metrics指标采集

最新推荐文章于 2024-08-07 10:04:58 发布
最新推荐文章于 2024-08-07 10:04:58 发布
阅读量4.9k 收藏 2
点赞数
分类专栏： 监控 Spring Boot 与 Spring Cloud
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/wudiyong22/article/details/78974922
版权
官方参考资料：

http://metrics.dropwizard.io/4.0.0/

http://metrics.dropwizard.io/4.0.0/getting-started.html

http://metrics.dropwizard.io/4.0.0/manual/index.html


Metrics，英文就是度量、指标的意思，当我们需要为某个系统、服务做监控、做统计，就需要用到Metrics

举个例子，一个图片压缩服务：

  1. 每秒钟的请求数是多少（TPS TransactionPerSecond）
  2. 平均每个请求处理的时间
  3. 请求处理的最长耗时
  4. 等待处理的请求队列长度

又或者一个缓存服务：

  1. 缓存的命中率
  2. 平均查询缓存的时间

基本上每一个服务、应用都需要做一个监控系统，这需要尽量以少量的代码，实现统计某类数据的功能。

以 Java 为例，目前最为流行的 metrics 库是来自 Coda Hale 的 dropwizard/metrics ，该库被广泛地应用于各个知名的开源项目中。例如 Hadoop，Kafka，Spark，JStorm 中。


添加Maven依赖

        <dependency>
            <groupId>io.dropwizard.metrics</groupId>
            <artifactId>metrics-core</artifactId>
            <version>4.0.0</version>
        </dependency>

Metric Registries

MetricRegistry类是Metrics的核心，它是存放应用中所有metrics的容器，也是我们使用 Metrics 库的起点 
MetricRegistry registry = new MetricRegistry();

每一个 metric 都有它独一无二的名字，Metrics 中使用句点名字，如 com.example.Queue.size。当你在 com.example.Queue 下有两个 metric 实例，如request和response，可以命名为：com.example.Queue.request.size 和 com.example.Queue.response.size 。使用MetricRegistry类的静态方法name()，可以非常方便地生成这种格式的名字，例如：

MetricRegistry.name(Queue.class,"request","size");
MetricRegistry.name(Queue.class,"response","size");

Metrics 数据展示

Metircs 提供了 Report 接口，用于展示 metrics 获取到的统计数据。metrics-core中主要实现了四种 reporter：JMX, console, SLF4J, 和 CSV。

1、console

可看下面“Metrics类型”的例子

2、JMX

看官方文档

3、SLF4J

看官方文档

4、CSV

看官方文档

5、除了metrics-core提供的4种数据输出外，metrics-servlets还提供了通过HTTP的输出方式

看官方文档

五种 Metrics 类型

1、Gauges

最简单的度量指标，只有一个简单的返回值，例如，我们想衡量一个待处理队列中任务的个数，代码如下：

package com.metrics;

import com.codahale.metrics.*;
import java.util.LinkedList;
import java.util.Queue;
import java.util.concurrent.TimeUnit;

public class GaugeTest {
    public static void main(String[] args) throws InterruptedException {
    	final Queue<String> q = new LinkedList<String>();
        MetricRegistry registry = new MetricRegistry();
        ConsoleReporter reporter = ConsoleReporter.forRegistry(registry).build();
        reporter.start(1, TimeUnit.SECONDS);
		registry.register(
				MetricRegistry.name(GaugeTest.class, "queue", "size"),
				new Gauge<Integer>() {
					public Integer getValue() {
						return q.size();
					}
				});
        while(true){
            Thread.sleep(200);
            q.add("Job-xxx");
        }
    }
}

reporter.start(1, TimeUnit.SECONDS);用于启动ConsoleReporter（启动时会新建一个线程放到线程池中执行，线程在线程池中被执行会有延迟，所以与main函数后面的while部分没有顺序关系），且每秒钟从中读取一次数据输出到控制台，输出结果如下：

18-1-8 11:26:10 ================================================================

-- Gauges ----------------------------------------------------------------------
com.metrics.GaugeTest.queue.size
             value = 5


18-1-8 11:26:11 ================================================================

-- Gauges ----------------------------------------------------------------------
com.metrics.GaugeTest.queue.size
             value = 9


