Amazon Managed Service untuk Apache Flink sebelumnya dikenal sebagai Amazon Kinesis Data Analytics untuk Apache Flink.
Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Melihat metrik dan dimensi dalam Layanan Terkelola untuk Apache Flink
Topik ini berisi bagian-bagian berikut:
- Metrik aplikasi
- Metrik konektor Kinesis Data Streams
- Metrik MSK konektor Amazon
- Metrik Apache Zeppelin
- Melihat CloudWatch metrik
- Menyetel CloudWatch tingkat pelaporan metrik
- Menggunakan metrik kustom dengan Amazon Managed Service untuk Apache Flink
- Menggunakan CloudWatch Alarm dengan Amazon Managed Service untuk Apache Flink
Saat Layanan Terkelola untuk Apache Flink memproses sumber data, Managed Service for Apache Flink melaporkan metrik dan dimensi berikut ke Amazon. CloudWatch
Metrik aplikasi
Metrik | Unit | Deskripsi | Tingkat | Catatan Penggunaan |
---|---|---|---|---|
backPressuredTimeMsPerSecond* |
Milidetik | Waktu (dalam milidetik) tugas atau operator ini kembali ditekan per detik. | Tugas, Operator, Paralelisme | *Tersedia untuk Managed Service untuk aplikasi Apache Flink yang menjalankan Flink versi 1.13 saja. Metrik ini dapat berguna dalam mengidentifikasi kemacetan dalam suatu aplikasi. |
busyTimeMsPerSecond* |
Milidetik | Waktu (dalam milidetik) tugas atau operator ini sibuk (tidak menganggur atau kembali ditekan) per detik. Bisa NaN, jika nilainya tidak bisa dihitung. | Tugas, Operator, Paralelisme | *Tersedia untuk Managed Service untuk aplikasi Apache Flink yang menjalankan Flink versi 1.13 saja. Metrik ini dapat berguna dalam mengidentifikasi kemacetan dalam suatu aplikasi. |
cpuUtilization |
Persentase | Persentase keseluruhan CPU pemanfaatan di seluruh pengelola tugas. Misalnya, jika ada lima pengelola tugas, Managed Service for Apache Flink menerbitkan lima sampel metrik ini per interval pelaporan. | Aplikasi | Anda dapat menggunakan metrik ini untuk memantau CPU pemanfaatan minimum, rata-rata, dan maksimum dalam aplikasi Anda. CPUUtilization Metrik hanya memperhitungkan CPU penggunaan TaskManager JVM proses yang berjalan di dalam wadah. |
containerCPUUtilization |
Persentase | Persentase keseluruhan CPU pemanfaatan di seluruh wadah pengelola tugas di cluster aplikasi Flink. Misalnya, jika ada lima pengelola tugas, maka ada lima TaskManager kontainer dan Layanan Terkelola untuk Apache Flink menerbitkan 2 * lima sampel metrik ini per interval pelaporan 1 menit. | Aplikasi | Itu dihitung per kontainer sebagai: Total CPU waktu (dalam detik) yang dikonsumsi oleh kontainer* 100/ CPU Batas kontainer (CPUsdalam/detik)
|
containerMemoryUtilization |
Persentase | Persentase keseluruhan pemanfaatan memori di seluruh wadah pengelola tugas di cluster aplikasi Flink. Misalnya, jika ada lima pengelola tugas, maka ada lima TaskManager kontainer dan Layanan Terkelola untuk Apache Flink menerbitkan 2 * lima sampel metrik ini per interval pelaporan 1 menit. | Aplikasi | Itu dihitung per kontainer sebagai: Penggunaan memori kontainer (byte) * 100/ Batas memori kontainer sesuai spesifikasi penerapan pod (dalam byte) Metrik |
containerDiskUtilization |
Persentase | Persentase keseluruhan pemanfaatan disk di seluruh wadah pengelola tugas di cluster aplikasi Flink. Misalnya, jika ada lima pengelola tugas, maka ada lima TaskManager kontainer dan Layanan Terkelola untuk Apache Flink menerbitkan 2 * lima sampel metrik ini per interval pelaporan 1 menit. | Aplikasi | Itu dihitung per kontainer sebagai: Penggunaan disk dalam byte* 100/Batas Disk untuk wadah dalam byte Untuk kontainer, ini mewakili pemanfaatan sistem file tempat volume root wadah diatur. |
