Förklaring av mätvärdestyper
Förstå de grundläggande mätvärdestyperna: gauges, räknare, histogram och sammanfattningar. Lär dig när och hur varje typ används för effektiv övervakning.
Förklaring av mätvärdestyper är en gratis lektion i Systemobservabilitet: loggning, mätvärden och tracing (ELK + OpenTelemetry) på CoddyKit. Detta är lektion 1 av 4. Du kan läsa vilka 3 lektioner som helst i den här lärvägen kostnadsfritt i sin helhet – därefter låser CoddyKit PRO upp alla lektioner, plus praktisk övning med en inbyggd kodredigerare och en AI-lärare dygnet runt. Den ingår i lärvägen för Systemobservabilitet: loggning, mätvärden och tracing (ELK + OpenTelemetry), och Era framsteg synkroniseras mellan webben och CoddyKit-appen. Kursen i Systemobservabilitet: loggning, mätvärden och tracing (ELK + OpenTelemetry) innehåller totalt 4 lektioner.
Vilka typer av mätvärden finns det?
Välkommen till ”Typer av mätvärden förklarade”! Inom observerbarhet är mätvärden avgörande för att förstå systemets hälsa och prestanda.
Men alla tal är inte likadana! Genom att kategorisera mätvärden kan vi samla in, lagra och analysera dem effektivt.
Vi går igenom de fyra grundläggande typerna: mätvärden, räknare, histogram och sammanfattningar.
Mätvärden: en ögonblicksbild
Ett mätvärde representerar ett numeriskt värde som kan öka och minska över tid. Tänk på det som en hastighetsmätare i en bil eller en termometer.
Mätvärden passar perfekt för att fånga ett systems aktuella tillstånd vid ett visst ögonblick.
- Används för: Aktuell CPU-användning, minnesförbrukning, köstorlek och temperatur.
- Karaktär: Värde vid en viss tidpunkt.
Kodexempel med mätvärde
Här är ett enkelt Java-exempel som simulerar ett mätvärde för aktuell CPU-användning. Lägg märke till hur värdet kan ändras fritt.
public class Main {
public static void main(String[] args) {
double cpuUsage = 0.5; // 50% CPU
System.out.println("Current CPU Usage: " + cpuUsage);
// Later, CPU usage might change
cpuUsage = 0.8; // 80% CPU
System.out.println("Updated CPU Usage: " + cpuUsage);
cpuUsage = 0.3; // 30% CPU
System.out.println("Further Updated CPU Usage: " + cpuUsage);
}
}Räknare: ökar alltid
En räknare är ett kumulativt mätvärde som bara ökar. Den representerar det totala antalet gånger något har inträffat sedan systemet startade.
Den kan bara återställas till noll när det övervakade systemet startas om.
- Används för: Totalt antal hanterade begäranden, upptäckta fel, skickade byte och inloggningsförsök.
- Karaktär: Monotont ökande totalvärde.
Kodexempel med räknare
Det här Java-exemplet visar en räknare för det totala antalet begäranden. Varje ”request” ökar helt enkelt räknaren.
public class Main {
private static long totalRequests = 0;
public static void handleRequest() {
totalRequests++;
System.out.println("Requests handled: " + totalRequests);
}
public static void main(String[] args) {
System.out.println("Initial requests: " + totalRequests);
handleRequest(); // First request
handleRequest(); // Second request
// ... more requests later
handleRequest(); // Third request
}
}Histogram: värdefördelningar
Histogram samplar observationer (som begärandetider eller svarsstorlekar) och räknar dem i konfigurerbara intervall.
De ger insikt i värdenas fördelning, inte bara i medelvärdet. Detta är viktigt för att förstå fördröjning och prestanda.
- Fördel: Du kan beräkna percentiler (t.ex. 99:e percentilens fördröjning) på serversidan.
- Används för: Begärandefördröjning, svarsstorlekar och dataöverföringshastigheter.
Sammanfattningar: förberäknade percentiler
Sammanfattningar liknar histogram men beräknar ofta konfigurerbara kvantiler (som p99, p95 och p50) i förväg på klientsidan.
I stället för att skicka rådata skickar klientbiblioteket förberäknad statistik (summa, antal och kvantiler) till övervakningssystemet.
- Fördel: Mindre data skickas över nätverket, men möjligheten att senare beräkna anpassade percentiler blir mindre flexibel.
- Används för: Fördröjningsmätningar där man vet att vissa percentiler behövs.
Histogram jämfört med sammanfattningar
Både histogram och sammanfattningar följer fördelningar, men de skiljer sig åt när beräkningarna utförs:
- Histogram: Skickar rådata (antal i intervall). Percentiler beräknas på servern. Mer flexibla för tillfällig analys.
