關於指標比率

本文件可協助您選擇最適合的方法，以便繪製或監控指標資料的比率。這份文件也包含範例連結、可計算比率的時間點，以及兩個不同指標的比率圖表可能出現的異常狀況。這些異常現象是因為取樣率或對齊參數不同。

比率可讓您將指標資料轉換為其他可能更實用的格式。舉例來說，假設您要使用指標類型，根據回應代碼計算 HTTP 回應數量，指標資料會回報錯誤數量，但不會顯示失敗要求的比例。不過，效能要求通常會以百分比表示，例如「錯誤率必須低於 0.1%」。如要使用指標資料判斷錯誤率，請計算失敗要求與要求總數的比率。

最佳做法

如要監控或繪製指標資料的比例，建議您使用 PromQL。您可以將 PromQL 與 Cloud Monitoring API 和 Google Cloud 控制台搭配使用。 Google Cloud 控制台包含程式碼編輯器，可提供建議、錯誤偵測和其他支援功能，協助您建立有效的 PromQL 查詢。

如要建立快訊政策，在您不熟悉 PromQL 的情況下監控指標比率，請使用 Cloud Monitoring API，並加入時序篩選器。如需範例，請參閱指標比率。

如要繪製指標資料的比例圖表，但您不熟悉 PromQL，建議您使用 Google Cloud 控制台，並使用選單型介面。如需詳細操作說明，請參閱「繪製指標比率圖表」和「在自訂資訊主頁中新增圖表和表格」。

比率限制

設定比率時，請遵守下列限制：

  • 匯總後，分母時間序列中的標籤必須與分子時間序列中的標籤相同，或為其子集。

    建議您選取匯總選項，以便在匯總後，分母和分子的時間序列具有相同的標籤。

    請考慮以下設定：分母時間序列含有 method、quota_metric 和 project_id 標籤。分母時間序列包含 limit_name、quota_metric 和 project_id 標籤。分母分組的有效選項取決於分子選項：

    • 以 method 標籤分組的分子：將分母時間序列合併為單一時間序列。分母時間序列的標籤不會是分子時間序列標籤的子集，這類分組結果不具備。
    • 分子依 quota_metric 標籤分組：依據該標籤將分母分組，或將分母中的所有時間序列合併為單一時間序列。
    • 分子依 quota_metric 和 project_id 標籤分組：將分母依兩個標籤分組、一個標籤分組，或將分母時間序列合併為單一時間序列。

    有效的分母匯總選項一律會從分組時間序列中移除 limit_name 標籤，因為分母時間序列中沒有該標籤。

  • 使用 Google Cloud 控制台設定圖表時，分子和分母的對齊期間必須相同；但使用 Cloud Monitoring API 時，這些欄位可以不同。

    無論您使用哪種工具建立圖表，都建議在分母和分子中使用相同的對齊期間。

  • 分子和分母必須具有相同的值類型。舉例來說，如果分子是 DOUBLE 類型，分母也必須是 DOUBLE 類型。

    比率的分子和分母指標必須具有 DOUBLE 或 INT64 的值類型。

  • 分子和分母的對齊時間序列必須具有相同的指標類型。如果兩個指標的類型不同，您必須使用對齊器將兩者轉換為相同類型。

    請考慮以下設定：分母選取 DELTA 指標，分子選取 GAUGE 指標。在這種情況下，請使用速率對齊器 ALIGN_RATE，將 DELTA 指標轉換為 GAUGE 指標。如需範例，請參閱關於某個限制的頻率配額用量比率快訊政策。

  • 如果比率並非使用 PromQL 定義，則分子和分母的受控資源類型必須相同。

    舉例來說，如果分母指標的資源是 Compute Engine 執行個體，則分母指標的資源也必須是 Compute Engine 執行個體。

取樣和對齊不符導致的異常

一般來說，建議您使用標籤值，根據單一指標類型收集的時間序列來計算比率。由於兩種不同的取樣期間和對齊時間窗格，因此以兩種不同指標類型計算的比率可能會出現異常。

舉例來說，假設您有兩種不同的指標類型 (RPC 總計數量和 RPC 錯誤數量)，且想要計算錯誤計數 RPC 與總 RPC 的比率。系統會在兩種指標類型的時間序列中計算失敗的 RPC。因此，當您對齊時間序列時，可能會出現以下情況：RPC 失敗並未出現在兩個時間序列的相同對齊間隔中。造成這種差異的原因有很多，包括：

  • 由於有兩個不同的時序記錄相同事件，因此有兩個實作收集的基礎計數器值，且不會以原子方式更新。
  • 取樣率可能不同。當時間序列對齊至共同期間時，單一事件的計數可能會出現在不同指標時間序列的鄰近對齊間隔中。

對應對齊間隔的值數量差異，可能會導致 error/total 比率值不合理，例如 1/0 或 2/1。

較大的數字比率不太可能產生不合理的值。您可以透過匯總取得更大的數字，方法是使用比取樣期間更長的對齊時間窗格，或是將特定標籤的資料分組。這些技巧可將特定區間內點數差異造成的影響降至最低。也就是說，如果區間內的預期點數為 3，兩點差異就比預期點數為 300 時來得重要。

如果您使用內建的指標類型，可能就只能計算各指標類型的比率，才能取得所需的值。

如果您設計的自訂指標可能會在兩個不同的指標中計數相同項目 (例如傳回錯誤狀態的 RPC)，建議改用單一指標，只計數一次。舉例來說，假設您要計算 RPC，並且想要追蹤失敗的 RPC 與所有 RPC 的比率。如要解決這個問題，請建立單一指標類型來計算 RPC，並使用標籤記錄呼叫狀態，包括「OK」狀態。接著，系統會更新該情況的單一計數器，記錄每個狀態值 (錯誤或「OK」)。

後續步驟