如何深入理解 StatsD 与 Graphite ？

摘要：众所周知，负责收集并聚合测量值。每个都有一个，该值的解释方式依赖于。计时器的一大好处在于，你可以得到平均值总值计数值和上下限值。给传一个数字，它会不经处理地将该数字传到后端。由三部分组成监听时间序列的数据的后台程序。

众所周知，StatsD 负责收集并聚合测量值。之后，它会将数据传给 Graphite，后者以时间序列为依据存储数据，并绘制图表。但是，我们不知道，基于 http 访问的图表在展示时，是基于每秒钟的请求数，每次留存的平均请求数还是其它。让我们就以此为目标，来一探究竟吧！本文系 OneAPM 工程师编译整理。

StatsD

为了全面了解 StatsD 的工作原理，我阅读了它的源码。之前我就耳闻 StatsD 是一种简单的应用，但读过源码后才发现它竟如此简单！在主脚本文件只有300多行代码，而 Graphite 的后端代码只有150行左右。

StatsD 中的概念

在这个文档中，列出了一些需要理解的 StatsD 概念。

Buckets

当一个 Whisper 文件被创建，它会有一个不会改变的固定大小。在这个文件中可能有多个 "buckets" 对应于不同分别率的数据点，每个 bucket 也有一个保留属性指明数据点应该在 bucket 中应该被保留的时间长度，Whisper 执行一些简单的数学计算来计算出多少数据点会被实际保存在每个 bucket 中。

Values

每个 stat 都有一个 value，该值的解释方式依赖于 modifier。通常，values 应该是整数。

Flush Interval

在 flush interval (冲洗间隔，通常为10秒)超时之后，stats 会聚集起来，传送到上游的后端服务。

计数器

计数器很简单。它会给 bucket 加 value，并存储在内存中，直到 flush interval 超时。

让我们看一下生成计数器 stats 的源码，该 stats 会被推送到后端。

for (key in counters) {
  var value = counters[key];
  var valuePerSecond = value / (flushInterval / 1000); // calculate "per second" rate

  statString += "stats."+ key + " " + valuePerSecond + " " + ts + "
";
  statString += "stats_counts." + key + " " + value  + " " + ts + "
";

  numStats += 1;
}

首先，StatsD 会迭代它收到的所有计数器，对每个计数器它都会分配两个变量。一个变量用于存储计数器的 value，另一个存储 per-second value。之后，它会将 values 加至 statString，同时增加 numStats 变量的值。

如果你使用默认的 flush interval（10秒），并在每个间隔通过某个计数器给 StatsD 传送7个增量。则计时器的 value 为 7，而 per-second value 为 0.7。

计时器

计时器用于收集数字。他们不必要包含时间值。你可以收集某个存储器中的字节数、对象数或任意数字。计时器的一大好处在于，你可以得到平均值、总值、计数值和上下限值。给 StatsD 设置一个计时器，就能在数据传送给 Graphite 之前自动计算这些量。

计时器的源码比计数器的源码要稍微复杂一些。

for (key in timers) {
  if (timers[key].length > 0) {
var values = timers[key].sort(function (a,b) { return a-b; });
var count = values.length;
var min = values[0];
var max = values[count - 1];

var cumulativeValues = [min];
for (var i = 1; i < count; i++) {
    cumulativeValues.push(values[i] + cumulativeValues[i-1]);
}

var sum = min;
var mean = min;
var maxAtThreshold = max;

var message = "";

var key2;

for (key2 in pctThreshold) {
  var pct = pctThreshold[key2];
  if (count > 1) {
    var thresholdIndex = Math.round(((100 - pct) / 100) * count);
    var numInThreshold = count - thresholdIndex;

    maxAtThreshold = values[numInThreshold - 1];
    sum = cumulativeValues[numInThreshold - 1];
    mean = sum / numInThreshold;
  }

  var clean_pct = "" + pct;
  clean_pct.replace(".", "_");
  message += "stats.timers." + key + ".mean_"  + clean_pct + " " + mean           + " " + ts + "
";
  message += "stats.timers." + key + ".upper_" + clean_pct + " " + maxAtThreshold + " " + ts + "
";
  message += "stats.timers." + key + ".sum_" + clean_pct + " " + sum + " " + ts + "
";
}

sum = cumulativeValues[count-1];
mean = sum / count;

message += "stats.timers." + key + ".upper " + max   + " " + ts + "
";
message += "stats.timers." + key + ".lower " + min   + " " + ts + "
";
message += "stats.timers." + key + ".count " + count + " " + ts + "
";
message += "stats.timers." + key + ".sum " + sum  + " " + ts + "
";
message += "stats.timers." + key + ".mean " + mean + " " + ts + "
";
statString += message;

numStats += 1;
}
 }

如果在默认的 flush interval 内，你将下列计数器 values 传给 StatsD：

450

120

553

994

334

844

675

496

StatsD 将会计数下面的 values:

mean_90 496

upper_90 844

sum_90 3472

upper 994

lower 120

count 8

sum 4466

mean 558.25

Gauges

一个 guage 代表着时间段内某点的任意 vaule，是 StatsD 中最简单的类型。你可以给它传任意值，它会传给后端。
Gauge stats 的源码只有短短四行。

for (key in gauges) {
  statString += "stats.gauges." + key + " " + gauges[key] + " " + ts + "
";
  numStats += 1;
}

给 StatsD 传一个数字，它会不经处理地将该数字传到后端。值得注意的是，在一个 flush interval 内，只有 gauge 最后的值会传送到后端。因此，如果你在一个 flush interval 内，将下面的 gauge 值传给 StatsD：

