在 IoTDB 的运行过程中，我们希望对 IoTDB 的状态进行观测，以便于排查系统问题或者及时发现系统潜在的风险，能够反映系统运行状态的一系列指标就是系统监控指标。
1. 什么场景下会使用到监控?
那么什么时候会用到监控框架呢？下面列举一些常见的场景。
系统变慢了
系统变慢几乎是最常见也最头疼的问题，这时候我们需要尽可能多的信息来帮助我们找到系统变慢的原因，比如：
- JVM信息：是不是有FGC？GC耗时多少？GC后内存有没有恢复？是不是有大量的线程？
- 系统信息：CPU使用率是不是太高了？磁盘IO是不是很频繁？
- 连接数：当前连接是不是太多？
- 接口：当前TPS是多少？各个接口耗时有没有变化？
- 线程池：系统中各种任务是否有积压？
- 缓存命中率
磁盘快满了
这时候我们迫切想知道最近一段时间数据文件的增长情况，看看是不是某种文件有突增。
系统运行是否正常
此时我们可能需要通过错误日志的数量、集群节点的状态等指标来判断系统是否在正常运行。
2. 什么人需要使用监控?
所有关注系统状态的人员都可以使用，包括但不限于研发、测试、运维、DBA等等
3. 什么是监控指标？
3.1. 监控指标名词解释
在 IoTDB 的监控模块，每个监控指标被 Metric Name 和 Tags 唯一标识。
Metric Name：指标类型名称，比如logback_events表示日志事件。Tags：指标分类，形式为Key-Value对，每个指标下面可以有0到多个分类，常见的Key-Value对：name = xxx：被监控对象的名称，是对业务逻辑的说明。比如对于Metric Name = entry_seconds_count类型的监控项，name的含义是指被监控的业务接口。type = xxx：监控指标类型细分，是对监控指标本身的说明。比如对于Metric Name = point类型的监控项，type的含义是指监控具体是什么类型的点数。status = xxx：被监控对象的状态，是对业务逻辑的说明。比如对于Metric Name = Task类型的监控项可以通过该参数，从而区分被监控对象的状态。user = xxx：被监控对象的相关用户，是对业务逻辑的说明。比如统计root用户的写入总点数。- 根据具体情况自定义：比如logback_events_total下有一个level的分类，用来表示特定级别下的日志数量。
Metric Level：指标管理级别，默认启动级别为Core级别，建议启动级别为Important级别，审核严格程度Core > Important > Normal > AllCore：系统的核心指标，供系统内核和运维人员使用，关乎系统的性能、稳定性、安全性，比如实例的状况，系统的负载等。Important：模块的重要指标，供运维和测试人员使用，直接关乎每个模块的运行状态，比如合并文件个数、执行情况等。Normal：模块的一般指标，供开发人员使用，方便在出现问题时定位模块，比如合并中的特定关键操作情况。All：模块的全部指标，供模块开发人员使用，往往在复现问题的时候使用，从而快速解决问题。
3.2. 监控指标对外获取数据格式
- IoTDB 对外提供 JMX、 Prometheus 和 IoTDB 格式的监控指标：
- 对于 JMX ，可以通过
org.apache.iotdb.metrics获取系统监控指标指标。 - 对于 Prometheus ，可以通过对外暴露的端口获取监控指标的值
- 对于 IoTDB 方式对外暴露：可以通过执行 IoTDB 的查询来获取监控指标
- 对于 JMX ，可以通过
4. 监控指标有哪些？
目前，IoTDB 对外提供一些主要模块的监控指标，并且随着新功能的开发以及系统优化或者重构，监控指标也会同步添加和更新。如果想自己在 IoTDB 中添加更多系统监控指标埋点，可以参考IoTDB Metrics Framework使用说明。
4.1. Core 级别监控指标
Core 级别的监控指标在系统运行中默认开启，每一个 Core 级别的监控指标的添加都需要经过谨慎的评估，目前 Core 级别的监控指标如下所述：
4.1.1. 集群运行状态
| Metric | Tags | Type | Description |
|---|---|---|---|
| config_node | name=“total”,status=“Registered/Online/Unknown” | AutoGauge | 已注册/在线/离线 confignode 的节点数量 |
| data_node | name=“total”,status=“Registered/Online/Unknown” | AutoGauge | 已注册/在线/离线 datanode 的节点数量 |
4.1.2. IoTDB 进程运行状态
| Metric | Tags | Type | Description |
|---|---|---|---|
| process_cpu_load | name=“process” | AutoGauge | IoTDB 进程的 CPU 占用率，单位为% |
| process_cpu_time | name=“process” | AutoGauge | IoTDB 进程占用的 CPU 时间，单位为ns |
| process_max_mem | name=“memory” | AutoGauge | IoTDB 进程最大可用内存 |
| process_total_mem | name=“memory” | AutoGauge | IoTDB 进程当前已申请内存 |
| process_free_mem | name=“memory” | AutoGauge | IoTDB 进程当前剩余可用内存 |
