Micrometer Counter vs Distribution总结

Posted 2023-02-15

【中文标题】Micrometer Counter vs Distribution总结

【英文标题】：Micrometer Counter vs DistributionSummary

【发布时间】：2021-10-20 14:12:01

【问题描述】：

使用我要跟踪的请求大小的摘要

请求总数 总请求大小 最大请求大小

我可以这样做

meterRegistry.summary("request.size", <tag for url>).record(<size>);

但是我可以使用计数器和最大尺寸的量规来达到同样的效果

meterRegistry.counter("request.size.total", <tag for url>).increment(<size>);
meterRegistry.counter("request.size.count", <tag for url>).increment();
meterRegistry.gauge("request.size.max", <tag for url>).set(<new value if needed>);
// and the gauge value will be stored in atomic variable

问题是，除了更短之外，总结比更长的解决方案有什么好处吗？

【参考方案1】：

使用DistributionSummary 表示：

编写和维护更少的代码 使用 Micrometer 的命名约定 随时间推移的衰减值（参见：distributionStatisticExpiry 和 distributionStatisticBufferLength） 你可以有histograms and percentiles 您可以定义 SLO

【参考方案2】：

除了@Jonatan Ivanov 的回答。

使用带有tag = <request size> 的计数器意味着将为每个请求大小创建一个新 指标。这意味着您最终可能会得到大量计数器。

如果您认为区分标记是具有较少可能值的东西，并且不会创建太多计数器指标，您仍然可以使用计数器并制作摘要提供的所有聚合。 （分位数除外）。

如果我感兴趣，我会使用计数器，例如大小为 450 的请求数，这是不可能的摘要。

TLDR：

如果您只对总计数和平均大小感兴趣，请使用摘要

如果尺寸差异不是太大并且您对给定尺寸的确切计数感兴趣，请使用计数器。

【讨论】：

但是如果你使用counter with tag = <request size> means a new metric will be created for every request size，由于基数大，你可能会创建很多仪表，并且可能会出现OOM。