18-1-8 11:26:12 ================================================================

-- Gauges ----------------------------------------------------------------------
com.metrics.GaugeTest.queue.size
             value = 14

但是对于大多数队列数据结构，我们并不想简单地返回q.size()，因为java.util和java.util.concurrent中实现的size()方法很多都是O(n) 的复杂度，这会影响 Gauge 的性能。

2、Counters

Counter 就是计数器，Counter 只是用 Gauge 封装了 AtomicLong 。我们可以使用如下的方法，使得获得队列大小更加高效。

package com.metrics;

import com.codahale.metrics.*;
import java.util.Queue;
import java.util.Random;
import java.util.concurrent.LinkedBlockingQueue;
import java.util.concurrent.TimeUnit;

public class CounterTest {

    public static Queue<String> q = new LinkedBlockingQueue<String>();

    public static Counter pendingJobs;

    public static Random random = new Random();

    public static void addJob(String job) {
        pendingJobs.inc();
        q.offer(job);
    }

    public static String takeJob() {
        String result =  q.poll();
        if(result != null)
        	pendingJobs.dec();
        return result;
    }

    public static void main(String[] args) throws InterruptedException {
        MetricRegistry registry = new MetricRegistry();
        ConsoleReporter reporter = ConsoleReporter.forRegistry(registry).build();
        reporter.start(1, TimeUnit.SECONDS);

        pendingJobs = registry.counter(MetricRegistry.name(Queue.class,"pending-jobs","size"));

        int num = 0;
        while(true){
            Thread.sleep(200);
            if (random.nextDouble() > 0.7){
                String job = takeJob();
                System.out.println("take job : "+job);
            }else{
            	num++;
                String job = "Job-"+num;
                addJob(job);
                System.out.println("add job : "+job);
            }
        }
    }
}

输出结果如下：

take job : null
take job : null
add job : Job-1
add job : Job-2
add job : Job-3
18-1-8 14:25:03 ================================================================

-- Counters --------------------------------------------------------------------
java.util.Queue.pending-jobs.size
             count = 3


take job : Job-1
add job : Job-4
add job : Job-5
add job : Job-6
18-1-8 14:25:04 ================================================================

-- Counters --------------------------------------------------------------------
java.util.Queue.pending-jobs.size
             count = 5

3、Meters

Meter度量一系列事件发生的速率(rate)，例如TPS。Meters会统计每秒，最近1分钟，5分钟，15分钟，还有全部时间的速率。

package com.metrics;

import com.codahale.metrics.ConsoleReporter;
import com.codahale.metrics.Meter;
import com.codahale.metrics.MetricRegistry;
import java.util.Random;
import java.util.concurrent.TimeUnit;

public class MeterTest {
    public static Random random = new Random();
    public static void request(Meter meter){
        System.out.println("request");
        meter.mark();
    }
    public static void request(Meter meter, int n){
        while(n > 0){
            request(meter);
            n--;
        }
    }
    public static void main(String[] args) throws InterruptedException {
        MetricRegistry registry = new MetricRegistry();
        ConsoleReporter reporter = ConsoleReporter.forRegistry(registry).build();
        reporter.start(1, TimeUnit.SECONDS);
        Meter meterTps = registry.meter(MetricRegistry.name(MeterTest.class,"request","tps"));
        while(true){
            request(meterTps,random.nextInt(5));
            Thread.sleep(1000);
        }
    }
}

输出结果：

request
18-1-8 15:09:56 ================================================================

-- Meters ----------------------------------------------------------------------
com.metrics.MeterTest.request.tps
             count = 1
         mean rate = 0.97 events/second
     1-minute rate = 0.00 events/second
     5-minute rate = 0.00 events/second
    15-minute rate = 0.00 events/second


request
request
request
18-1-8 15:09:57 ================================================================

-- Meters ----------------------------------------------------------------------
com.metrics.MeterTest.request.tps
             count = 4
         mean rate = 1.99 events/second
     1-minute rate = 0.00 events/second
     5-minute rate = 0.00 events/second
    15-minute rate = 0.00 events/second


18-1-8 15:09:58 ================================================================

-- Meters ----------------------------------------------------------------------
com.metrics.MeterTest.request.tps
             count = 4
         mean rate = 1.33 events/second
     1-minute rate = 0.00 events/second
     5-minute rate = 0.00 events/second
    15-minute rate = 0.00 events/second