4.1.3. 系统运行状态
| Metric | Tags | Type | Description |
|---|---|---|---|
| sys_cpu_load | name=“system” | AutoGauge | 系统的 CPU 占用率，单位为% |
| sys_cpu_cores | name=“system” | Gauge | 系统的可用处理器数 |
| sys_total_physical_memory_size | name=“memory” | Gauge | 系统的最大物理内存 |
| sys_free_physical_memory_size | name=“memory” | AutoGauge | 系统的剩余可用内存 |
| sys_total_swap_space_size | name=“memory” | AutoGauge | 系统的交换区最大空间 |
| sys_free_swap_space_size | name=“memory” | AutoGauge | 系统的交换区剩余可用空间 |
| sys_committed_vm_size | name=“memory” | AutoGauge | 系统保证可用于正在运行的进程的虚拟内存量 |
| sys_disk_total_space | name=“disk” | AutoGauge | 系统磁盘总大小 |
| sys_disk_free_space | name=“disk” | AutoGauge | 系统磁盘可用大小 |
4.2. Important 级别监控指标
目前 Important 级别的监控指标如下所述：
4.2.1. 集群运行状态
| Metric | Tags | Type | Description |
|---|---|---|---|
| cluster_node_leader_count | name=“{{ip}}:{{port}}” | Gauge | 节点上共识组Leader的数量 |
| cluster_node_status | name=“{{ip}}:{{port}}”,type=“ConfigNode/DataNode” | Gauge | 节点的状态，0=Unkonwn 1=online |
4.2.2. 节点统计
| Metric | Tags | Type | Description |
|---|---|---|---|
| quantity | name=“database” | AutoGauge | 系统数据库数量 |
| quantity | name=“timeSeries” | AutoGauge | 系统时间序列数量 |
| quantity | name=“pointsIn” | Counter | 系统累计写入点数 |
| region | name=“total”,type=“SchemaRegion” | AutoGauge | 分区表中 SchemaRegion 总数量 |
| region | name=“total”,type=“DataRegion” | AutoGauge | 分区表中 DataRegion 总数量 |
| region | name=“{{ip}}:{{port}}”,type=“SchemaRegion” | Gauge | 分区表中对应节点上 DataRegion 总数量 |
| region | name=“{{ip}}:{{port}}”,type=“DataRegion” | Gauge | 分区表中对应节点上 DataRegion 总数量 |
4.2.3. IoT共识协议统计
| Metric | Tags | Type | Description |
|---|---|---|---|
| iot_consensus | name=“logDispatcher-{{IP}}:{{Port}}”, region=“{{region}}”, type=“currentSyncIndex” | AutoGauge | 副本组同步线程的当前同步进度 |
| iot_consensus | name=“logDispatcher-{{IP}}:{{Port}}”, region=“{{region}}”, type=“cachedRequestInMemoryQueue” | AutoGauge | 副本组同步线程缓存队列请求总大小 |
| iot_consensus | name=“IoTConsensusServerImpl”, region=“{{region}}”, type=“searchIndex” | AutoGauge | 副本组主流程写入进度 |
| iot_consensus | name=“IoTConsensusServerImpl”, region=“{{region}}”, type=“safeIndex” | AutoGauge | 副本组同步进度 |
| stage | name=“iot_consensus”, region=“{{region}}”, type=“getStateMachineLock” | Histogram | 主流程获取状态机锁耗时 |
| stage | name=“iot_consensus”, region=“{{region}}”, type=“checkingBeforeWrite” | Histogram | 主流程写入状态机检查耗时 |
| stage | name=“iot_consensus”, region=“{{region}}”, type=“writeStateMachine” | Histogram | 主流程写入状态机耗时 |
