
korrekt, men overløbet erstatter hele kombinationen, ikke kun dens
støjende del. I dokumentationens eget eksempel bærer en tæller af
forespørgsler `url.path` og `success`; når den løber over, tæller en
forespørgsel på `success=false` for lavt, og en alarm for fejlraten
bygget på den kan holde op med at gå af. Hold attributterne til små,
kendte mængder, og hold øje med overløbsmarkøren.

Læs mere

  * OpenTelemetry: Metrics — instrumenttyper, aggregering og grænsen
for kardinalitet.

  * OpenTelemetry: Metrics data model — målere, summer,
histogrammer, temporalitet og flaget for manglende værdi.

  * Prometheus: Metric types — counter, gauge, histogram og summary.

  * Prometheus: Metric and label naming — grundenheder,
enhedssuffikser og `_total`.

  * Prometheus: Histograms and summaries — hvor kvantiler beregnes,
og hvilke der kan kombineres.

  * Prometheus: Exposition formats — tekstformatet linje for linje.

hDenne side på nettet	URL:https://engineer.company/da/glossary/metrics/	engineer.company	70
