Grafana 中的 CPU 指标，用于带有 Actuator Micrometer 和 Prometheus 的 Spring Webflux 应用程序

Posted 2023-02-15

【中文标题】Grafana 中的 CPU 指标，用于带有 Actuator Micrometer 和 Prometheus 的 Spring Webflux 应用程序

【英文标题】：CPU metrics in Grafana for Spring Webflux app with Actuator Micrometer and Prometheus

【发布时间】：2021-09-09 12:45:10

【问题描述】：

请教一个关于如何在 CPU 指标上建立视觉和洞察力的小问题。

我有一个 Spring Boot Webflux 应用程序，没什么特别的。 我引入了 Actuator、Micrometer 和 Prometheus 依赖项。

该应用具有开箱即用的 CPU 指标，我认为这非常酷。 我也相信这些指标包含大量信息。 不幸的是，我认为不了解 Grafana 或指标本身以充分释放其潜力。

指标是：

system_cpu_usage
process_cpu_usage
system_cpu_count
system_load_average_1m

不知道如何正确使用它们，我使用那些非常基本的菜鸟查询：

system_cpu_usage_ns_=“my_namespace",cluster=~”my_cluster"
process_cpu_usage_ns_=“my_namespace",cluster=~”my_cluster"
system_cpu_count_ns_=“my_namespace",cluster=~”my_cluster”
system_load_average_1m_ns_=“my_namespace",cluster=~”my_cluster"

有了这些，我确实得到了一些结果。问题是，我得到的只是一些平淡无奇的线条，无法采取进一步的见解或行动。

我在网上看到一些比较复杂的查询，比如

avg_over_time(process_cpu_usage_ns_=“my_namespace",cluster=~”my_cluster"[1h])

或者一些使用delta rate irate。但不确定他们来这里是为了什么。

什么是使用这些指标的正确方法以及我当前的查询有什么问题，因为现在和有意义的指标之间存在差距。

谢谢。

【参考方案1】：

avg_over_time 最后一个 1h 的用法在您想为警报管理器制定规则的情况下很有用。想象一个用例，其中 cpu 上的每个峰值都会触发 alertmanager 规则。这是不受欢迎的。顺便说一句，在这个特定的用例中，我更喜欢使用histogram_quantile，因为平均值可以隐藏高值（只是因为它是平均值）。这里有一些百分位数的最佳实践：https://prometheus.io/docs/practices/histograms/#quantiles。然后使用rate 来确定分位数的时间窗口。

histogram_quantile(0.9, rate(
  process_cpu_usage_ns_=“my_namespace",cluster=~”my_cluster"[1h]
))