本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
使用適用於 Aurora 的 Performance Insights API 擷取指標
在啟用 Performance Insights 時，API 會提供對執行個體效能的可見性。Amazon CloudWatch Logs 為服務的付費監控指標提供授權來源。 AWS
績效詳情提供以平均作用中工作階段 (AAS) 評估的資料庫負載特定網域檢視。此指標在 API 消費者看來是二維時間序列資料集。資料的時間維度提供查詢的時間範圍內各時間點的資料庫負載資料。每個時間點會根據請求的維度來分解整體負載，例如 SQL、Wait-event、User、或者 Host，在該時間點所測得。
Amazon RDS 績效詳情會監控您的 Amazon Aurora 叢集，讓您可分析資料庫效能並對其進行故障診斷。檢視績效詳情資料的一個方法就是使用 AWS Management Console。績效詳情也提供公有 API，讓您可以查詢自己的資料。您可以使用 API 執行下列動作：
-
將資料卸載至資料庫
-
將績效詳情資料新增至現有監控儀表板
-
建置監控工具
若要使用績效詳情 API，請在其中一個 Amazon RDS 資料庫執行個體上啟用績效詳情。如需啟用績效詳情的相關資訊，請參閱 開啟和關閉 Aurora 的 Performance Insights。如需績效詳情 API 的相關詳細資訊，請參閱 Amazon RDS 績效詳情 API 參考。
績效詳情 API 提供下列操作。
|
績效詳情動作 |
AWS CLI 命令 |
描述 |
|---|---|---|
|
針對資料庫執行個體的特定時間區間建立績效分析報告。結果是 |
||
|
刪除績效分析報告。 |
||
|
針對特定時段，擷取其指標的前 N 個維度金鑰。 |
||
|
擷取資料庫執行個體或資料來源之指定維度群組的屬性。比方說，如果指定 SQL ID，且有維度詳細資訊可用，則 |
||
|
擷取報告，包括報告洞見。結果包括報告狀態、報告 ID、報告時間詳細資訊、洞見和建議。 |
||
GetResourceMetadata |
檢索不同功能的中繼資料。例如，中繼資料可能指出特定資料庫執行個體上某項功能已開啟或關閉。 |
|
|
擷取一組資料來源某個時段的績效詳情指標。您可以提供特定維度群組和維度，以及為每個群組提供彙總和篩選條件。 |
||
ListAvailableResourceDimensions |
檢索指定執行個體上每個指定指標類型可查詢的維度。 |
|
ListAvailableResourceMetrics |
檢索可為指定資料庫執行個體查詢的指定指標類型中所有可用的指標。 |
|
| 擷取資料庫執行個體可用的所有分析報告。報告會根據每個報告的開始時間列出。 | ||
|
列出所有新增至資源的中繼資料標籤。清單包括標籤的名稱和值。 |
||
|
將中繼資料標籤新增到 Amazon RDS 資源。標籤包括一個名稱和一個值。 |
||
|
從資源移除中繼資料標籤。 |
AWS CLI Performance Insights
您可以使用 AWS CLI檢視績效詳情資料。您可以在命令列上輸入下列命 AWS CLI 令，以檢視 Performance Insights 指令的說明。
aws pi help
如果您尚未安 AWS CLI 裝，請參閱《AWS CLI 使用指南》 AWS CLI中的〈安裝〉，以取得有關安裝它的資訊。
擷取時間序列指標
GetResourceMetrics 操作會從績效詳情資料中擷取一或多個時間時間序列指標。GetResourceMetrics 需要指標和時間間隔，並傳回含資料點清單的回應。
例如， AWS Management Console 用GetResourceMetrics來填入「計數器測量結果」圖表和「資料庫負載」圖表，如下圖所示。
GetResourceMetrics 傳回的所有指標，除 db.load 之外，皆為標準的時間序列指標。此指標會顯示在 Database Load (資料庫負載) 圖表中。db.load 指標與其他時間序列指標不同，因為您可以將它分為名為維度的子元件。在先前的影像中，db.load 已被細分，分組依據為組成 db.load 的等待狀態。
注意
GetResourceMetrics 也可以傳回 db.sampleload 指標，但 db.load 指標適用於大部分情況。
如需 GetResourceMetrics 所傳回指標的相關資訊，請參閱Performance Insights 計數器指標。
這些指標支援下列計算：
-
平均值 – 指標在一段時間內的平均值。將
.avg附加至指標名稱。 -
最小值 – 指標在一段時間內的最小值。將
.min附加至指標名稱。 -
最大值 – 指標在一段時間內的最大值。將
.max附加至指標名稱。 -
總和 – 指標值在一段時間內的總和。將
.sum附加至指標名稱。 -
取樣計數 – 在一段時間內收集指標的次數。將
.sample_count附加至指標名稱。
例如，假設收集指標的時間為 300 秒 (5 分鐘)，且每分鐘收集一次指標。每分鐘的值為 1、2、3、4 和 5。在此情況下，會傳回下列計算：
-
平均值 – 3
-
最小值 – 1
-
最大值 – 5
-
總和 – 15
-
取樣計數 – 5
若要取得有關使用get-resource-metrics AWS CLI 指令的資訊，請參閱get-resource-metrics。
對於 --metric-queries 選項，請指定您要取得結果的一或多個查詢。每個查詢的組成為必要的 Metric 和選用的 GroupBy 及 Filter 參數。以下是 --metric-queries 選項規格的範例。
{ "Metric": "string", "GroupBy": { "Group": "string", "Dimensions": ["string", ...], "Limit": integer }, "Filter": {"string": "string" ...}
AWS CLI Performance Insights 的範例