currentInputWatermark |
Milidetik | Watermark terakhir yang diterima aplikasi/operator/tugas/ulir | Aplikasi, Operator, Tugas, Paralelisme | Catatan ini hanya dipancarkan untuk dimensi dengan dua input. Ini adalah nilai minimum dari watermark yang terakhir diterima. |
currentOutputWatermark |
Milidetik | Watermark terakhir yang dipancarkan aplikasi/operator/tugas/ulir | Aplikasi, Operator, Tugas, Paralelisme | |
downtime |
Milidetik | Untuk tugas yang saat ini dalam situasi gagal/memulihkan, waktu berlalu selama penghentian ini. | Aplikasi | Metrik ini mengukur waktu berlalu saat tugas gagal atau memulihkan. Metrik ini menampilkan 0 untuk tugas yang berjalan dan -1 untuk tugas yang selesai. Jika metrik ini bukan 0 atau -1, ini menunjukkan tugas Apache Flink untuk aplikasi gagal dijalankan. |
fullRestarts |
Hitung | Total berapa kali tugas ini sepenuhnya dimulai kembali sejak dikirimkan. Metrik ini tidak mengukur mulai ulang secara detail. | Aplikasi | Anda dapat menggunakan metrik ini untuk mengevaluasi kesehatan aplikasi umum. Restart dapat terjadi selama pemeliharaan internal oleh Managed Service untuk Apache Flink. Mulai ulang yang lebih tinggi dari biasanya dapat menunjukkan masalah pada aplikasi. |
heapMemoryUtilization |
Persentase | Keseluruhan pemanfaatan memori tumpukan di seluruh manajer tugas. Misalnya, jika ada lima pengelola tugas, Managed Service for Apache Flink menerbitkan lima sampel metrik ini per interval pelaporan. | Aplikasi | Anda dapat menggunakan metrik ini untuk memantau penggunaan memori tumpukan minimum, rata-rata, dan maksimum dalam aplikasi Anda. HeapMemoryUtilization Satu-satunya akun untuk metrik memori tertentu seperti Heap Memory Usage of. TaskManager JVM |
idleTimeMsPerSecond* |
Milidetik | Waktu (dalam milidetik) tugas atau operator ini menganggur (tidak memiliki data untuk diproses) per detik. Waktu idle tidak termasuk waktu bertekanan kembali, jadi jika tugas kembali ditekan, itu tidak menganggur. | Tugas, Operator, Paralelisme | *Tersedia untuk Managed Service untuk aplikasi Apache Flink yang menjalankan Flink versi 1.13 saja. Metrik ini dapat berguna dalam mengidentifikasi kemacetan dalam suatu aplikasi. |
lastCheckpointSize |
Byte | Total ukuran titik pemeriksaan terakhir | Aplikasi | Anda dapat menggunakan metrik ini untuk menentukan penggunaan penyimpanan aplikasi yang berjalan. Jika nilai metrik ini meningkat, ini mungkin menunjukkan adanya masalah pada aplikasi Anda, seperti kebocoran memori atau hambatan. |
lastCheckpointDuration |
Milidetik | Waktu yang diperlukan untuk menyelesaikan titik pemeriksaan terakhir | Aplikasi | Metrik ini mengukur waktu yang diperlukan untuk menyelesaikan titik pemeriksaan terbaru. Jika nilai metrik ini meningkat, ini mungkin menunjukkan adanya masalah pada aplikasi Anda, seperti kebocoran memori atau hambatan. Dalam beberapa kasus, Anda dapat memecahkan masalah ini dengan menonaktifkan checkpointing. |
managedMemoryUsed* |
Byte | Jumlah memori terkelola yang saat ini digunakan. | Aplikasi, Operator, Tugas, Paralelisme | *Tersedia untuk Managed Service untuk aplikasi Apache Flink yang menjalankan Flink versi 1.13 saja. Ini berkaitan dengan memori yang dikelola oleh Flink di luar tumpukan Java. Ini digunakan untuk backend status RocksDB, dan juga tersedia untuk aplikasi. |
managedMemoryTotal* |
