Verhältnisse von Messwerten

In diesem Dokument erfahren Sie, wie Sie am besten vorgehen, um ein Verhältnis von Messwertdaten darzustellen oder zu überwachen. Außerdem enthält der Artikel Links zu Beispielen, gibt an, wann Sie Verhältnisse berechnen können, und beschreibt Anomalien, die beim Erstellen eines Diagramms für das Verhältnis zweier unterschiedlicher Messwerte auftreten können. Diese Anomalien sind auf Unterschiede bei der Stichprobenrate oder den Abgleichsparametern zurückzuführen.

Mit Ratios können Sie Ihre Messwertdaten in eine andere und möglicherweise nützlichere Form umwandeln. Ein Beispiel ist ein Messwerttyp, der die Anzahl der HTTP-Antworten nach Antwortcode zählt. Die Messwertdaten geben die Anzahl der Fehler an, nicht aber den Anteil der fehlgeschlagenen Anfragen. Leistungsanforderungen werden jedoch häufig als Prozentsatz angegeben, z. B. „Die Fehlerrate muss unter 0, 1 % liegen“. Um die Fehlerrate anhand der Messwertdaten zu ermitteln, berechnen Sie das Verhältnis der fehlgeschlagenen Anfragen zur Gesamtzahl der Anfragen.

Best Practices

Wenn Sie ein Verhältnis von Messwertdaten überwachen oder in einem Diagramm darstellen möchten, empfehlen wir die Verwendung von PromQL. Sie können PromQL mit der Cloud Monitoring API und mit der Google Cloud Console verwenden. Die Google Cloud Console enthält einen Code-Editor, der Vorschläge, Fehlererkennung und andere Unterstützung beim Erstellen gültiger PromQL-Abfragen bietet.

Wenn Sie eine Benachrichtigungsrichtlinie erstellen möchten, die ein Verhältnis von Messwerten überwacht, und Sie sich nicht mit PromQL auskennen, verwenden Sie die Cloud Monitoring API und fügen Sie einen Zeitachsenfilter ein. Ein Beispiel finden Sie unter Messwertverhältnis.

Wenn Sie ein Verhältnis von Messwertdaten darstellen möchten, aber nicht mit PromQL vertraut sind, empfehlen wir, die Google Cloud Console und eine menügesteuerte Oberfläche zu verwenden. Eine detaillierte Anleitung finden Sie unter Verhältnis von Messwerten grafisch darstellen und Diagramme und Tabellen zu einem benutzerdefinierten Dashboard hinzufügen.

Einschränkungen mit Verhältnissen

Wenn Sie ein Verhältnis konfigurieren, gelten die folgenden Einschränkungen:

  • Nach der Aggregation müssen die Labels in der Zeitachse des Nenners mit den Labels in der Zeitachse des Zählers übereinstimmen oder eine Teilmenge davon sein.

    Wir empfehlen, Aggregationsoptionen so auszuwählen, dass die Zeitachsen für Zähler und Nenner nach der Aggregation dieselben Labels haben.

    Angenommen, die Zeitachse des Zählers hat die Labels method, quota_metric und project_id. Die Zeitreihe für den Nenner hat die Labels limit_name, quota_metric und project_id. Die gültigen Optionen für die Nennergruppierung hängen von den Auswahlmöglichkeiten für den Zähler ab:

    • Zähler, gruppiert nach dem Label method: Kombinieren Sie die Nennerzeitachsen zu einer einzelnen Zeitachse. Bei keiner anderen Gruppierung sind die Labels für die Zeitreihe im Nenner eine Teilmenge der Labels für die Zeitreihe im Zähler.
    • Zähler gruppiert nach dem Label quota_metric: Gruppieren Sie den Nenner nach diesem Label oder kombinieren Sie alle Zeitreihen im Nenner zu einer einzelnen Zeitreihe.
    • Zähler gruppiert nach den Labels quota_metric und project_id: Gruppieren Sie den Nenner nach beiden Labels, nach einem Label oder kombinieren Sie die Nennerzeitachsen zu einer einzelnen Zeitachse.

    Bei den gültigen Optionen für die Nenneraggregation wird das Label limit_name immer aus den gruppierten Zeitreihen entfernt, da es in den Zeitreihen des Zählers nicht vorhanden ist.

  • Der Ausrichtungszeitraum muss für Zähler und Nenner identisch sein, wenn Sie ein Diagramm über die Google Cloud Console konfigurieren. Bei Verwendung der Cloud Monitoring API können diese Felder jedoch unterschiedlich sein.

    Wir empfehlen, für Zähler und Nenner denselben Abgleichszeitraum zu verwenden, unabhängig davon, mit welchem Tool Sie das Diagramm erstellen.

  • Zähler und Nenner müssen denselben Werttyp haben. Wenn der Zähler beispielsweise vom Typ DOUBLE ist, muss auch der Nenner vom Typ DOUBLE sein.