18-1-8 15:09:59 ================================================================

-- Meters ----------------------------------------------------------------------
com.metrics.MeterTest.request.tps
             count = 4
         mean rate = 1.00 events/second
     1-minute rate = 0.00 events/second
     5-minute rate = 0.00 events/second
    15-minute rate = 0.00 events/second


request
request
request
request
18-1-8 15:10:00 ================================================================

-- Meters ----------------------------------------------------------------------
com.metrics.MeterTest.request.tps
             count = 8
         mean rate = 1.60 events/second
     1-minute rate = 1.60 events/second
     5-minute rate = 1.60 events/second
    15-minute rate = 1.60 events/second


request
request
18-1-8 15:10:01 ================================================================

-- Meters ----------------------------------------------------------------------
com.metrics.MeterTest.request.tps
             count = 10
         mean rate = 1.66 events/second
     1-minute rate = 1.60 events/second
     5-minute rate = 1.60 events/second
    15-minute rate = 1.60 events/second

4、Histograms

Histogram统计数据的分布情况。比如最小值，最大值，中间值，还有中位数，75百分位, 90百分位, 95百分位, 98百分位, 99百分位, 和 99.9百分位的值(percentiles)。

package com.metrics;

import com.codahale.metrics.ConsoleReporter;
import com.codahale.metrics.ExponentiallyDecayingReservoir;
import com.codahale.metrics.Histogram;
import com.codahale.metrics.MetricRegistry;
import java.util.Random;
import java.util.concurrent.TimeUnit;
public class HistogramTest {
    public static Random random = new Random();
    public static void main(String[] args) throws InterruptedException {
        MetricRegistry registry = new MetricRegistry();
        ConsoleReporter reporter = ConsoleReporter.forRegistry(registry).build();
        reporter.start(1, TimeUnit.SECONDS);
        Histogram histogram = new Histogram(new ExponentiallyDecayingReservoir());
        registry.register(MetricRegistry.name(HistogramTest.class, "request", "histogram"), histogram);
        while(true){
            Thread.sleep(1000);
            histogram.update(random.nextInt(100000));
        }
    }
}

输出结果：

18-1-8 15:33:20 ================================================================

-- Histograms ------------------------------------------------------------------
com.metrics.HistogramTest.request.histogram
             count = 1
               min = 0
               max = 0
              mean = 0.00
            stddev = 0.00
            median = 0.00
              75% <= 0.00
              95% <= 0.00
              98% <= 0.00
              99% <= 0.00
            99.9% <= 0.00


18-1-8 15:33:21 ================================================================

-- Histograms ------------------------------------------------------------------
com.metrics.HistogramTest.request.histogram
             count = 1
               min = 23833
               max = 23833
              mean = 23833.00
            stddev = 0.00
            median = 23833.00
              75% <= 23833.00
              95% <= 23833.00
              98% <= 23833.00
              99% <= 23833.00
            99.9% <= 23833.00


18-1-8 15:33:22 ================================================================

-- Histograms ------------------------------------------------------------------
com.metrics.HistogramTest.request.histogram
             count = 2
               min = 23833
               max = 91252
              mean = 57795.32
            stddev = 33708.55
            median = 91252.00
              75% <= 91252.00
              95% <= 91252.00
              98% <= 91252.00
              99% <= 91252.00
            99.9% <= 91252.00


18-1-8 15:33:23 ================================================================

-- Histograms ------------------------------------------------------------------
com.metrics.HistogramTest.request.histogram
             count = 3
               min = 23833
               max = 91252
              mean = 54671.26
            stddev = 27765.11
            median = 48562.00
              75% <= 91252.00
              95% <= 91252.00
              98% <= 91252.00
              99% <= 91252.00
            99.9% <= 91252.00

5、Timers

package com.metrics;

import com.codahale.metrics.ConsoleReporter;
import com.codahale.metrics.MetricRegistry;
import com.codahale.metrics.Timer;
import java.util.Random;
import java.util.concurrent.TimeUnit;
public class TimerTest {
    public static Random random = new Random();
    public static void main(String[] args) throws InterruptedException {
        MetricRegistry registry = new MetricRegistry();
        ConsoleReporter reporter = ConsoleReporter.forRegistry(registry).build();
        reporter.start(1, TimeUnit.SECONDS);
        Timer timer = registry.timer(MetricRegistry.name(TimerTest.class,"get-latency"));
        Timer.Context ctx;
        while(true){
            ctx = timer.time();//计时开始
            Thread.sleep(random.nextInt(1000));//模拟操作耗时
            //计时结束，meter：统计总数、每秒、分等调用的次数，histogram：记录每次操作耗时的分布情况
            ctx.stop();
        }
    }
}