Byte | Jumlah total memori yang dikelola. | Aplikasi, Operator, Tugas, Paralelisme | *Tersedia untuk Managed Service untuk aplikasi Apache Flink yang menjalankan Flink versi 1.13 saja. Ini berkaitan dengan memori yang dikelola oleh Flink di luar tumpukan Java. Ini digunakan untuk backend status RocksDB, dan juga tersedia untuk aplikasi. |
managedMemoryUtilization* |
Persentase | Diturunkan oleh managedMemoryUsed/managedMemoryTotal | Aplikasi, Operator, Tugas, Paralelisme | *Tersedia untuk Managed Service untuk aplikasi Apache Flink yang menjalankan Flink versi 1.13 saja. Ini berkaitan dengan memori yang dikelola oleh Flink di luar tumpukan Java. Ini digunakan untuk backend status RocksDB, dan juga tersedia untuk aplikasi. |
numberOfFailedCheckpoints |
Hitung | Jumlah kegagalan checkpointing. | Aplikasi | Anda dapat menggunakan metrik ini untuk memantau kesehatan dan kemajuan aplikasi. Titik pemeriksaan mungkin gagal karena masalah aplikasi, seperti throughput atau masalah izin. |
numRecordsIn* |
Hitung | Jumlah total catatan yang diterima aplikasi, operator, atau tugas. | Aplikasi, Operator, Tugas, Paralelisme | *Untuk menerapkan SUM statistik selama periode waktu (detik/menit):
Tingkat metrik menentukan apakah metrik ini mengukur jumlah total catatan yang diterima seluruh aplikasi, operator tertentu, atau tugas tertentu. |
numRecordsInPerSecond* |
Hitungan/Detik | Jumlah total catatan yang diterima aplikasi, operator, atau tugas per detik. | Aplikasi, Operator, Tugas, Paralelisme | *Untuk menerapkan SUM statistik selama periode waktu (detik/menit):
Tingkat metrik menentukan apakah metrik ini mengukur jumlah total catatan yang diterima seluruh aplikasi, operator tertentu, atau tugas tertentu per detik. |
numRecordsOut* |
Hitung | Jumlah total catatan yang dipancarkan aplikasi, operator, atau tugas. | Aplikasi, Operator, Tugas, Paralelisme |
*Untuk menerapkan SUM statistik selama periode waktu (detik/menit):
Tingkat metrik menentukan apakah metrik ini mengukur jumlah total catatan yang dipancarkan seluruh aplikasi, operator tertentu, atau tugas tertentu. |
numLateRecordsDropped* |
Hitung | Aplikasi, Operator, Tugas, Paralelisme | *Untuk menerapkan SUM statistik selama periode waktu (detik/menit):
Jumlah catatan yang dibuang operator atau tugas karena datang terlambat. |
|
numRecordsOutPerSecond* |
Hitungan/Detik | Jumlah total catatan yang dipancarkan aplikasi, operator, atau tugas per detik. | Aplikasi, Operator, Tugas, Paralelisme |
*Untuk menerapkan SUM statistik selama periode waktu (detik/menit):
Tingkat metrik menentukan apakah metrik ini mengukur jumlah total catatan yang dipancarkan seluruh aplikasi, operator tertentu, atau tugas tertentu per detik. |
oldGenerationGCCount |
Hitung | Jumlah total operasi pengumpulan sampah lama yang terjadi di semua manajer tugas. | Aplikasi | |
oldGenerationGCTime |
Milidetik | Total waktu yang digunakan untuk melakukan operasi pengumpulan sampah lama. | Aplikasi | Anda dapat menggunakan metrik ini untuk memantau jumlah, rata-rata, dan waktu pengumpulan sampah maksimum. |
threadCount |
Hitung | Jumlah total utas langsung yang digunakan aplikasi. | Aplikasi | Metrik ini mengukur jumlah utas yang digunakan kode aplikasi. Ini tidak sama dengan paralelisme aplikasi. |
uptime |
Milidetik | Waktu ketika tugas berjalan tanpa gangguan. | Aplikasi | Anda dapat menggunakan metrik ini untuk menentukan apakah tugas berhasil berjalan. Metrik ini menampilkan -1 untuk tugas yang selesai. |
KPUs* |