| stage | name=“iot_consensus”, region=“{{region}}”, type=“offerRequestToQueue” | Histogram | 主流程尝试添加队列耗时 |
| stage | name=“iot_consensus”, region=“{{region}}”, type=“consensusWrite” | Histogram | 主流程全写入耗时 |
| stage | name=“iot_consensus”, region=“{{region}}”, type=“constructBatch” | Histogram | 同步线程构造 Batch 耗时 |
| stage | name=“iot_consensus”, region=“{{region}}”, type=“syncLogTimePerRequest” | Histogram | 异步回调流程同步日志耗时 |
4.2.4. 缓存统计
| Metric | Tags | Type | Description |
|---|---|---|---|
| cache_hit | name=“chunk” | AutoGauge | ChunkCache的命中率，单位为% |
| cache_hit | name=“schema” | AutoGauge | SchemaCache的命中率，单位为% |
| cache_hit | name=“timeSeriesMeta” | AutoGauge | TimeseriesMetadataCache的命中率，单位为% |
| cache_hit | name=“bloomFilter” | AutoGauge | TimeseriesMetadataCache中的bloomFilter的拦截率，单位为% |
| cache | name=“Database”, type=“hit” | Counter | Database Cache 的命中次数 |
| cache | name=“Database”, type=“all” | Counter | Database Cache 的访问次数 |
| cache | name=“SchemaPartition”, type=“hit” | Counter | SchemaPartition Cache 的命中次数 |
| cache | name=“SchemaPartition”, type=“all” | Counter | SchemaPartition Cache 的访问次数 |
| cache | name=“DataPartition”, type=“hit” | Counter | DataPartition Cache 的命中次数 |
| cache | name=“DataPartition”, type=“all” | Counter | DataPartition Cache 的访问次数 |
4.2.5. 接口层统计
| Metric | Tags | Type | Description |
|---|---|---|---|
| operation | name = “{{name}}” | Histogram | 客户端执行的操作的耗时情况 |
| entry | name=“{{interface}}” | Timer | Client 建立的 Thrift 的耗时情况 |
| thrift_connections | name=“ConfigNodeRPC” | AutoGauge | ConfigNode 的内部 Thrift 连接数 |
| thrift_connections | name=“Internal” | AutoGauge | DataNode 的内部 Thrift 连接数 |
| thrift_connections | name=“MPPDataExchange” | AutoGauge | MPP 框架的内部 Thrift 连接数 |
| thrift_connections | name=“RPC” | AutoGauge | Client 建立的 Thrift 连接数 |
| thrift_active_threads | name=“ConfigNodeRPC-Service” | AutoGauge | ConfigNode 的内部活跃 Thrift 连接数 |
| thrift_active_threads | name=“DataNodeInternalRPC-Service” | AutoGauge | DataNode 的内部活跃 Thrift 连接数 |
| thrift_active_threads | name=“MPPDataExchangeRPC-Service” | AutoGauge | MPP 框架的内部活跃 Thrift 连接数 |
| thrift_active_threads | name=“ClientRPC-Service” | AutoGauge | Client 建立的活跃 Thrift 连接数 |
4.2.6. 内存统计
| Metric | Tags | Type | Description |
|---|---|---|---|
| mem | name=“database_{{name}}” | AutoGauge | DataNode内对应DataRegion的内存占用，单位为byte |
| mem | name=“chunkMetaData_{{name}}” | AutoGauge | 写入TsFile时的ChunkMetaData的内存占用，单位为byte |