输出结果：

18-1-8 15:56:55 ================================================================

-- Timers ----------------------------------------------------------------------
com.metrics.TimerTest.get-latency
             count = 2
         mean rate = 1.99 calls/second
     1-minute rate = 0.00 calls/second
     5-minute rate = 0.00 calls/second
    15-minute rate = 0.00 calls/second
               min = 88.08 milliseconds
               max = 693.13 milliseconds
              mean = 390.60 milliseconds
            stddev = 302.52 milliseconds
            median = 693.13 milliseconds
              75% <= 693.13 milliseconds
              95% <= 693.13 milliseconds
              98% <= 693.13 milliseconds
              99% <= 693.13 milliseconds
            99.9% <= 693.13 milliseconds


18-1-8 15:56:56 ================================================================

-- Timers ----------------------------------------------------------------------
com.metrics.TimerTest.get-latency
             count = 3
         mean rate = 1.50 calls/second
     1-minute rate = 0.00 calls/second
     5-minute rate = 0.00 calls/second
    15-minute rate = 0.00 calls/second
               min = 88.08 milliseconds
               max = 848.11 milliseconds
              mean = 544.63 milliseconds
            stddev = 327.80 milliseconds
            median = 693.13 milliseconds
              75% <= 848.11 milliseconds
              95% <= 848.11 milliseconds
              98% <= 848.11 milliseconds
              99% <= 848.11 milliseconds
            99.9% <= 848.11 milliseconds


18-1-8 15:56:57 ================================================================

-- Timers ----------------------------------------------------------------------
com.metrics.TimerTest.get-latency
             count = 5
         mean rate = 1.67 calls/second
     1-minute rate = 0.00 calls/second
     5-minute rate = 0.00 calls/second
    15-minute rate = 0.00 calls/second
               min = 88.08 milliseconds
               max = 848.11 milliseconds
              mean = 519.35 milliseconds
            stddev = 323.80 milliseconds
            median = 693.13 milliseconds
              75% <= 796.57 milliseconds
              95% <= 848.11 milliseconds
              98% <= 848.11 milliseconds
              99% <= 848.11 milliseconds
            99.9% <= 848.11 milliseconds