Hitung | Jumlah total yang KPUs digunakan oleh aplikasi. | Aplikasi | *Metrik ini menerima satu sampel per periode penagihan (satu jam). Untuk memvisualisasikan jumlah dari KPUs waktu ke waktu, gunakan MAX atau AVG selama periode setidaknya satu (1) jam. KPUHitungannya termasuk |
Metrik konektor Kinesis Data Streams
AWS memancarkan semua catatan untuk Kinesis Data Streams selain yang berikut:
Metrik | Unit | Deskripsi | Tingkat | Catatan Penggunaan |
---|---|---|---|---|
millisbehindLatest |
Milidetik | Jumlah milidetik konsumen berada di belakang bagian depan aliran, menunjukkan seberapa jauh di belakang waktu konsumen saat ini. | Aplikasi (untuk Stream), Paralelisme (untuk) ShardId |
|
bytesRequestedPerFetch |
Byte | Byte yang diminta dalam satu panggilan untuk getRecords . |
Aplikasi (untuk Stream), Paralelisme (untuk) ShardId |
Metrik MSK konektor Amazon
AWS memancarkan semua catatan untuk Amazon MSK selain yang berikut:
Metrik | Unit | Deskripsi | Tingkat | Catatan Penggunaan |
---|---|---|---|---|
currentoffsets |
N/A | Offset baca konsumen saat ini, untuk setiap partisi. Metrik partisi tertentu dapat ditentukan berdasarkan nama topik dan id partisi. | Aplikasi (untuk Topik), Paralelisme (untuk) PartitionId | |
commitsFailed |
N/A | Jumlah total kegagalan commit offset ke Kafka, jika commit offset dan checkpointing diaktifkan. | Aplikasi, Operator, Tugas, Paralelisme | Melakukan commit offset kembali ke Kafka hanyalah sarana untuk mengungkapkan kemajuan konsumen, jadi kegagalan commit tidak memengaruhi integritas offset partisi titik pemeriksaan Flink. |
commitsSucceeded |
N/A | Jumlah total keberhasilan commit offset ke Kafka, jika commit offset dan checkpointing diaktifkan. | Aplikasi, Operator, Tugas, Paralelisme | |
committedoffsets |
N/A | Offset komit yang berhasil terakhir ke Kafka, untuk setiap partisi. Metrik partisi tertentu dapat ditentukan berdasarkan nama topik dan id partisi. | Aplikasi (untuk Topik), Paralelisme (untuk) PartitionId | |
records_lag_max |
Hitung | Keterlambatan maksimum dalam hal jumlah catatan untuk setiap partisi di jendela ini | Aplikasi, Operator, Tugas, Paralelisme | |
bytes_consumed_rate |
Byte | Jumlah rata-rata byte yang digunakan per detik untuk topik | Aplikasi, Operator, Tugas, Paralelisme |
Metrik Apache Zeppelin
Untuk notebook Studio, AWS memancarkan metrik berikut di tingkat aplikasi:KPUs
,,,, cpuUtilization
heapMemoryUtilization
oldGenerationGCTime
, oldGenerationGCCount
dan. threadCount
Selain itu, ini memancarkan metrik yang ditunjukkan dalam tabel berikut, juga pada tingkat aplikasi.
Metrik | Unit | Deskripsi | Nama Prometheus |
---|---|---|---|
zeppelinCpuUtilization |
Persentase | Persentase keseluruhan CPU pemanfaatan di server Apache Zeppelin. | process_cpu_usage |
zeppelinHeapMemoryUtilization |
Persentase | Persentase keseluruhan pemanfaatan memori tumpukan untuk server Apache Zeppelin. | jvm_memory_used_bytes |
zeppelinThreadCount |
Hitung | Jumlah total utas langsung yang digunakan oleh server Apache Zeppelin. | jvm_threads_live_threads |
zeppelinWaitingJobs |
Hitung | Jumlah antrian tugas Apache Zeppelin yang menunggu utas. | jetty_threads_jobs |
zeppelinServerUptime |
Detik | Total waktu server aktif dan berjalan. | process_uptime_seconds |
Melihat CloudWatch metrik
Anda dapat melihat CloudWatch metrik untuk aplikasi Anda menggunakan CloudWatch konsol Amazon atau. AWS CLI
Untuk melihat metrik menggunakan konsol CloudWatch
Buka CloudWatch konsol di https://console.aws.amazon.com/cloudwatch/
. -
Di panel navigasi, pilih Metrik.
