だから私はイベントの進行中の指標を持っています。それらは、成功または失敗としてタグ付けされます。だから私は3つの数字を持っています; 失敗、完了、合計。これは、次のような積み上げ棒グラフを使用して (Datadog で) 簡単に説明できます。

したがって、暗い部分は失敗です。そして、y スケールとスケールの赤い破線を見ることで、レートが問題で重要かどうかを人間に簡単に伝えることができます。これは、少なくとも一定時間 (10 分?) にわたって 60% を超える失敗率があり、この期間に例外的な率と見なすのに十分なイベントがあることを意味します。

だから私はで始まるある種の式を探しています: 失敗を合計で割ったもの (0 から 1 の間のスコアが得られます) で、これを何らかの方法で合計と再度乗算し、私が決定したいくつかのしきい値は、合計が十分に高いことを意味します自動アラートを受け取ります。

追加のクレジットとして、これが私が機能させようとしている実際の Datadog メトリクスです。

(sum:event{status:fail}.rollup(sum, 300) / sum:event{}.rollup(sum, 300))

そして、私は15分間監視しており、スコアが0.75を超えていることを警告しています. しかし、合計、カウント、平均、ロールアップ、またはカウントについてはわかりません。そして、このアラートは、イベントの総数が十分に低くなり、失敗率が高くても問題の証拠ではない夜間にメールを送信します。

openshift でホストされているアプリケーションがあります。ここで、速度と可用性を確認するために、処理できるリクエストの数を把握したいと思います。

したがって、私の最初の試みは、Rest Service (python で作成され、openshift でホストされている) への複数の HTTP GET 要求を生成することです。

私の恐れは、これが攻撃のように見えるという理由で、私の IP ワークプレイスが禁止されることです。

一方で、New RelicやDataDogなどのメトリックをチェックするためのツールがあるようですが、http リクエストをシミュレートして応答時間をチェックできるかどうかはわかりません。

Openshift の応答

最後に Openshift サポートに手紙を書いたところ、心配することなく http リクエストをシミュレートできるとのことでした。

metrics-datadogでdropwizard メトリックを使用します。

次のようにレポートを作成します。

しかし、datadog にはホスト (サーバー名) パラメータはありません。メトリクスのホスト (サーバー名) を追加して、datadog コントロール パネルでメトリクスをフィルタリングするにはどうすればよいですか? デフォルトの datadog エージェントからのメトリクスには、サーバー名属性があります。

Amazon Linux ec2 に dd-agent をインストールしました。Python スクリプトをホスト マシンで直接実行すると (「dogstatsd-python」という名前の SDK を使用しました)、すべてのメトリックを datadog に送信できます (datadoghq.com にログインし、そこでメトリックを確認しました)。スクリプトは次のようなものです：

ただし、docker コンテナーを起動し、コンテナー内から同じスクリプトを実行します。

「172.14.0.1」は、コマンドで抽出されたホストの IP です。

メトリクスは datadog にまったく送信されませんでした.....

おそらく、「アドレスバインディング」などの構成の問題が原因であると推測しています。ホストにインストールした dd-agent は、「localhost」からしかメトリックを受信できない可能性があります。

誰かが私を助けてくれることを願っています。前もって感謝します。