Docs » Splunk Observability Cloud のメトリクス » Splunk Observability Cloudのメトリクス、データポイント、メトリック時系列

Splunk Observability Cloudのメトリクス、データポイント、メトリック時系列 🔗

Splunk Observability Cloud では、メトリクスデータはメトリクスと呼ばれる数値測定、メトリクスタイプ、および 1 つ以上のディメンションで構成されます。この形式の各データは、データポイント です。たとえば、データポイントは、メトリクスタイプ server1、メトリクス値 gauge、ディメンション 0.7 および "hostname":"server1"、タイムスタンプ "host_location":"Tokyo" を持つホスト 1557225030000 の CPU 使用率になります。

メトリック時系列(MTS) には、同じメトリクス名、メトリクスタイプ、ディメンションのセットを持つすべてのデータポイントが含まれます。Splunk Observability Cloudは、入力されたデータポイントから自動的にMTSを作成します。たとえば、cpu.utilization および "hostname":"server1" ディメンションが同じで、値とタイムスタンプが異なる "location":"Tokyo" メトリクスの次のデータポイントは、1つのMTSを構成します。

%%{ init: { 'theme': 'base', 'themeVariables': { 'primaryColor': '#FFFFFF', 'primaryTextColor': '#000000', 'primaryBorderColor': '#000000', 'nodeBorder':'#000000', 'lineColor': '#000000', } } }%% flowchart LR accTitle: Metric time series diagram accDescr: This example metric time series consists of 3 data points. They all share the same metric name, cpu.utilization, the same metric type, gauge, and the same set of dimension key-value pairs, which are hostname:server1 and location:Tokyo. The first data point has a value of .85 and a timestamp of 1557225030000 in UNIX time. The second data point has a value of .9 and a timestamp of 1557225030100 in UNIX time. The third data point has a value of .7 and a timestamp of 1557225030200 in UNIX time. %% LR indicates the direction (left-to-right) %% You can define classes to style nodes and other elements classDef default fill:#FFFFFF,stroke:#000 classDef name fill:#BFFFFF classDef type fill:#ffdda6 classDef value fill:#fff7a1 classDef timestamp fill:#dedeff classDef host fill:#BFFFBF classDef location fill:#FFBFBF %% Each subgraph determines what's in each category subgraph Metric time series direction LR dp0~~~dp1~~~dp2 subgraph dp0[Data point 1] direction LR name0(name: cpu.utilization):::name type0(type: gauge):::type value0(value: .85):::value subgraph dimensions0[Dimensions] direction LR k0(hostname: server1):::host k1(location: Tokyo):::location end timestamp0(timestamp: 1557225030000):::timestamp end subgraph dp1[Data point 2] direction LR name1(name: cpu.utilization):::name type1(type: gauge):::type value1(value: .9):::value subgraph dimensions1[Dimensions] direction LR k2(hostname: server1):::host k3(location: Tokyo):::location end timestamp1(timestamp: 1557225030100):::timestamp end subgraph dp2[Data point 3] direction LR name2(name: cpu.utilization):::name type2(type: gauge):::type value2(value: .7):::value subgraph dimensions2[Dimensions] direction LR k4(hostname: server1):::host k5(location: Tokyo):::location end timestamp2(timestamp: 1557225030200):::timestamp end end

メトリクス 🔗

メトリクスは、時間と共に変化する測定可能な数値です。ホスト・マシンなど、同じ一般的なタイプの複数のソースは、通常、単一のメトリクス名のセットのメトリクス値を報告します。たとえば、100 台のホスト・マシンを持つサーバ・クラスタでは、cpu.utilizationapi.callsdropped.packets という名前の 1 つのメトリクスのセットをレポートすることがありますが、メトリクス値はマシンごとに異なる場合があります。

注釈

Splunk Observability Cloud が生成するすべてのメトリクスと MTS は、接頭辞 sf. または sf_metric で始まります。

メトリクスタイプ 🔗

メトリクスには、ゲージ、累積カウンター、カウンターの3種類があります。詳しくは メトリクスタイプ を参照してください。

メトリクスタイプ

説明

ゲージ

特定の時点での測定値

サーバのCPU使用率

累積カウンター

測定開始からの発生または項目の総数

Web サーバの起動以降に提供された Splunk Infrastructure Monitoring API 呼び出しの総数

カウンター

前回測定以降の新規発生件数または項目数

24時間以内に宛先に到達できなかったパケット数

ヒストグラム

測定値の時間分布。Splunk Observability Cloud は明示的バケットヒストグラムをサポートします。

応答時間(パフォーマンス)または画面ロードの成功(可用性)

メトリクスカテゴリ 🔗

Splunk Observability Cloudには約20のメトリクスカテゴリがあります。メトリクスカテゴリ、特にカスタムとして分類されたメトリクスは課金に影響を与える可能性があります。