- Sammanfattningar: Beräknar percentiler på klienten och skickar förberäknade resultat. Mer resurssnåla om du vet exakt vilka percentiler du behöver.
I de flesta moderna system föredras histogram vanligtvis på grund av deras flexibilitet.
Välj rätt typ av mätvärde
Att välja rätt typ av mätvärde är avgörande för effektiv övervakning:
- Mätare: För aktuella värden som kan öka eller minska (till exempel diskutnyttjande och aktiva användare).
- Räknare: För kumulativa totaler som bara ökar (till exempel totalt antal fel och bearbetade objekt).
- Histogram: För fördelningar av värden när ni behöver percentilberäkning på serversidan och flexibilitet (till exempel svarstider).
- Sammanfattningar: För fördelningar där förberäknade percentiler på klientsidan räcker och nätverkseffektivitet är avgörande (mindre vanligt än histogram numera).
Utmaning: typer av mätvärden
Er applikation bearbetar användarbeställningar. Ni vill spåra det totala antalet beställningar som har lagts sedan applikationen startade samt det aktuella antalet objekt i bearbetningskön.
Viktiga slutsatser om mätvärden
Bra jobbat! Ni har nu lärt er om de fyra grundläggande typerna av mätvärden:
- Mätare: För aktuella värden som varierar.
- Räknare: För kumulativa totaler som ständigt ökar.
- Histogram: För att förstå värdefördelningen och beräkna percentiler på serversidan.
- Sammanfattningar: För förberäknade percentiler på klientsidan.
Genom att förstå dessa typer kan ni välja rätt verktyg för rätt uppgift, vilket leder till mer insiktsfull övervakning och snabbare felsökning!
Lär dig Systemobservabilitet: loggning, mätvärden och tracing (ELK + OpenTelemetry) med en AI-lärare – gratis
Skriv och kör riktig kod i webbläsaren, få omedelbar hjälp av en AI-lärare dygnet runt och fortsätt där du slutade – på webben eller i appen.
- Kurser
- 12
- Lektioner
- 48
Vanliga frågor
Är lektionen ”Förklaring av mätvärdestyper” gratis?
Ja – du kan läsa vilka 3 lektioner som helst i lärvägen Systemobservabilitet: loggning, mätvärden och tracing (ELK + OpenTelemetry), inklusive ”Förklaring av mätvärdestyper”, kostnadsfritt i sin helhet här på webben. Därefter låser CoddyKit PRO upp alla lektioner, plus interaktiv övning med en inbyggd kodredigerare och en AI-lärare dygnet runt. Kursen i Systemobservabilitet: loggning, mätvärden och tracing (ELK + OpenTelemetry) innehåller totalt 4 lektioner.
Vad lär jag mig i ”Förklaring av mätvärdestyper”?
Förstå de grundläggande mätvärdestyperna: gauges, räknare, histogram och sammanfattningar. Lär dig när och hur varje typ används för effektiv övervakning. Ni övar på Systemobservabilitet: loggning, mätvärden och tracing (ELK + OpenTelemetry) med praktisk kod som körs direkt i webbläsaren, medan en AI-handledare som är tillgänglig dygnet runt svarar på Era frågor under lektionen.
Behöver jag någon erfarenhet för att börja lära mig Systemobservabilitet: loggning, mätvärden och tracing (ELK + OpenTelemetry)?
Du behöver inga förkunskaper. Utbildningen i Systemobservabilitet: loggning, mätvärden och tracing (ELK + OpenTelemetry) på CoddyKit är upplagd för allt från nybörjare till avancerade elever, så att du kan börja här eller från början och gå fram i din egen takt. Detta är lektion 1 av 4.
Hur lång tid tar lektionen ”Förklaring av mätvärdestyper”?
De flesta CoddyKit-lektioner tar cirka 5–10 minuter. Varje lektion är kort och interaktiv, så att du gör stadiga framsteg och kan fortsätta precis där du slutade – på webben eller i appen.
Kan jag skriva och köra kod i den här Systemobservabilitet: loggning, mätvärden och tracing (ELK + OpenTelemetry)-lektionen?
Ja. Varje Systemobservabilitet: loggning, mätvärden och tracing (ELK + OpenTelemetry)-lektion innehåller en inbyggd kodredigerare, så att du kan skriva och köra riktig kod direkt i webbläsaren och få omedelbar AI-feedback – utan lokal installation.
Alla lektioner i den här kursen
- Förklaring av mätvärdestyper
- Strategier för mätvärdesinsamling
- Visualisering och larm för mätvärden
- Mätetalens kardinalitet och bästa praxis för etiketter