| mem | name=“IoTConsensus” | AutoGauge | IoT共识协议的内存占用，单位为byte |
4.2.7. 任务统计
| Metric | Tags | Type | Description |
|---|---|---|---|
| queue | name=“compaction_inner”, status=“running/waiting” | Gauge | 空间内合并任务数 |
| queue | name=“compaction_cross”, status=“running/waiting” | Gauge | 跨空间合并任务数 |
| cost_task | name=“inner_compaction/cross_compaction/flush” | Gauge | 任务耗时情况 |
| queue | name=“flush”,status=“running/waiting” | AutoGauge | 刷盘任务数 |
| queue | name=“Sub_RawQuery”,status=“running/waiting” | AutoGauge | Sub_RawQuery任务数 |
4.2.8. 合并统计
| Metric | Tags | Type | Description |
|---|---|---|---|
| data_written | name=“compaction”, type=“aligned/not-aligned/total” | Counter | 合并时写入量 |
| data_read | name=“compaction” | Counter | 合并时的读取量 |
| compaction_task_count | name = “inner_compaction”, type=“sequence” | Counter | 顺序空间内合并次数 |
| compaction_task_count | name = “inner_compaction”, type=“unsequence” | Counter | 乱序空间内合并次数 |
| compaction_task_count | name = “cross_compaction”, type=“cross” | Counter | 跨空间合并次数 |
4.2.9. 文件统计信息
| Metric | Tags | Type | Description |
|---|---|---|---|
| file_size | name=“wal” | AutoGauge | 写前日志总大小，单位为byte |
| file_size | name=“seq” | AutoGauge | 顺序TsFile总大小，单位为byte |
| file_size | name=“unseq” | AutoGauge | 乱序TsFile总大小，单位为byte |
| file_count | name=“wal” | AutoGauge | 写前日志文件个数 |
| file_count | name=“seq” | AutoGauge | 顺序TsFile文件个数 |
| file_count | name=“unseq” | AutoGauge | 乱序TsFile文件个数 |
4.2.10. IoTDB 进程统计
| Metric | Tags | Type | Description |
|---|---|---|---|
| process_used_mem | name=“memory” | AutoGauge | IoTDB 进程当前使用内存 |
| process_mem_ratio | name=“memory” | AutoGauge | IoTDB 进程的内存占用比例 |
| process_threads_count | name=“process” | AutoGauge | IoTDB 进程当前线程数 |
| process_status | name=“process” | AutoGauge | IoTDB 进程存活状态，1为存活，0为终止 |
4.2.11. IoTDB 日志统计
| Metric | Tags | Type | Description |
|---|---|---|---|
| logback_events | level=“trace/debug/info/warn/error” | Counter | 不同类型的日志个数 |
4.2.12. JVM 线程统计
| Metric | Tags | Type | Description |
|---|---|---|---|
| jvm_threads_live_threads | AutoGauge | 当前线程数 | |
| jvm_threads_daemon_threads | AutoGauge | 当前 Daemon 线程数 | |
| jvm_threads_peak_threads | AutoGauge | 峰值线程数 | |
| jvm_threads_states_threads | state=“runnable/blocked/waiting/timed-waiting/new/terminated” | AutoGauge | 当前处于各种状态的线程数 |
4.2.13. JVM GC 统计
| Metric | Tags | Type | Description |
|---|---|---|---|
