Tentang metrik nilai distribusi

Dokumen ini menjelaskan cara membuat dan menafsirkan diagram yang menampilkan data metrik dari jenis nilai Distribution. Jenis nilai ini digunakan oleh layanan saat pengukuran individual terlalu banyak untuk dikumpulkan, tetapi informasi statistik, seperti rata-rata atau persentil, tentang pengukuran tersebut sangat berharga. Misalnya, saat aplikasi bergantung pada traffic HTTP, Anda dapat menggunakan metrik bernilai distribusi yang menangkap latensi respons HTTP untuk mengevaluasi seberapa cepat permintaan HTTP selesai.

Untuk mengilustrasikan cara membuat histogram, pertimbangkan layanan yang mengukur latensi HTTP permintaan dan melaporkan data ini menggunakan metrik dengan jenis nilai distribusi. Data dilaporkan setiap menit. Layanan ini menentukan rentang nilai untuk metrik, yang disebut bucket, dan mencatat jumlah nilai terukur yang termasuk dalam setiap bucket. Misalnya, saat permintaan HTTP selesai, layanan akan menambah jumlah dalam bucket yang rentangnya mencakup nilai latensi permintaan. Jumlah ini membuat histogram nilai untuk menit tersebut.

Asumsikan bahwa latensi yang diukur dalam interval satu menit adalah 5, 1, 3, 5, 6, 10, dan 14. Jika bucketnya adalah [0, 4), [4, 8), [8, 12), dan [12, 16), histogram data ini adalah [2, 3, 1, 1]. Tabel berikut menunjukkan pengaruh pengukuran individual terhadap jumlah untuk setiap bucket:

Bucket	Pengukuran latensi	Jumlah nilai dalam bucket
[12,16)	14	1
[8,12)	10	1
[4,8)	5, 5, 6	3
[0,4)	1, 3	2

Saat data ini ditulis ke deret waktu, objek Point akan dibuat. Untuk metrik dengan nilai distribusi, objek tersebut menyertakan histogram nilai. Untuk periode pengambilan sampel ini, Point berisi [2, 3, 1, 1]. Pengukuran individual tidak ditulis ke deret waktu.

Asumsikan bahwa tabel sebelumnya mencatat histogram untuk data latensi yang diukur pada pukul 1:00. Tabel tersebut mengilustrasikan cara mengambil serangkaian pengukuran dan mengonversinya menjadi jumlah bucket. Misalkan jumlah bucket pada pukul 1:01, 1:02, dan 1:03 adalah seperti yang ditunjukkan dalam tabel berikut:

Bucket	Histogram untuk 1:00	Histogram untuk 1:01	Histogram untuk 1:02	Histogram untuk 1:03
[12,16)	1	6	0	1
[8,12)	1	0	2	2
[4,8)	3	1	1	8
[0,4)	2	6	10	3

Tabel sebelumnya menampilkan urutan histogram yang diindeks berdasarkan waktu. Setiap kolom dalam tabel mewakili data latensi untuk periode satu menit. Untuk mendapatkan jumlah pengukuran pada waktu tertentu, jumlahkan jumlah bucket. Namun, pengukuran sebenarnya tidak ditampilkan karena pengukuran tersebut tidak tersedia dalam metrik bernilai distribusi.

Diagram peta panas

Diagram peta panas dirancang untuk menampilkan satu deret waktu dengan nilai distribusi. Untuk diagram ini, sumbu X mewakili waktu, sumbu Y mewakili bucket, dan warna mewakili nilai. Warna yang lebih cerah menunjukkan nilai yang lebih tinggi. Misalnya, area gelap pada peta panas menunjukkan jumlah bucket yang lebih rendah daripada area kuning atau putih.

Gambar berikut adalah salah satu representasi peta panas untuk contoh sebelumnya:

Pada gambar sebelumnya, peta panas menggunakan warna hitam untuk mewakili jumlah bucket terkecil, 0, dan warna kuning untuk mewakili jumlah bucket terbesar, 10. Warna merah dan oranye mewakili nilai di antara dua ekstrem ini.

Karena diagram peta panas hanya dapat menampilkan satu deret waktu, Anda harus menetapkan opsi agregasi untuk menggabungkan semua deret waktu.

Untuk menggunakan Metrics Explorer guna menampilkan jumlah latensi RTT instance VM, lakukan hal berikut:

1. Di Google Cloud konsol, buka halaman  Metrics explorer:

   Buka Metrics explorer

   Jika Anda menggunakan kotak penelusuran untuk menemukan halaman ini, pilih hasil yang subjudulnya adalah Monitoring.

2. Di toolbar Google Cloud konsol, pilih Google Cloud project Anda. Untuk App Hub konfigurasi, pilih project host App Hub atau project pengelolaan folder yang mengaktifkan aplikasi.
3. Di elemen Metric, luaskan menu Select a metric , masukkan RTT latencies di kolom filter, lalu gunakan submenu untuk memilih jenis resource dan metrik tertentu:
   1. Di menu Active resources, pilih VM Instance.
   2. Di menu Active metric categories, pilih Vm_flow.
   3. Di menu Active metrics, pilih RTT latencies.
   4. Klik Apply.