    Für Verhältnisse muss der Messwert für Zähler und Nenner den Werttyp DOUBLE oder INT64 haben.

  • Die ausgerichteten Zeitreihen für den Zähler und den Nenner müssen dieselbe Messwertart haben. Wenn die beiden Messwerte unterschiedliche Arten haben, müssen Sie sie mit Alignern in dieselbe Art konvertieren.

    Angenommen, für den Zähler wird ein DELTA-Messwert und für den Nenner ein GAUGE-Messwert ausgewählt. Verwenden Sie in diesem Fall den Rate-Aligner ALIGN_RATE, um den Messwert DELTA in einen Messwert vom Typ GAUGE umzuwandeln. Ein Beispiel finden Sie unter Richtlinien für Verhältnisbenachrichtigungen zur Nutzung des Ratenkontingents für ein Limit.

  • Bei Verhältnissen, die nicht mit PromQL definiert sind, muss der Typ der überwachten Ressource für den Zähler und den Nenner identisch sein.

    Wenn die Ressource für den Zählermesswert beispielsweise Compute Engine-Instanzen ist, muss die Ressource für den Nennermesswert ebenfalls Compute Engine-Instanzen sein.

Anomalien aufgrund von Stichproben und Abweichungen bei der Ausrichtung

Im Allgemeinen ist es am besten, Verhältnisse basierend auf Zeitachsen zu berechnen, die unter Einsatz von Labelwerten für einen einzelnen Messwerttyp erfasst wurden. Ein Verhältnis, das über zwei verschiedene Messwerttypen berechnet wird, unterliegt Anomalien aufgrund unterschiedlicher Stichprobenzeiträume und Ausrichtungsfenster.

Angenommen, Sie haben zwei verschiedene Messwerttypen, eine RPCs-Gesamtzahl und eine RPC-Fehlerzahl, und Sie möchten das Verhältnis von Fehler- zu Gesamtzahl berechnen. Die fehlgeschlagenen RPCs werden in der Zeitreihe beider Messwerttypen gezählt. Daher ist es möglich, dass beim Ausrichten der Zeitreihe ein nicht erfolgreicher RPC nicht im selben Ausrichtungsintervall für beide Zeitreihen angezeigt wird. Dieser Unterschied kann verschiedene Gründe haben, darunter die folgenden:

  • Da zwei verschiedene Zeitreihen dasselbe Ereignis aufzeichnen, gibt es zwei unterliegende Zählerwerte, die die Sammlung implementieren. Diese werden nicht atomar aktualisiert.
  • Die Abtastraten können abweichen. Wenn die Zeitreihen auf einen gemeinsamen Zeitraum ausgerichtet sind, kann die Anzahl für ein einzelnes Ereignis in angrenzenden Ausrichtungsintervallen für die verschiedenen Messwerte angezeigt werden.

Die unterschiedliche Anzahl der Werte in den entsprechenden Ausrichtungsintervallen kann zu einem unsinnigen error/total-Verhältniswert führen, z. B. 1/0 oder 2/1.

Bei Verhältnissen größerer Zahlen ist es weniger wahrscheinlich, dass unsinnige Werte entstehen. Sie können größere Zahlen durch Aggregation erreichen, indem Sie entweder ein Ausrichtungsfenster verwenden, das länger als der Sampling-Zeitraum ist, oder durch das Gruppieren von Daten für bestimmte Labels. Diese Techniken minimieren den Effekt kleiner Unterschiede in der Anzahl der Punkte in einem gegebenen Intervall. Das heißt, ein Zwei-Punkte-Unterschied ist bei einer erwarteten Anzahl von 3 Punkten in einem Intervall signifikanter als bei einer erwarteten Anzahl von 300.

Wenn Sie integrierte Messwerttypen verwenden, haben Sie möglicherweise keine andere Wahl, als die Verhältnisse zwischen den Messwerttypen zu berechnen, um den von Ihnen benötigten Wert zu erhalten.

Wenn Sie benutzerdefinierte Messwerte entwerfen, die die gleiche Sache – wie RPCs, die den Fehlerstatus zurückgeben – in zwei verschiedenen Messwerten zählen könnten, sollten Sie stattdessen einen einzigen Messwert in Betracht ziehen, der jede Zählung nur einmal enthält. Angenommen, Sie zählen RPCs und möchten das Verhältnis von nicht erfolgreichen RPCs zu allen RPCs verfolgen. Zur Behebung dieses Problems erstellen Sie einen einzelnen Messwerttyp, um RPCs zu zählen, und verwenden ein Label, um den Status des Aufrufs einschließlich des Status „OK“ aufzuzeichnen. Dann wird jeder Statuswert bzw. jeder Fehler oder jedes „OK“ aufgezeichnet, indem für diesen Fall ein einzelner Zähler aktualisiert wird.

Nächste Schritte