| jvm_gc_pause | action=“end of major GC/end of minor GC”,cause=“xxxx” | Timer | 不同原因的Young GC/Full GC的次数与耗时 |
| jvm_gc_concurrent_phase_time | action=“{{action}}”,cause=“{{cause}}” | Timer | 不同原因的Young GC/Full GC的次数与耗时 |
| jvm_gc_max_data_size_bytes | AutoGauge | 老年代内存的历史最大值 | |
| jvm_gc_live_data_size_bytes | AutoGauge | 老年代内存的使用值 | |
| jvm_gc_memory_promoted_bytes | Counter | 老年代内存正向增长累计值 | |
| jvm_gc_memory_allocated_bytes | Counter | GC分配内存正向增长累计值 |
4.2.14. JVM 内存统计
| Metric | Tags | Type | Description |
|---|---|---|---|
| jvm_buffer_memory_used_bytes | id=“direct/mapped” | AutoGauge | 已经使用的缓冲区大小 |
| jvm_buffer_total_capacity_bytes | id=“direct/mapped” | AutoGauge | 最大缓冲区大小 |
| jvm_buffer_count_buffers | id=“direct/mapped” | AutoGauge | 当前缓冲区数量 |
| jvm_memory_committed_bytes | {area=“heap/nonheap”,id=“xxx”,} | AutoGauge | 当前申请的内存大小 |
| jvm_memory_max_bytes | {area=“heap/nonheap”,id=“xxx”,} | AutoGauge | 最大内存 |
| jvm_memory_used_bytes | {area=“heap/nonheap”,id=“xxx”,} | AutoGauge | 已使用内存大小 |
4.2.15. JVM 类加载统计
| Metric | Tags | Type | Description |
|---|---|---|---|
| jvm_classes_unloaded_classes | AutoGauge | 累计卸载的class数量 | |
| jvm_classes_loaded_classes | AutoGauge | 累计加载的class数量 |
4.2.16. JVM 编译时间统计
| Metric | Tags | Type | Description |
|---|---|---|---|
| jvm_compilation_time_ms | {compiler=“HotSpot 64-Bit Tiered Compilers”,} | AutoGauge | 耗费在编译上的时间 |
4.3. All 级别监控指标
目前还没有All级别的监控指标，后续会持续添加。
5. 怎样获取这些系统监控？
- 监控模块的相关配置均在
conf/iotdb-{datanode/confignode}.properties中，所有配置项支持通过load configuration命令热加载。
5.1. 使用 JMX 方式
对于使用 JMX 对外暴露的指标，可以通过 Jconsole 来进行查看。在进入 Jconsole 监控页面后，首先会看到 IoTDB 的各类运行情况的概览。在这里，您可以看到堆内存信息、线程信息、类信息以及服务器的 CPU 使用情况。
5.1.1. 获取监控指标数据
连接到 JMX 后，您可以通过 “MBeans” 标签找到名为 “org.apache.iotdb.metrics” 的 “MBean”，可以在侧边栏中查看所有监控指标的具体值。
5.1.2. 获取其他相关数据
连接到 JMX 后，您可以通过 “MBeans” 标签找到名为 “org.apache.iotdb.service” 的 “MBean”，如下图所示，了解服务的基本状态
为了提高查询性能，IOTDB 对 ChunkMetaData 和 TsFileMetaData 进行了缓存。用户可以使用 MXBean ，展开侧边栏org.apache.iotdb.db.service查看缓存命中率：
5.2. 使用 Prometheus 方式
5.2.1. 监控指标的 Prometheus 映射关系
对于 Metric Name 为 name, Tags 为 K1=V1, ..., Kn=Vn 的监控指标有如下映射，其中 value 为具体值
| 监控指标类型 | 映射关系 |
|---|---|
| Counter | name_total{k1=“V1”, ..., Kn=“Vn”} value |
| AutoGauge、Gauge | name{k1=“V1”, ..., Kn=“Vn”} value |
| Histogram | name_max{k1=“V1”, ..., Kn=“Vn”} value name_sum{k1=“V1”, ..., Kn=“Vn”} value name_count{k1=“V1”, ..., Kn=“Vn”} value name{k1=“V1”, ..., Kn=“Vn”, quantile=“0.0”} value name{k1=“V1”, ..., Kn=“Vn”, quantile=“0.25”} value name{k1=“V1”, ..., Kn=“Vn”, quantile=“0.5”} value name{k1=“V1”, ..., Kn=“Vn”, quantile=“0.75”} value name{k1=“V1”, ..., Kn=“Vn”, quantile=“1.0”} value |
