OpenTSDB的metric查询分析

2023-12-23 19:58
文章标签 分析 查询 opentsdb metric

本文主要是介绍OpenTSDB的metric查询分析,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

OpenTSDB查询端口/api/query的参数分析

  • /api/query的查询参数
  • OpenTSDB的子查询subQuery参数
  • 按metric查询的格式
  • 依据参数m的值进行分析
  • 分析OpenTSDB源码如何处理查询请求

/api/query的查询参数

OpenTSDB的查询参数列表

OpenTSDB的子查询subQuery参数

子查询参数列表

如上图所示,OpenTSDB的查询方式有两种,一种是按metric查询,子查询参数以m开头,一种是按TSUID查询,子查询参数以tsuid开头。这里本文仅讨论按metric查询的方式 。

按metric查询的格式

之前说这是BNF,其实不是BNF。只是一个简单的参数m以及后面带的值。

m=<aggregator>:
[rate[{counter[,<counter_max>[,<reset_value>]]]}:]
[<down_sampler>:]
[percentiles\[<p1>, <pn>\]:]
[explicit_tags:]
<metric_name>
[{<tag_name1>=<grouping filter>[,...<tag_nameN>=<grouping_filter>]}]
[{<tag_name1>=<non grouping filter>[,...<tag_nameN>=<non_grouping_filter>]}]

看过该BNF之后,再回头看上图的子查询参数。我们知道,除了aggregator和metric是必须项之外(因为都是用的尖括号,在BNF中表示必选),其余的都是可选的。可知BNF与参数定义完全符合。

此处给一个按metric查询的不完整的例子如下:
http://localhost:4242/api/query?start=1h-ago&m=sum:rate:proc.stat.cpu{host=foo,type=idle}
该例没有包含metric的完整情况,但是也是合法的,因为它遵从上述BNF的规定。

依据参数m的值进行分析

  1. aggregator是必选项。其取值是字符串类型,取值如下:
    OepnTSDB聚合器列表
  2. rate是可选项。其取值是布尔类型,取值为truefalse
  3. rateOptions是可选项。其取值是Map类型,取值如下。
    rateOptions的取值列表
    可知其取值为{counter[,<counter_max>[,<reset_value>[,<dropResets>]]]]}。此处跟上述BNF对比,可知上述官网给的BNF漏了一项dropResets
  4. downsample是可选项。其取值是字符串类型。取值如下。
    降采样BNF及示例
  5. percentiles是可选项。其数值是列表类型。取值例如percentiles[99.9,75.0]。说明如下。
    Percentiles说明
  6. explicitTags 是可选项。其取值是布尔类型。取值为truefalse
  7. metric是必选项。其取值是字符串类型。取值根据具体的metric名而定。
  8. filters是可选项。其取值是列表类型。取值例如{host=wildcard(web*)}{colo=regexp(sjc.*)}。其说明如下。
    filters说明
    其中type的取值是 /api/config/filters返回的那些过滤器类型。比如iliteral_orwildcardliteral_oriwildcardregexp等。
  9. tags是可选项。其取值是Map类型。取值例如{host=foo,type=idle}

分析OpenTSDB源码如何处理查询请求

详情请见:https://blog.csdn.net/sinat_32336967/article/details/91046540

这篇关于OpenTSDB的metric查询分析的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/529266

相关文章

python panda库从基础到高级操作分析

《pythonpanda库从基础到高级操作分析》本文介绍了Pandas库的核心功能,包括处理结构化数据的Series和DataFrame数据结构,数据读取、清洗、分组聚合、合并、时间序列分析及大数据... 目录1. Pandas 概述2. 基本操作:数据读取与查看3. 索引操作:精准定位数据4. Group

MySQL中EXISTS与IN用法使用与对比分析

《MySQL中EXISTS与IN用法使用与对比分析》在MySQL中,EXISTS和IN都用于子查询中根据另一个查询的结果来过滤主查询的记录,本文将基于工作原理、效率和应用场景进行全面对比... 目录一、基本用法详解1. IN 运算符2. EXISTS 运算符二、EXISTS 与 IN 的选择策略三、性能对比

MySQL 内存使用率常用分析语句

《MySQL内存使用率常用分析语句》用户整理了MySQL内存占用过高的分析方法,涵盖操作系统层确认及数据库层bufferpool、内存模块差值、线程状态、performance_schema性能数据... 目录一、 OS层二、 DB层1. 全局情况2. 内存占js用详情最近连续遇到mysql内存占用过高导致

解密SQL查询语句执行的过程

《解密SQL查询语句执行的过程》文章讲解了SQL语句的执行流程,涵盖解析、优化、执行三个核心阶段,并介绍执行计划查看方法EXPLAIN,同时提出性能优化技巧如合理使用索引、避免SELECT*、JOIN... 目录1. SQL语句的基本结构2. SQL语句的执行过程3. SQL语句的执行计划4. 常见的性能优

深度解析Nginx日志分析与499状态码问题解决

《深度解析Nginx日志分析与499状态码问题解决》在Web服务器运维和性能优化过程中,Nginx日志是排查问题的重要依据,本文将围绕Nginx日志分析、499状态码的成因、排查方法及解决方案展开讨论... 目录前言1. Nginx日志基础1.1 Nginx日志存放位置1.2 Nginx日志格式2. 499

Linux系统中查询JDK安装目录的几种常用方法

《Linux系统中查询JDK安装目录的几种常用方法》:本文主要介绍Linux系统中查询JDK安装目录的几种常用方法,方法分别是通过update-alternatives、Java命令、环境变量及目... 目录方法 1:通过update-alternatives查询(推荐)方法 2:检查所有已安装的 JDK方

Olingo分析和实践之EDM 辅助序列化器详解(最佳实践)

《Olingo分析和实践之EDM辅助序列化器详解(最佳实践)》EDM辅助序列化器是ApacheOlingoOData框架中无需完整EDM模型的智能序列化工具,通过运行时类型推断实现灵活数据转换,适用... 目录概念与定义什么是 EDM 辅助序列化器?核心概念设计目标核心特点1. EDM 信息可选2. 智能类

Olingo分析和实践之OData框架核心组件初始化(关键步骤)

《Olingo分析和实践之OData框架核心组件初始化(关键步骤)》ODataSpringBootService通过初始化OData实例和服务元数据,构建框架核心能力与数据模型结构,实现序列化、URI... 目录概述第一步:OData实例创建1.1 OData.newInstance() 详细分析1.1.1

Olingo分析和实践之ODataImpl详细分析(重要方法详解)

《Olingo分析和实践之ODataImpl详细分析(重要方法详解)》ODataImpl.java是ApacheOlingoOData框架的核心工厂类,负责创建序列化器、反序列化器和处理器等组件,... 目录概述主要职责类结构与继承关系核心功能分析1. 序列化器管理2. 反序列化器管理3. 处理器管理重要方

SpringBoot中六种批量更新Mysql的方式效率对比分析

《SpringBoot中六种批量更新Mysql的方式效率对比分析》文章比较了MySQL大数据量批量更新的多种方法,指出REPLACEINTO和ONDUPLICATEKEY效率最高但存在数据风险,MyB... 目录效率比较测试结构数据库初始化测试数据批量修改方案第一种 for第二种 case when第三种