太卷！Redmi MAX 100英寸電視便宜了：12999元買Redmi史上最大屏
8月5日消息，從小米商城了解到，Redmi MAX 100英寸巨屏電視日前迎來官方優(yōu)惠，到手價(jià)12999元，比發(fā)布價(jià)便宜了7000元，在大屏電視市場開卷。據(jù)了解，Redmi MAX 100
黃金信號(hào)(Golden Signals)最初是谷歌在站點(diǎn)可靠性工程(SRE)實(shí)踐的背景下引入的，由谷歌軟件工程師Dave Rensin和Kevin Smathers在2016年O 'Reilly Velocity Conference上的一次演講中提出，其背后的想法是提供一組關(guān)鍵性能指標(biāo)(KPI)，用于測量和監(jiān)控復(fù)雜分布式系統(tǒng)的運(yùn)行狀況。
引入黃金信號(hào)是為了幫助SRE團(tuán)隊(duì)關(guān)注系統(tǒng)可靠性和性能方面真正重要的東西。黃金信號(hào)不依賴于難以解釋的大量指標(biāo)和告警，而是提供一組簡單且易于理解的指標(biāo)，用于快速評(píng)估系統(tǒng)健康狀況。
自從這一概念提出以來，黃金信號(hào)已在SRE社區(qū)中得到廣泛采用，并被認(rèn)為是監(jiān)控和管理分布式系統(tǒng)運(yùn)行狀況的最佳實(shí)踐。雖然最初黃金信號(hào)專注于延遲、流量、錯(cuò)誤和飽和指標(biāo)，但一些組織已經(jīng)調(diào)整了這個(gè)概念，引入了特定于其系統(tǒng)和用例的附加指標(biāo)。不過，通過一組KPI來度量和監(jiān)控系統(tǒng)健康的核心思想仍然是黃金信號(hào)概念的核心。
黃金信號(hào)是SRE用來衡量其系統(tǒng)健康狀況的一組四個(gè)關(guān)鍵指標(biāo)，包括:
延遲
Prometheus查詢histogram_quantile(0.95, sum(rate(http_request_duration_seconds_bucket{job="fastapi-app"}[5m])) by (le, method, endpoint))通過直方圖指標(biāo)(histogram metric)度量來檢測FastAPI應(yīng)用程序HTTP請(qǐng)求的P95延遲。
該查詢計(jì)算過去5分鐘內(nèi)http_request_duration_seconds_bucket度量值(表示落入特定延遲桶的請(qǐng)求數(shù)量)的速率總和，并按延遲(le)、HTTP方法和端點(diǎn)分組。然后，histogram_quantile函數(shù)使用這些值計(jì)算每個(gè)HTTP方法和端點(diǎn)組合的P95延遲。
流量
Prometheus查詢r(jià)ate(http_requests_total{job="fastapi-app"}[$__rate_interval])通過計(jì)數(shù)器指標(biāo)(counter metric)度量FastAPI應(yīng)用程序每秒HTTP請(qǐng)求的速率。
該查詢使用rate函數(shù)來計(jì)算http_requests_total計(jì)數(shù)器指標(biāo)的每秒增長率，計(jì)算向FastAPI應(yīng)用程序發(fā)出的HTTP請(qǐng)求總數(shù)。job="fastapi-app"標(biāo)簽選擇器過濾度量數(shù)據(jù)，使其只包含來自FastAPI的數(shù)據(jù)。
$__rate_interval變量是模板變量，表示計(jì)算速率的持續(xù)時(shí)間，該變量值由用戶在Prometheus查詢界面中設(shè)置，用于確定計(jì)算速率的時(shí)間范圍。
例如，如果用戶將$__rate_interval設(shè)置為5m，查詢將計(jì)算過去5分鐘內(nèi)HTTP請(qǐng)求的每秒速率。此查詢可用于監(jiān)控FastAPI應(yīng)用程序的流量，并識(shí)別請(qǐng)求量隨時(shí)間變化的模式或異常情況。
錯(cuò)誤數(shù)
Prometheus查詢http_requests_total {endpoint="/generate_error"， http_status="500"}檢索web應(yīng)用程序的"/generate_error"端點(diǎn)的HTTP請(qǐng)求并且HTTP狀態(tài)碼為500(內(nèi)部服務(wù)器錯(cuò)誤)的數(shù)量。
該查詢使用http_requests_total計(jì)數(shù)器指標(biāo)，計(jì)算向web應(yīng)用程序發(fā)出的HTTP請(qǐng)求總數(shù)。查詢通過指定endpoint="/generate_error"標(biāo)簽選擇器過濾度量數(shù)據(jù)，使其只包括對(duì)"/generate_error"端點(diǎn)的請(qǐng)求。此外，查詢通過指定http_status="500"標(biāo)簽選擇器過濾數(shù)據(jù)，只包括HTTP狀態(tài)碼為500的請(qǐng)求。
通過運(yùn)行這個(gè)查詢，可以深入了解web應(yīng)用中錯(cuò)誤發(fā)生率，以及哪些端點(diǎn)容易出錯(cuò)。這些信息可以幫助識(shí)別和修復(fù)應(yīng)用中的問題，提高可靠性，并確保為用戶提供更好的體驗(yàn)。
飽和度
Prometheus查詢clamp_max(active_requests{job="fastapi-app"} / 10, 1)用于計(jì)算活動(dòng)請(qǐng)求與最大并發(fā)請(qǐng)求數(shù)的比率，并將該比率的值限制為不超過1。
該查詢使用active_requests度量(gauge)指標(biāo)檢索FastAPI應(yīng)用程序中的當(dāng)前活動(dòng)請(qǐng)求數(shù)。job="fastapi-app"標(biāo)簽選擇器過濾度量數(shù)據(jù)，使其只包含來自FastAPI的數(shù)據(jù)。
然后，查詢將活動(dòng)請(qǐng)求數(shù)除以10，表示系統(tǒng)可以處理的最大并發(fā)請(qǐng)求數(shù)。然后使用clamp_max函數(shù)將該比率的值限制為不超過1。這意味著，如果活動(dòng)請(qǐng)求與最大并發(fā)請(qǐng)求數(shù)之比大于1，則查詢將返回值1。
通過這個(gè)查詢，可以監(jiān)控系統(tǒng)飽和情況，并確定系統(tǒng)何時(shí)因請(qǐng)求而過載。如果活動(dòng)請(qǐng)求與最大并發(fā)請(qǐng)求數(shù)之比接近1，可能需要擴(kuò)容系統(tǒng)以處理增加的請(qǐng)求。此查詢可以幫助我們確保系統(tǒng)在高負(fù)載下仍可保持可靠和高性能。