| Rate | name_total{k1=“V1”, ..., Kn=“Vn”} value name_total{k1=“V1”, ..., Kn=“Vn”, rate=“m1”} value name_total{k1=“V1”, ..., Kn=“Vn”, rate=“m5”} value name_total{k1=“V1”, ..., Kn=“Vn”, rate=“m15”} value name_total{k1=“V1”, ..., Kn=“Vn”, rate=“mean”} value |
| Timer | name_seconds_max{k1=“V1”, ..., Kn=“Vn”} value name_seconds_sum{k1=“V1”, ..., Kn=“Vn”} value name_seconds_count{k1=“V1”, ..., Kn=“Vn”} value name_seconds{k1=“V1”, ..., Kn=“Vn”, quantile=“0.0”} value name_seconds{k1=“V1”, ..., Kn=“Vn”, quantile=“0.25”} value name_seconds{k1=“V1”, ..., Kn=“Vn”, quantile=“0.5”} value name_seconds{k1=“V1”, ..., Kn=“Vn”, quantile=“0.75”} value name_seconds{k1=“V1”, ..., Kn=“Vn”, quantile=“1.0”} value |
5.2.2. 修改配置文件
- 以 DataNode 为例，修改 iotdb-datanode.properties 配置文件如下：
dn_metric_reporter_list=PROMETHEUS dn_metric_level=CORE dn_metric_prometheus_reporter_port=9091
启动 IoTDB DataNode
打开浏览器或者用
curl访问http://servier_ip:9091/metrics, 就能得到如下 metric 数据：
...
# HELP file_count
# TYPE file_count gauge
file_count{name="wal",} 0.0
file_count{name="unseq",} 0.0
file_count{name="seq",} 2.0
...
5.2.3. Prometheus + Grafana
如上所示，IoTDB 对外暴露出标准的 Prometheus 格式的监控指标数据，可以使用 Prometheus 采集并存储监控指标，使用 Grafana 可视化监控指标。
IoTDB、Prometheus、Grafana三者的关系如下图所示:
- IoTDB在运行过程中持续收集监控指标数据。
- Prometheus以固定的间隔（可配置）从IoTDB的HTTP接口拉取监控指标数据。
- Prometheus将拉取到的监控指标数据存储到自己的TSDB中。
- Grafana以固定的间隔（可配置）从Prometheus查询监控指标数据并绘图展示。
从交互流程可以看出，我们需要做一些额外的工作来部署和配置Prometheus和Grafana。
比如，你可以对Prometheus进行如下的配置（部分参数可以自行调整）来从IoTDB获取监控数据
job_name: pull-metrics honor_labels: true honor_timestamps: true scrape_interval: 15s scrape_timeout: 10s metrics_path: /metrics scheme: http follow_redirects: true static_configs: - targets: - localhost:9091
更多细节可以参考下面的文档：
Prometheus从HTTP接口拉取metrics数据的配置说明
5.2.4. Apache IoTDB Dashboard
我们提供了Apache IoTDB Dashboard，在Grafana中显示的效果图如下所示：
5.2.4.1. 如何获取 Apache IoTDB Dashboard？
- 您可以在 grafana-metrics-example 文件夹下获取到对应不同iotdb版本的Dashboard的json文件。
- 您可以访问Grafana Dashboard官网搜索
Apache IoTDB Dashboard并使用
在创建Grafana时，您可以选择Import刚刚下载的json文件，并为Apache IoTDB Dashboard选择对应目标数据源。
5.2.4.2. Apache IoTDB ConfigNode Dashboard 说明
除特殊说明的监控项以外，以下监控项均保证在Important级别的监控框架中可用。
Overview：系统概述Registered Node：注册的ConfigNode/DataNode个数DataNode：集群DataNode的存活状态，包括Online和Unknown两种。ConfigNode：集群ConfigNode的存活状态，包括Online和Unknown两种。The Status Of Node：集群具体节点运行状态，包括Online和Unkown两种。