メトリクスカテゴリ で、すべてのメトリクスのカテゴリとその識別方法を学びます。

メトリクスの分解能 🔗

デフォルトでは、Splunk Observability Cloud はメトリクスを10秒の解像度で処理します。メトリクスのネイティブ解像度が10秒より粗い場合、Splunk Observability Cloudはそのネイティブ解像度で処理します。

オプションで、1 秒の高解像度 でメトリクスを取り込むことができます。高解像度のメトリクスにより、インフラストラクチャ、アプリケーション、およびビジネス・パフォーマンスの非常にきめ細かく低レイテンシーの可視化とアラートが可能になります。

注釈

メトリクスを高分解能で処理するには、どの MTS でもディメンション sf_hires1 に設定します。

メトリクスのメタデータ 🔗

メトリクスは、ディメンション、カスタムプロパティ、タグなどの関連メタデータを持つことができます。詳しくは メタデータ:ディメンション、カスタムプロパティ、タグ、属性 を参照してください。

ディメンションを追加または編集します。

データポイント 🔗

データポイントには、メトリクス名と値、メトリクスのタイプ、およびメトリクスのディメンションが含まれます。ディメンションは、レポートされた値のソースを識別するキーと値のペアです。Infrastructure Monitoringでは、受信データポイントにメトリクスとディメンション、またはメトリクス・ソースの何らかの側面を記述する一意のキーと値のペアが含まれていることを前提としています。

データポイントは以下のコンポーネントから構成されます。

コンポーネント

説明

メトリクスタイプ

指定されたメトリクスタイプは、Splunk Observability Cloud がメトリクスを扱う方法を決定します。

メトリクスタイプの詳細については、メトリクスタイプ を参照してください。

3つのメトリクスタイプのうちの1つ: countercumulative counter または gauge

メトリクス名

メトリクス名は、Infrastructure Monitoringに送信する値を識別します。例えば、AWSメトリクス 4xxErrorRate は、HTTPステータスコードが4xxである全HTTPリクエストの割合を表します。多くの場合、データソースがメトリクス名を決定しますが、アプリケーションレシーバーやその他のインテグレーションにより、データソースのメトリクス名がSplunk Observability Cloudで使用される別の名前にマッピングされる場合があります。

メトリクスの命名制約の詳細については、メトリクスとディメンションの命名規則 を参照してください。

memory.freeCPUUtilizationpage_visits

メトリクス値

システムからの測定値を数値で表したもの。

メトリクス値は、符号付き整数、浮動小数点数、または10進表記か固定小数点表記の数値文字列でなければなりません。システムはそれらを64ビット整数として保存します。詳しくは Send Traces, Metrics and Events API ドキュメントを参照してください。

99.987510.7"1.13"

ディメンション

メトリクスのソースの何らかの側面を記述するキーと値のペア。データポイントは 1 つ以上のディメンションを持つことができます。最も一般的なディメンションはソースです。例えば、ディメンションは、インフラストラクチャ・メトリクスの場合はホストやインスタンスになり、アプリケーション・メトリクスの場合はアプリケーション・コンポーネントやサービス層になります。ディメンションは、メトリクスのメタデータと見なされます。

ディメンションについて詳しくは、メタデータ:ディメンション、カスタムプロパティ、タグ、属性 を参照してください。

"hostname":"server1""host_location":"Tokyo"

タイムスタンプ(オプション)

ソフトウェアからデータが送信された時刻、またはSplunk Observability Cloudにデータが到着した時刻。タイムスタンプの単位はミリ秒の*nix時間です。

1557225030000

メトリック時系列 🔗

メトリック時系列(MTS)とは、同じメトリクスと同じディメンションを持つデータポイントの集まりです。

例えば、以下のデータポイントは3つのMTSに分かれています。

  1. MTS1: ゲージメトリクス cpu.utilization、ディメンション "hostname": "host1"

  2. MTS2: ゲージメトリクス cpu.utilization、ディメンション "source_host": "host1"

  3. MTS3:ゲージメトリクス cpu.utilization、ディメンション "hostname": "host2"

MTS 2はMTS 1と同じホスト値を持つが、同じディメンションキーではありません。MTS 3はMTS 1と同じホスト名ですが、同じホスト名値ではありません。

Splunk Observability Cloud はアクティブでない MTS を13か月間保持します。

独立したMTSを作成するために独自のディメンションを使用する 🔗

一意のエンティティを識別する少なくとも 1 つのディメンションを提供するように、コレクタまたはインジェストを構成することが重要です。

たとえば、クラスタ内の10台のホストのCPU使用率をレポートする場合、メトリクスはCPU使用率になります。

クラスタ内の各ホストが他のすべてのホストとまったく同じディメンションを共有する場合、クラスタは1つのMTSしか生成しません。その結果、クラスタ内の各ホストのCPU使用率を区別して監視することが困難になる可能性があります。

ただし、クラスタ内の各ホストが少なくとも1つの一意のディメンション(通常は一意のホスト名)を持つ場合、クラスタは10個の MTS を生成します。各 MTS は、単一のホストの経時的な CPU 使用率を表します。

このページは 2024年05月29日 に最終更新されました。