因?yàn)辄S金信號(hào)使SRE們可以清楚了解系統(tǒng)的運(yùn)行情況，因此非常重要。通過測量和監(jiān)控這些關(guān)鍵指標(biāo)，SRE可以快速識(shí)別問題，并在問題變得嚴(yán)重之前采取糾正措施，即使這么做增加了系統(tǒng)復(fù)雜性，也可以有助于確保系統(tǒng)的可靠性、可伸縮性和高性能。
黃金信號(hào)可以通過幾種方式來提高系統(tǒng)可靠性:
了解如何在實(shí)踐中實(shí)現(xiàn)這些指標(biāo)也很重要。實(shí)現(xiàn)黃金信號(hào)的一種方法是使用內(nèi)置對(duì)其支持的監(jiān)控工具和庫，比如Prometheus。在下面代碼示例中，Python FastAPI應(yīng)用程序通過Prometheus來實(shí)現(xiàn)黃金信號(hào)。
from fastapi import FastAPI, Request, HTTPException, Responsefrom prometheus_client import Counter, Gauge, Histogram, generate_latest, CONTENT_TYPE_LATESTfrom starlette.responses import StreamingResponseimport timeapp = FastAPI()# Define Prometheus metricshttp_requests_total = Counter( "http_requests_total", "Total number of HTTP requests", ["method", "endpoint", "http_status"])http_request_duration_seconds = Histogram( "http_request_duration_seconds", "HTTP request duration in seconds", ["method", "endpoint"])http_request_size_bytes = Histogram( "http_request_size_bytes", "HTTP request size in bytes", ["method", "endpoint"])http_response_size_bytes = Histogram( "http_response_size_bytes", "HTTP response size in bytes", ["method", "endpoint"])active_requests = Gauge( "active_requests", "Number of active requests")error_counter = Counter( "error_counter", "Total number of HTTP errors", ["method", "endpoint", "http_status"])@app.middleware("http")async def record_request_start_time(request: Request, call_next): request.state.start_time = time.time() response = await call_next(request) return response@app.middleware("http")async def record_request_end_time(request: Request, call_next): response = await call_next(request) latency = time.time() - request.state.start_time http_request_duration_seconds.labels( request.method, request.url.path ).observe(latency) http_request_size_bytes.labels( request.method, request.url.path ).observe(request.headers.get("Content-Length", 0)) if isinstance(response, StreamingResponse): response_size = 0 else: response_size = len(response.content) http_response_size_bytes.labels( request.method, request.url.path ).observe(response_size) http_requests_total.labels( request.method, request.url.path, response.status_code ).inc() return response@app.middleware("http")async def increment_counter(request: Request, call_next): active_requests.inc() response = await call_next(request) active_requests.dec() return response@app.middleware("http")async def log_saturation(request: Request, call_next): max_concurrent_requests = 10 # set the maximum number of concurrent requests saturation_ratio = active_requests._value._value / max_concurrent_requests print(f"Saturation: {saturation_ratio}") return await call_next(request)@app.middleware("http")async def increment_error_counter(request: Request, call_next): try: response = await call_next(request) return response except HTTPException as e: error_counter.labels( request.method, request.url.path, e.status_code ).inc() print(f"Incremented error counter for {request.method} {request.url.path} {e.status_code}") raise e@app.get("/")async def root(): return {"message": "Hello, World!"}@app.get("/generate_traffic")async def generate_traffic(): for i in range(100): response = await root() print(response) return {"message": "Generated traffic successfully."}@app.get("/generate_error")async def generate_error(): raise HTTPException(status_code=500, detail="Generated an error.")@app.get("/metrics")async def metrics(): return Response(cnotallow=generate_latest(), media_type=CONTENT_TYPE_LATEST)requirements.txt:
anyio==3.6.2click==8.1.3fastapi==0.92.0h11==0.14.0idna==3.4prometheus-client==0.16.0pydantic==1.10.5sniffio==1.3.0starlette==0.25.0typing_extensinotallow==4.5.0uvicorn==0.20.0使用Prometheus在FastAPI應(yīng)用程序中實(shí)現(xiàn)了黃金信號(hào)后，可能希望將其部署到Kubernetes集群中，以確保可伸縮性和高可用性。下面的Kubernetes清單文件可以用來部署FastAPI應(yīng)用程序和Grafana儀表板:
fastapi-app.yaml
# @formatapiVersion: apps/v1kind: Deploymentmetadata: name: fastapi-appspec: selector: matchLabels: app: fastapi-app replicas: 2 template: metadata: labels: app: fastapi-app annotations: prometheus.io/scrape: "true" prometheus.io/path: "/" prometheus.io/port: "80" spec: containers: - name: fastapi-app image: rtiwariops/fastapi-app:v1 ports: - containerPort: 80---apiVersion: v1kind: Servicemetadata: name: fastapi-appspec: selector: app: fastapi-app ports: - name: http protocol: TCP port: 80 targetPort: 80grafana.yaml
# @formatapiVersion: apps/v1kind: Deploymentmetadata: name: grafanaspec: selector: matchLabels: app: grafana replicas: 1 template: metadata: labels: app: grafana spec: containers: - name: grafana image: grafana/grafana:latest ports: - containerPort: 3000---apiVersion: v1kind: Servicemetadata: name: grafanaspec: selector: app: grafana ports: - name: http protocol: TCP port: 3000 targetPort: 3000prometheus.yaml
apiVersion: v1kind: Servicemetadata: name: prometheusspec: selector: app: prometheus ports: - name: web port: 9090 targetPort: 9090---apiVersion: apps/v1kind: Deploymentmetadata: name: prometheusspec: selector: matchLabels: app: prometheus replicas: 1 template: metadata: labels: app: prometheus spec: containers: - name: prometheus image: prom/prometheus:v2.28.1 ports: - name: web containerPort: 9090 command: - "/bin/prometheus" args: - "--config.file=/etc/prometheus/prometheus.yml" volumeMounts: - name: config-volume mountPath: /etc/prometheus volumes: - name: config-volume configMap: name: prometheus-config總之，黃金信號(hào)是SRE工具箱中的關(guān)鍵工具。通過測量和監(jiān)控延遲、流量、錯(cuò)誤和飽和度指標(biāo)，即使面對(duì)日益增加的復(fù)雜性和需求，SRE也可以確保其系統(tǒng)保持可靠、可擴(kuò)展和高性能。
完整代碼示例: https://github.com/PolyCloudNative/Golden-Rule-Demo
[1]Four Golden Signals Of Monitoring: Site Reliability Engineering (SRE) Metrics: https://umeey.medium.com/four-golden-signals-of-monitoring-site-reliability-engineering-sre-metrics-64031dbe268
本文鏈接：http://www.www897cc.com/showinfo-26-34674-0.html站點(diǎn)可靠性工程SRE最佳實(shí)踐 -- 黃金監(jiān)控信號(hào)
聲明：本網(wǎng)頁內(nèi)容旨在傳播知識(shí)，若有侵權(quán)等問題請(qǐng)及時(shí)與本網(wǎng)聯(lián)系，我們將在第一時(shí)間刪除處理。郵件：2376512515@qq.com
上一篇： 淺析VR視頻傳輸方案
下一篇： 在Spring Boot中使用WebSocket實(shí)現(xiàn)實(shí)時(shí)在線人數(shù)統(tǒng)計(jì)
Copyright ? 2016-2023 天津谷騏科技有限公司 版權(quán)所有 sitemap.xml
違法及侵權(quán)請(qǐng)聯(lián)系：2376512515@qq.com 津ICP備18001702號(hào)
津公網(wǎng)安備 12010102000574號(hào)