Region：Region概述Region Number：Region个数，包括总个数，DataRegion 个数和 SchemaRegion 个数。Leadership distribution：集群 Leader 分布情况，指每个节点上对应 Region 的 Leader 的个数。Total Region in Node：不同 Node 的 Region 总数量。Region in Node：不同 Node 的 SchemaRegion/DataRegion 数量。Region in Database（Normal级别）：不同 Database 的 Region 数量，包括 SchemaRegion、DataRegion。Slot in Database(Normal级别)：不同 Database 的Slot数量，包括 DataSlot 数量和 SchemaSlot 数量。
System：系统CPU Core：系统 CPU 核数情况。CPU Load：系统 CPU 负载情况、进度 CPU 负载情况。CPU Time Per Minute：进程平均每分钟占用系统 CPU 时间，注意：多核会导致该值超过1分钟。System Memory：系统物理内存大小、系统使用物理内存大小、虚拟机提交的内存大小。System Swap Size：系统交换区总大小、系统交换区使用大小。Process Memory：IoTDB 进程最大内存总大小、IoTDB 进程总内存大小、IoTDB 进程使用内存大小。The Number of GC Per Minute：平均每分钟 GC 次数。The Time Consumed Of GC Per Minute：平均每分钟 GC 耗时。The Number Of Java Thread：IoTDB 进程的不同状态的线程数。Heap Memory：IoTDB 进程的堆内存Off Heap Memory：IoTDB 进程的堆外内存Log Number Per Minute：IoTDB 进程平均每分钟日志数The Time Consumed of Compliation Per Minute：平均每分钟编译耗时The Number Of Class：JVM 加载和卸载的类数量
5.2.4.3. Apache IoTDB DataNode Dashboard 说明
除特殊说明的监控项以外，以下监控项均保证在Important级别的监控框架中可用。
Overview：系统概述The Number Of Entity：实体数量，包含时间序列等Write Point Per Minute：每分钟系统平均写入点数Database Used Memory：每个 Database 使用的内存大小
Interface：接口The Time Consumed Of Operation(50%)：不同客户端操作耗时的中位数The Time Consumed Of Operation(75%)：不同客户端操作耗时的上四分位数The Time Consumed Of Operation(100%)：不同客户端操作耗时的最大值The QPS of Interface：系统接口每秒钟访问次数The Time Consumed Of Interface：系统接口的平均耗时Cache Hit Rate：缓存命中率Thrift Connection：建立的 Thrift 连接个数Thrift Active Thread：建立的活跃的 Thrift 连接的个数
Engine：引擎Task Number：系统中不同状态的任务个数The Time Consumed Of Tasking：系统中不同状态的任务的耗时Compaction Read And Write Per Minute：平均每分钟合并读取和写入数据量Compaction R/W Ratio Per Minute：平均每分钟合并读取和写入数据比Compaction Number Per Minute：平均每分钟不同类型的合并任务数量
IoTConsensus：IoT共识协议IoTConsensus Used Memory：IoT共识层使用的内存大小IoTConsensus Sync Index：不同的Region的写入Index和同步IndexIoTConsensus Overview：不同节点的同步总差距、总缓存的请求个数The time consumed of different stages(50%)：不同阶段耗时的中位数The time consumed of different stages(75%)：不同阶段耗时的上四分位数The time consumed of different stages(100%)：不同阶段耗时的最大值IoTConsensus Search Index Rate：不同region的写入Index的增长速度IoTConsensus Safe Index Rate：不同region的同步Index的增长速度IoTConsensus LogDispatcher Request Size：不同的LogDispatcherThread缓存的请求个数Sync Lag：每个region的同步index差距Min Peer Sync Lag：每个region的写入index和同步最快的LogDispatcherThread的同步index之间的差距Sync speed diff of Peers：每个region中同步最快的LogDispatcherThread与同步最慢的LogDispatcherThread之间的同步index差距