4. Untuk menambahkan filter, yang menghapus deret waktu dari hasil kueri, gunakan elemen Filter.

Diagram garis dan batang

Diagram garis, diagram batang bertumpuk, dan diagram garis bertumpuk, yang dirancang untuk menampilkan data skalar, tidak dapat menampilkan nilai distribusi. Untuk menampilkan metrik dengan nilai distribusi menggunakan salah satu jenis diagram ini, Anda harus mengonversi nilai histogram menjadi nilai skalar. Misalnya, Anda dapat menetapkan opsi agregasi untuk menghitung rata-rata nilai dalam histogram atau menghitung persentil.

Untuk mengetahui informasi tentang cara menampilkan metrik bernilai distribusi pada diagram garis, lihat bagian berikut.

Metrik agregasi dan distribusi

Agregasi adalah proses regularisasi titik dalam deret waktu dan menggabungkan beberapa deret waktu. Agregasi sama untuk metrik jenis distribusi seperti untuk metrik yang memiliki jenis nilai bilangan bulat atau ganda. Namun, jenis diagram menerapkan beberapa persyaratan pada pilihan yang digunakan untuk menyelaraskan dan mengelompokkan deret waktu.

Diagram peta panas

Diagram peta panas menampilkan satu deret waktu bernilai distribusi. Oleh karena itu, fungsi perataan dan fungsi pengelompokan harus ditetapkan untuk membuat satu deret waktu.

Pilih fungsi perataan sum atau delta saat diagram menampilkan peta panas. Fungsi ini menggabungkan, di tingkat bucket, semua sampel untuk satu deret waktu yang berada dalam periode perataan yang sama, dan hasilnya adalah nilai distribusi. Misalnya, jika dua sampel deret waktu yang berdekatan adalah [2, 3, 1, 1] dan [2, 5, 4, 1], fungsi perataan jumlah akan menghasilkan [4, 8, 5, 2].

Fungsi pengelompokan menentukan cara menggabungkan deret waktu yang berbeda. Fungsi ini terkadang disebut agregator atau pereduksi. Untuk peta panas, tetapkan fungsi pengelompokan ke fungsi sum. Fungsi jumlah menambahkan nilai bucket yang sama di semua histogram, sehingga menghasilkan histogram baru. Misalnya, jumlah nilai [2, 3, 1, 1] dari deret waktu A dan nilai [1, 5, 2, 2] dari deret waktu B adalah [3, 8, 3, 3].

Diagram garis

Diagram garis hanya menampilkan deret waktu bernilai skalar. Jika Anda memilih metrik bernilai distribusi, diagram akan dikonfigurasi dengan parameter optimal untuk menampilkan peta panas. Kolom elemen Aggregation ditetapkan ke Distribution dan None.

• Interpretasi Distribution bergantung pada metrik tertentu. Untuk jenis metrik bernilai distribusi yang memiliki jenis metrik GAUGE, fungsi perataan default ditetapkan ke sum. Jika jenis metrik bernilai distribusi memiliki jenis metrik CUMULATIVE, fungsi perataan default adalah DELTA.

• Setelan None memastikan semua deret waktu digabungkan.

Jika ingin menampilkan metrik bernilai distribusi pada diagram garis, Anda harus mengubah setelan default diagram. Misalnya, untuk mengonfigurasi diagram garis di dasbor agar menampilkan persentil ke-99 setiap deret waktu untuk metrik bernilai distribusi, lakukan hal berikut:

1. Di Google Cloud konsol, buka halaman  Dashboards:

   Buka Dashboards

   Jika Anda menggunakan kotak penelusuran untuk menemukan halaman ini, pilih hasil yang subjudulnya adalah Monitoring.

2. Di toolbar konsol, pilih project Anda. Google Cloud Google Cloud Untuk konfigurasi App Hub, pilih project host App Hub atau project pengelolaan.
3. Di toolbar, klik  Add widget.
4. Dalam dialog Add widget, pilih  Metric.
5. Di elemen Metric, pilih metrik VM Instance - RTT latencies.
6. Di elemen Aggregation, luaskan menu pertama dan pilih 99th percentile.
7. Di panel Display, tetapkan nilai menu Widget type ke Line chart.
8. Opsional: Di elemen Aggregation, luaskan menu kedua dan pilih label yang digunakan untuk mengelompokkan deret waktu. Secara default, tidak ada label yang dipilih, sehingga satu garis ditampilkan pada diagram.

Langkah berikutnya

Untuk mengetahui informasi tentang cara menentukan model bucket untuk metrik dan cara menafsirkan persentil, lihat Persentil dan metrik bernilai distribusi.