-
Di panel CloudWatch Metrik menurut Kategori untuk Layanan Terkelola untuk Apache Flink, pilih kategori metrik.
-
Di panel atas, gulir untuk melihat daftar lengkap metrik.
Untuk melihat metrik menggunakan AWS CLI
-
Pada jendela perintah, gunakan perintah berikut.
aws cloudwatch list-metrics --namespace "AWS/KinesisAnalytics" --region
region
Menyetel CloudWatch tingkat pelaporan metrik
Anda dapat mengontrol tingkat metrik aplikasi yang dibuat aplikasi Anda. Layanan Terkelola untuk Apache Flink mendukung tingkat metrik berikut:
-
Application (Aplikasi): Aplikasi hanya melaporkan tingkat metrik tertinggi untuk setiap aplikasi. Layanan Terkelola untuk metrik Apache Flink dipublikasikan di tingkat Aplikasi secara default.
-
Task (Tugas): Aplikasi ini melaporkan dimensi metrik khusus tugas untuk metrik yang ditentukan dengan tingkat pelaporan metrik Tugas, seperti jumlah catatan masuk dan keluar dari aplikasi per detik.
-
Operator: Aplikasi ini melaporkan dimensi metrik khusus operator untuk metrik yang ditentukan dengan tingkat pelaporan metrik Operator, seperti metrik untuk setiap operasi filter atau peta.
-
Paralelism (Paralelisme) Aplikasi melaporkan metrik tingkat
Task
danOperator
untuk setiap utas eksekusi. Tingkat pelaporan ini tidak disarankan untuk aplikasi dengan pengaturan Paralelisme di atas 64 karena biaya yang berlebihan.catatan
Anda hanya harus menggunakan tingkat metrik ini untuk pemecahan masalah karena jumlah data metrik yang dihasilkan layanan. Anda hanya dapat mengatur level metrik ini menggunakanCLI. Tingkat metrik ini tidak tersedia di konsol.
Tingkat default adalah Application (Aplikasi). Aplikasi melaporkan metrik pada tingkat saat ini dan semua tingkat yang lebih tinggi. Misalnya, jika tingkat pelaporan diatur ke Operator, aplikasi melaporkan metrik Application (Aplikasi), Task (Tugas), dan Operator (Operator).
Anda menetapkan tingkat pelaporan CloudWatch metrik menggunakan MonitoringConfiguration
parameter CreateApplication
tindakan, atau MonitoringConfigurationUpdate
parameter UpdateApplication
tindakan. Contoh permintaan UpdateApplication
tindakan berikut ini menetapkan tingkat pelaporan CloudWatch metrik ke Tugas:
{ "ApplicationName": "MyApplication", "CurrentApplicationVersionId": 4, "ApplicationConfigurationUpdate": { "FlinkApplicationConfigurationUpdate": { "MonitoringConfigurationUpdate": { "ConfigurationTypeUpdate": "CUSTOM", "MetricsLevelUpdate": "TASK" } } } }
Anda juga dapat mengonfigurasi tingkat pencatatan menggunakan parameter LogLevel
dari tindakan CreateApplication
atau parameter LogLevelUpdate
dari tindakan UpdateApplication
. Anda dapat menggunakan tingkat log berikut:
-
ERROR
: Mencatat peristiwa kesalahan yang berpotensi dapat dipulihkan -
WARN
: Mencatat peristiwa peringatan yang mungkin menyebabkan kesalahan. -
INFO
: Mencatat peristiwa informasi. -
DEBUG
: Mencatat peristiwa debugging umum.
Untuk informasi selengkapnya tentang tingkat pencatatan Log4j, lihat Tingkat Log Kustom