System：系统CPU Core：系统 CPU 核数情况。CPU Load：系统 CPU 负载情况、进度 CPU 负载情况。CPU Time Per Minute：进程平均每分钟占用系统 CPU 时间，注意：多核会导致该值超过1分钟。System Memory：系统物理内存大小、系统使用物理内存大小、虚拟机提交的内存大小。System Swap Size：系统交换区总大小、系统交换区使用大小。Process Memory：IoTDB 进程最大内存总大小、IoTDB 进程总内存大小、IoTDB 进程使用内存大小。The Size Of File：IoTDB系统相关的文件大小，包括wal下的文件总大小、seq下的tsfile文件总大小、unseq下的tsfile文件总大小The Number Of File：IoTDB系统相关的文件个数，包括wal下的文件个数、seq下的tsfile文件个数、unseq下的tsfile文件个数The Space Of Disk：当前data目录所挂载的磁盘总大小和剩余大小The Number of GC Per Minute：平均每分钟 GC 次数。The Time Consumed Of GC Per Minute：平均每分钟 GC 耗时。The Number Of Java Thread：IoTDB 进程的不同状态的线程数。Heap Memory：IoTDB 进程的堆内存Off Heap Memory：IoTDB 进程的堆外内存Log Number Per Minute：IoTDB 进程平均每分钟日志数The Time Consumed of Compliation Per Minute：平均每分钟编译耗时The Number Of Class：JVM 加载和卸载的类数量
5.3. 使用 IoTDB 方式
5.3.1. 监控指标的 IoTDB 映射关系
对于 Metric Name 为 name, Tags 为 K1=V1, ..., Kn=Vn 的监控指标有如下映射，以默认写到 root.__system.metric.
ip:port为例
| 监控指标类型 | 映射关系 |
|---|---|
| Counter | root.__system.metric.ip:port.name.K1=V1...Kn=Vn.value |
| AutoGauge、Gauge | root.__system.metric.ip:port.name.K1=V1...Kn=Vn.value |
| Histogram | root.__system.metric.ip:port.name.K1=V1...Kn=Vn.count root.__system.metric. ip:port.name.K1=V1...Kn=Vn.max root.__system.metric. ip:port.name.K1=V1...Kn=Vn.sum root.__system.metric. ip:port.name.K1=V1...Kn=Vn.p0 root.__system.metric. ip:port.name.K1=V1...Kn=Vn.p25 root.__system.metric. ip:port.name.K1=V1...Kn=Vn.p50 root.__system.metric. ip:port.name.K1=V1...Kn=Vn.p75 root.__system.metric. ip:port.name.K1=V1...Kn=Vn.p100 |
| Rate | root.__system.metric.ip:port.name.K1=V1...Kn=Vn.count root.__system.metric. ip:port.name.K1=V1...Kn=Vn.mean root.__system.metric. ip:port.name.K1=V1...Kn=Vn.m1 root.__system.metric. ip:port.name.K1=V1...Kn=Vn.m5 root.__system.metric. ip:port.name.K1=V1...Kn=Vn.m15 |
| Timer | root.__system.metric.ip:port.name.K1=V1...Kn=Vn.count root.__system.metric. ip:port.name.K1=V1...Kn=Vn.max root.__system.metric. ip:port.name.K1=V1...Kn=Vn.mean root.__system.metric. ip:port.name.K1=V1...Kn=Vn.sum root.__system.metric. ip:port.name.K1=V1...Kn=Vn.p0 root.__system.metric. ip:port.name.K1=V1...Kn=Vn.p25 root.__system.metric. ip:port.name.K1=V1...Kn=Vn.p50 root.__system.metric. ip:port.name.K1=V1...Kn=Vn.p75 root.__system.metric. ip:port.name.K1=V1...Kn=Vn.p100 root.__system.metric. ip:port.name.K1=V1...Kn=Vn.m1 root.__system.metric. ip:port.name.K1=V1...Kn=Vn.m5 root.__system.metric. ip:port.name.K1=V1...Kn=Vn.m15 |
5.3.2. 获取监控指标
根据如上的映射关系，可以构成相关的 IoTDB 查询语句获取监控指标