dropwizard 基本概念整理

The solution for this is to sample the data as it goes through. By maintaining a small, manageable reservoir which is statistically representative of the data stream as a whole, we can quickly and easily calculate quantiles which are valid approximations of the actual quantiles. This technique is called reservoir sampling.

Metrics provides a number of different Reservoir implementations, each of which is useful.

Timers作用：histogram和meter的组合体

dropwizard提供了多种度量方式：最简单记数counter，复杂点的有用于计算时间分布的histogram，用于计算速率的meter，以及同时有histogram和meter功能的timer。

总结：

• 统计某个函数被调用的频率（TPS），使用Meters。
• 统计某个方法的耗时，使用Histograms。–注意时间是以纳秒为单位的
• 既要统计某个方法的TPS又要统计其耗时时，使用Timers。–注意时间是以纳秒为单位的
• counter用于计数
• gauge只用于记录瞬时值(最简单的度量指标，每次相当于重置这个值。)

counter与gauge：

• 在某些时候，只能用gauge，比如说这个值是在第三方包提供的，例如guava cache的cache size（而恰好我们将该cache集成在spring cache中，通过注解来使用了），无法用哪个counter来测量
• 在某些时候，只能用counter，比如说一个方法的执行成功与失败次数。

histogram：

在统计中位数以及95%这样的数据的时候，通常需要把所有的数据拿出来，然后进行运算（在大量的数据下该方法失效，所以采用了水库采集法–reservoir sampling，通过维护一个小的、可管理的水库来代表全部统计数据），具体采集法有以下几种：

• Uniform Reservoirs：随机选择具有线性递减概率的储层的值，仅用于长时间的测量。测量统计数据最近是不是发生了变化，不要使用这个（使用下边的指数衰减水库）。
• Exponentially Decaying Reservoirs（指数衰减水库）：该水库采集的数据可以代表大约最后5分钟的全部数据。该水库也是Times 类metrics使用histogram的默认选择水库。
• Sliding Window Reservoirs：代表过去n次测量的数据
• Sliding Time Window Reservoirs：严格的代表过去n秒内的数据（注意与指数衰减库的区别，该方法严格的记录过去的每一秒的数据（而指数衰减其实还是在最后5min进行抽样），所以在高频下可能需要更多内存，而且也是最慢的水库类型）

4类Reservoir

1. ExponentiallyDecayingReservoir(指数采样)
2. UniformReservoir(随机采样)
3. SlidingWindowReservoir(只存最近N条数据)
4. SlidingTimeWindowReservoir(指定时间窗口重置数据)

本文整理自网络。

个人微信公众号：

作者：jiankunking 出处：http://blog.csdn.net/jiankunking