DropWizard度量标准与定时器
我正在学习DropWizard Metrics库 （以前称为Coda Hale度量标准），对于何时应该使用Meters和Timers ，我感到困惑。 根据文件：
仪表：仪表测量一组事件发生的速率
和：
定时器：定时器基本上是一种事件types的持续时间的直方图，以及它发生率的一个米
基于这些定义，我无法辨别这些之间的区别。 我感到困惑的是， Timer并没有像我期望的那样被使用。 对我来说， Timer就是这样：一个计时器; 它应该测量start()和stop()之间的时间差。 但是， Timers似乎也捕捉到事件发生的速度，这感觉就像是在Meters'脚趾。
如果我能看到每个组件输出的例子，可以帮助我理解何时/在哪里使用这些。
你很困惑，部分原因是因为DW度量标准定时器是其中一个DW度量标准。
仪表专门关心费率，以Hz（每秒事件）为单位。 每米的结果有4（？）个不同的指标被公布：
- 自Metrics启动以来的平均（平均）速率
- 1,5和15分钟的滚动平均速率
您可以通过在代码中的不同位置logging一个值来使用计量表 – DW度量标准会自动记下每个呼叫的挂墙时间以及您给出的值，并使用这些值计算该值增加的速率：
Meter getRequests = registry.meter("some-operation.operations") getRequests.mark() //resets the value, eg sets it to 0 int numberOfOps = doSomeNumberOfOperations() //takes 10 seconds, returns 333 getRequests.mark(numberOfOps) //sets the value to number of ops.
我们预计我们的速率为33.3 Hz，333次操作发生，两次调用mark（）之间的时间为10秒。
一个计时器计算以上4个指标（考虑每个Timer.Context是一个事件），并添加了一些额外的指标：
- 事件的数目
- 分钟，自Metrics启动以来的平均和最大持续时间
- 标准偏差
- logging分布在第50,97,99,99和99.95百分位的持续时间的“直方图”
每个计时器报告总共有15个指标。
简而言之 ：计时器报告了大量的度量标准，而且他们可能会很难理解，但是一旦你做了这些，他们就成为了一个非常有效的方法来发现spikey的行为。
事实是，只是收集两点之间的时间并不是一个非常有用的指标。 考虑一下：你有这样一段代码：
Timer timer = registry.timer("costly-operation.service-time") Timer.Context context = timer.time() costlyOperation() //service time 10 ms context.stop()
让我们假设costlyOperation（）具有恒定的成本，恒定的负载，并在一个线程上运行。 在1分钟的报告期内，我们应该预计这个操作会有6000次。 显然，我们不会通过6000x线报告实际的服务时间 – 相反，我们需要一些方法来总结所有这些操作，以适应我们所需的报告窗口。 DW度量标准的定时器为我们自动，每分钟一次（我们的报告期）。 5分钟后，我们的度量registry将报告：
- 100（每秒事件）
- 1分钟的平均速率为100
- 5分钟的平均速率为100
- 计数3万（看到的总事件）
- 最大10（ms）
- 10分钟
- 平均10
- 第50百分位值（p50）为10
- 第99.9百分位（p999）值为10
现在，让我们考虑一下，我们进入一个偶尔的时期，我们的操作完全脱离轨道，并阻塞一段时间：
Timer timer = registry.timer("costly-operation.service-time") Timer.Context context = timer.time() costlyOperation() //takes 10 ms usually, but once every 1000 times spikes to 1000 ms context.stop()
在1分钟的收集期内，我们现在将看到less于6000次执行，因为每1000次执行需要更长的时间。 工作到约5505.在第一分钟（总共系统时间6分钟）之后，我们现在看到：
- 平均速率为98（每秒事件）
- 1分钟的平均速率为91.75
- 5分钟的平均速率为98.35
- 计数35505（看到的总事件）
- 最大持续时间1000（ms）
- 10分钟的持续时间
- 平均持续时间10.13
- 第50百分位值（p50）为10
- 1000的第99.9百分位（p999）值
如果你制作了这个图表，你会发现大多数请求（p50，p75，p99等）在10ms内完成，但1000（p99）中的一个请求在1s内完成。 平均比率略有下降（约2％），1分钟平均值下降（接近9％）。
如果你只看一段时间的意思（无论是速率还是持续时间），你将永远不会发现这些峰值 – 当它们被大量的成功操作取平均值时，它们会被拖入背景噪声中。 同样，只知道最大值是没有帮助的，因为它不会告诉你最大值发生的频率。 这就是为什么直方图是跟踪性能的强大工具，为什么DW度量标准的定时器同时发布速率和直方图。