643

754

583

会传到后端的值只有583而已。该 gauge 的值会一直存储在内存中，直到 flush interval 结束才传值。

现在，我们已经了解数据是怎样从 StatsD 传出来的，让我们看看它在 Graphite 里是如何存储并处理的。

在 Graphite 文档里，我们可以找到 Graphite 概览，此概览总结了 Graphite 的两个要点：

Graphite 存储数值型带有时间序列的数据。

Graphite 按需绘制图表。

Graphite 由三部分组成：

carbon ：监听时间序列的数据的后台程序。

whisper：一个简单的数据库库，用来存储时间序列数据。

webapp： Django webapp，使用 Cairo 来根据需要呈现图形。

Graphite 当做时间序列数据的格式如下：

Graphite 采用可配置的存储方案用以定义所存数据的留存率。它会给数据路径匹配特定的模式，从而决定所存数据的频率和来历。

以下配置示例截取自 StatsD 文档。

[stats]
pattern = ^stats..*
retentions = 10:2160,60:10080,600:262974

该示例表明，匹配上述样式的数据都会套用这些留存。留存的格式为 frequency: history。所以，该配置允许我们将10秒钟的数据存储6个小时，1分钟的数据存储1周，10分钟的数据存储5年。

了解了这么多，我们来看看一个简单的 ruby 脚本，该脚本能收集 HTTP 请求的时间。

#!/usr/bin/env ruby

require "rubygems" if RUBY_VERSION < "1.9.0"
require "./statsdclient.rb"
require "typhoeus"

Statsd.host = "localhost"
Statsd.port = 8125

def to_ms time
  (1000 * time).to_i
end

while true
  start_time = Time.now.to_f

  resp = Typhoeus::Request.get "http://www.example.org/system/information"

  end_time = Time.now.to_f

  elapsed_time = (1000 * end_time) - (to_ms start_time)
  response_time = to_ms resp.time
  start_transfer_time = to_ms resp.start_transfer_time
  app_connect_time = to_ms resp.app_connect_time
  pretransfer_time = to_ms resp.pretransfer_time
  connect_time = to_ms resp.connect_time
  name_lookup_time = to_ms resp.name_lookup_time

  Statsd.timing("http_request.elapsed_time", elapsed_time)
  Statsd.timing("http_request.response_time", response_time)
  Statsd.timing("http_request.start_transfer_time", start_transfer_time)
  Statsd.timing("http_request.app_connect_time", app_connect_time)
  Statsd.timing("http_request.pretransfer_time", pretransfer_time)
  Statsd.timing("http_request.connect_time", connect_time)
  Statsd.timing("http_request.name_lookup_time", name_lookup_time)

  sleep 10
end

让我们看看该数据生成的 Graphite 图。该数据来自 2 分钟前，而 elapsed_time 则来自前面的脚本。

图像生成

Render URL

下面图片的 Render URL

/render/?width=586&height=308&from=-2minutes&target=stats.timers.http_request.elapsed_time.sum

Graphite 生成的图片

该图片简单地描绘了 http 请求在一段时间内的 elapsed_time 值。

JSON-data

Render URL

下面 JSON-data 的 Render URL

/render/?width=586&height=308&from=-2minutes&target=stats.timers.http_request.elapsed_time.sum&format=json

来自 Graphite 的 JSON-output

在下面的结果中，我们可以查看来自 Graphite 的源数据。这些数据来自12个不同的数据点，也即 StatsD 10 秒 flush internal 的两分钟。Graphite 绘制数据就是如此简单。

此外，借助 JSONLint，JSON-data 的数据显示更加美观。

[
    {
        "target": "stats.timers.http_request.elapsed_time.sum",
        "datapoints": [
            [
                53.449951171875,
                1343038130
            ],
            [
                50.3916015625,
                1343038140
            ],
            [
                50.1357421875,
                1343038150
            ],
            [
                39.601806640625,
                1343038160
            ],
            [
                41.5263671875,
                1343038170
            ],
            [
                34.3974609375,
                1343038180
            ],
            [
                36.3818359375,
                1343038190
            ],
            [
                35.009033203125,
                1343038200
            ],
            [
                37.0087890625,
                1343038210
            ],
            [
                38.486572265625,
                1343038220
            ],
            [
                45.66064453125,
                1343038230
            ],
            [
                null,
                1343038240
            ]
        ]
    }
]

下面的简单脚本能将 gauge 传送给 StatsD，模拟用户注册的过程。

#!/usr/bin/env ruby

require "./statsdclient.rb"

Statsd.host = "localhost"
Statsd.port = 8125

user_registrations = 1

while true
  user_registrations += Random.rand 128

  Statsd.gauge("user_registrations", user_registrations)

  sleep 10
end

图像显示——用户注册数量

Render URL

下面图片的 Render URL

/render/?width=586&height=308&from=-20minutes&target=stats.gauges.user_registrations

来自 Graphite 的图片

另一个简单的图片，展示总的注册数。

图片显示——每分钟的用户注册数

使用 Graphite 的衍生函数，可以获得每分钟的用户注册数量。

Render URL

下面图片的 Render URL

/render/?width=586&height=308&from=-20minutes&target=derivative(stats.gauges.user_registrations)

来自 Graphite 的图片

该图片所用的数据跟之前的图片一致，但是使用了衍生函数从而显示每分钟的注册率。

结论

深入了解 StatsD 与 Graphite 的工作原理，能让我们更加明白 StatsD 所传送的数据种类，如何传送，以及怎样更有效地根据 Graphite 读取数据。

原文地址：https://blog.pkhamre.com/understanding-statsd-and-graphite/

OneAPM 是应用性能管理领域的新兴领军企业，Cloud Insight 能帮助企业用户和开发者轻松实现：监控各项基础组件以及对数据进行聚合、过滤和筛选的功能，致力于打造一个更为强大的数据管理平台。想阅读更多技术文章，请访问 OneAPM 官方博客。