吴帝永
关注
专栏目录
prometheus以监控Pod TCP连接数为例删除一个或多个metrics指标
江晓龙的博客
11-10 7165
prometheus删除一个或多个metrics 不管什么exporter总是会收集很多没用的metrics，这些metrics我们不一定需要看它获取的监控数据，但是这些metrics依然在规定时间内收集监控数据，占用的大量的磁盘空间，造成资源浪费。 我们可以通过metric_reabel_configs模块对metrics进行正则匹配，将没有用的metrics删除。 以监控K8s Pod资源TCP连接数为例来说明如何使用metric_reabel_configs模块对metrics操作。 监控Pod资源T
【Flink 监控系列】Flink 自定义 kafka metrics reporter 上报 metrics 到 kafka
JasonLee实时计算
08-04 2166
直接在 Flink Web UI 上面查看。通过 Flink 提供的 Metric Reporters 上报到外部系统，最终在 Grafana 上面展示。通过 Flink Rest API 接口查看。这三种方式各自有各自的使用场景，你可能会问，Flink 都已经提供了这么多种查看方式，那我们为什么还要自定义 kafka metrics reporter 呢？......
评测指标(metrics)
热门推荐
Datawhale
07-05 2万+
评测指标(metrics) metric主要用来评测机器学习模型的好坏程度,不同的任务应该选择不同的评价指标, 分类,回归和排序问题应该选择不同的评价函数. 不同的问题应该不同对待,即使都是 分类问题也不应该唯评价函数论,不同问题不同分析. 回归(Regression) 均方误差(MSE) (1)l(y,y^)=1n∑i=1n(yi−y^i)2l(y, \hat{y})=\frac{1}...
hadoop metrics采集方法说明
losesinal的博客
03-28 785
通过 prometheus 采集hadoop metrics
Alibaba Metrics 库使用教程
最新发布
gitblog_00505的博客
08-07 399
Alibaba Metrics 库使用教程 metricsThe metrics library for Apache Dubbo and any frameworks or systems.项目地址:https://gitcode.com/gh_mirrors/metrics3/metrics 1. 项目目录结构及介绍 在 alibaba/metrics 仓库中，目录结构大致如下： metri...
metrics 指标分析
breakout_alex的博客
06-10 1712
metrics简述 Metrics可以为你的代码的运行提供无与伦比的洞察力。作为一款监控指标的度量类库，它提供了很多模块可以为第三方库或者应用提供辅助统计信息， 比如Jetty, Logback, Log4j, Apache HttpClient, Ehcache, JDBI, Jersey, 它还可以将度量数据发送给Ganglia、Graphite、grafana+Influxdb以提供图形化的监控。推荐使用grafana。 Metrics提供了Gauge、Counter、Meter、Histogram
可观测性OpenTelemetry-Metrics(指标)
BASK2311的博客
05-05 1843
在介绍指标(Metrics)之前，我们先了解一下:什么是OpenTelemetry?微服务架构使开发人员能够更快地构建和发布软件，同时具有更大的独立性，因为他们不再受制于与单体架构相关的繁琐发布流程。随着这些现在分布式的系统的规模扩大，开发人员越来越难以看到他们自己的服务如何依赖或影响其他服务，特别是在部署期间或停机期间，速度和准确性至关重要。观测性使开发人员和操作员都能够获得对其系统的可见性。那么呢？为了使系统具有可观测性，必须进行仪表化。也就是说，代码必须发出跟踪、度量和日志。
opengauss源码分析—指标采集预测与分析
HeZe_CaoXian_NB的博客
01-29 2043
一．指标采集、预测与异常检测简介 数据库指标监控与异常检测技术，通过监控数据库指标，并基于时序预测和异常检测等算法，发现异常信息，进而提醒用户采取措施避免异常情况造成严重后果。 二，使用场景 用户操作数据库的某些行为或某些正在运行的业务发生了变化，都可能会导致数据库产生异常，如果不及时发现并处理这些异常，可能会导致严重的后果。通常，数据库监控指标（metric，如CPU使用率、QPS等）能够反映出数据库系统的健康状况。通过对数据库指标进行监控，分析指标数据特征或变化...
java metrics.counter_Java-Metrics指标度量工具
weixin_42499041的博客
02-13 1329
微服务架构时代，服务运行状况通过服务埋点设计越来越多。熔断器，服务网格，API网关 怎么洞悉他们运行状态，仅通过传统外部Agent采集，实现复杂，双方对接开发成本高，可能远远满足不了要求，java-metrics可以有效满足这些场景.介绍Metrics是一个给JAVA服务的各项指标提供度量工具的包，在JAVA代码中嵌入Metrics代码，可以方便的对业务代码的各个指标进行监控，同时，Metrics...
golang基于gin封装链路追踪和metrics指标
qq_43426271的博客
03-10 1652
(https://travis-ci.com/asppj/lolita) Logging - 用于记录离散的事件。例如，应用程序的调试信息或错误信息。它是我们诊断问题的依据。 Metrics - 用于记录可聚合的数据。例如，队列的当前深度可被定义为一个度量值，在元素入队或出队时被更新；HTTP 请求个数可被定义为一个计数器，新请求到来时进行累加。 Tracing - 用于记录请求范围内的信息。例如，一次远程方法调用的执行过程和耗时。它是我们排查系统性能问题的利器。 Opentrace 埋点：gin-w
【Hive实战】HiveMetaStore的指标采集告警
coding and writing
07-05 1384
HiveMetaStore指标采集与告警
metrics:指标抽象库
03-09
普遍指标 APM提供程序实现的度量标准抽象。 为什么？ .NET的OpenTelemetry中的指标仍然遥遥无期，我们需要将指标公开给不同的供应商。 为了避免在从一个供应商转到另一个供应商时重写整个度量，我们决定创建一个小的抽象层，该层以统一的方式公开相似的指标。 然后，我们可以配置一个特定的提供程序以正确显示度量。 默认情况下，即使未配置任何提供程序，也将使用无操作提供程序进行测量。 它非常适合测试，您无需担心配置，例如Prometheus，以防止测试崩溃。 为基准测试工具创建提供程序并在运行测试时收集性能证据也应该是微不足道的。 供应商支持 当前，该库支持公开以下指标： 普罗米修斯 数据狗统计 执照 麻省理工学院
Metrics:捕获 JVM 和应用程序级指标-开源
08-10
Metrics 是一个 Java 库，可让您深入了解代码在生产中的作用。 Metrics 提供了一个强大的工具包，用于衡量生产环境中关键组件的行为。 借助 Jetty、Logback、Log4j、Apache HttpClient、Ehcache、JDBI、Jersey 等常用库模块和 Graphite 等报告后端，Metrics 为您提供全栈可见性。 Metrics 的中心库是 metrics-core，它提供了一些基本功能。 Metrics 的起点是 MetricRegistry 类，它是您的应用程序（或您的应用程序的一个子集）的所有指标的集合。 每个指标都与一个 MetricRegistry 相关联，并且在该注册表中具有唯一的名称。 仪表是最简单的度量类型。 它只是返回一个值。 例如，如果您的应用程序有一个由第三方库维护的值，您可以通过注册一个返回该值的 Gauge 实例轻松公开它。
Metrics-服务指标度量
weixin_33725239的博客
01-17 1018
简介 Metrics作为一款监控指标的度量类库，提供了很多模块可以为第三方库或者应用提供辅助统计信息。Metrics内部提供了Gauge、Counter、Meter、Histogram、Timer等度量工具类以及Health Check功能。 Maven配置 metrics-core为metrics核心库，定义了各种指标项，需要在pom.xml引用。 &lt;dependencies&gt; ...
【机器学习】Metrics: 衡量算法性能的关键指标
鑫宝的博客
07-16 1604
在算法开发和机器学习项目中，选择正确的评估指标（metrics）至关重要。它们不仅帮助我们理解模型的性能，还指导我们如何优化模型以达到预期的目标。本文将探讨几种常用的评估指标，并解释它们在不同场景下的应用。
metrics小常识
tracymkgld的专栏
07-13 1万+
Metrics，我们听到的太多了，熟悉大数据系统的不可能没听说过metrics，当我们需要为某个系统某个服务做监控、做统计，就需要用到Metrics。 举个例子，一个图片压缩服务： 每秒钟的请求数是多少（TPS）？平均每个请求处理的时间？请求处理的最长耗时？等待处理的请求队列长度？ 又或者一个缓存服务： 缓存的命中率？平均查询缓存的时间？ 基本上每一个服务、应用都需要
Metric评价指标-四种常用误差方法
weixin_48118301的博客
12-13 3500
【代码】Metric评价指标-四种常用误差方法。
机器学习常用性能指标总结metrics
qq_41056152的博客
05-28 1万+
本文转载自Prince1994的机器学习常用性能指标总结 序言 在机器学习中，性能指标(Metrics)是衡量一个模型好坏的关键，通过衡量模型输出y_predict 和 y_true之间的某种"距离"得出的。 性能指标往往是我们做模型时的最终目标，如准确率，召回率，敏感度等等，但是性能指标常常因为不可微分，无法作为优化的loss函数，因此采用如cross-entropy, rmse等“距离”可微函数作为优化目标，以期待在loss函数降低的时候，能够提高性能指标。而最终目标的性能指标则作为模型训练过程中，作为
metrics，一个超酷的 Python 库！
涛哥聊Python
05-09 1147
更多Python学习内容：ipengtao.com大家好，今天为大家分享一个超酷的 Python 库 - Metrics。Github地址：https://github.com/benhamner/Metrics在软件开发和系统管理中，性能监控和优化是至关重要的环节。Python Metrics库提供了一个高效的解决方案，帮助开发者和系统管理员能够捕捉、存储和分析各种性能指标。安装Python M...
集群监控技术探析：Ganglia数据采集与优化
Gmond（Ganglia Metrics Daemon）是Ganglia中的核心组件，负责数据采集。文章详细介绍了Gmond的设计理念，如使用高效的数据结构，以及实现数据采集的具体方法，确保低负载和高效率。 在Gmond的设计与实现部分，文章...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值