下列範例顯示如何使用「 AWS CLI Performance Insights」。
主題
擷取計數器指標
下列螢幕擷取畫面顯示 AWS Management Console中的兩個計數器指標圖表。
下列範例顯示如何收集 AWS Management Console 用來產生兩個計數器測量結果圖表的相同資料。
對於LinuxmacOS、或Unix：
aws pi get-resource-metrics \ --service-type RDS \ --identifier db-ID\ --start-time2018-10-30T00:00:00Z\ --end-time2018-10-30T01:00:00Z\ --period-in-seconds60\ --metric-queries '[{"Metric": "os.cpuUtilization.user.avg" }, {"Metric": "os.cpuUtilization.idle.avg"}]'
在 Windows 中：
aws pi get-resource-metrics ^ --service-type RDS ^ --identifier db-ID^ --start-time2018-10-30T00:00:00Z^ --end-time2018-10-30T01:00:00Z^ --period-in-seconds60^ --metric-queries '[{"Metric": "os.cpuUtilization.user.avg" }, {"Metric": "os.cpuUtilization.idle.avg"}]'
您也可以透過指定 --metrics-query 選項的檔案來提高命令的可讀性。以下範例會將名為 query.json 的檔案用於此選項。此檔案的內容如下。
[ { "Metric": "os.cpuUtilization.user.avg" }, { "Metric": "os.cpuUtilization.idle.avg" } ]
執行下列命令來使用檔案。
對於LinuxmacOS、或Unix：
aws pi get-resource-metrics \ --service-type RDS \ --identifier db-ID\ --start-time2018-10-30T00:00:00Z\ --end-time2018-10-30T01:00:00Z\ --period-in-seconds60\ --metric-queries file://query.json
在 Windows 中：
aws pi get-resource-metrics ^ --service-type RDS ^ --identifier db-ID^ --start-time2018-10-30T00:00:00Z^ --end-time2018-10-30T01:00:00Z^ --period-in-seconds60^ --metric-queries file://query.json
先前的範例會為選項指定下列值：
-
--service-type–RDSfor Amazon RDS -
--identifier– 資料執行個體的資源 ID -
--start-time和--end-time– 要查詢期間的 ISO 8601DateTime值，支援多種格式
它會查詢一小時的時間範圍：
-
--period-in-seconds–60適用於每分鐘的查詢 -
--metric-queries– 兩個查詢的陣列，一個指標剛好一個查詢。此指標名稱會使用點將指標分類在實用的類別，其中最後一個元素則做為函數。在此範例中，此函數是每個查詢的
avg。與 Amazon 一樣 CloudWatch，支持的功能是minmax，total，和avg。
回應看起來類似以下的內容。
{ "Identifier": "db-XXX", "AlignedStartTime": 1540857600.0, "AlignedEndTime": 1540861200.0, "MetricList": [ { //A list of key/datapoints "Key": { "Metric": "os.cpuUtilization.user.avg" //Metric1 }, "DataPoints": [ //Each list of datapoints has the same timestamps and same number of items { "Timestamp": 1540857660.0, //Minute1 "Value": 4.0 }, { "Timestamp": 1540857720.0, //Minute2 "Value": 4.0 }, { "Timestamp": 1540857780.0, //Minute 3 "Value": 10.0 } //... 60 datapoints for the os.cpuUtilization.user.avg metric ] }, { "Key": { "Metric": "os.cpuUtilization.idle.avg" //Metric2 }, "DataPoints": [ { "Timestamp": 1540857660.0, //Minute1 "Value": 12.0 }, { "Timestamp": 1540857720.0, //Minute2 "Value": 13.5 }, //... 60 datapoints for the os.cpuUtilization.idle.avg metric ] } ] //end of MetricList } //end of response
回應具有 Identifier、AlignedStartTime 和 AlignedEndTime。--period-in-seconds 值為 60，開始和結束時間皆一致使用分鐘。如果 --period-in-seconds 是 3600，開始和結束時間則會一致使用小時。
回應中的 MetricList 擁有許多項目，每個都包含 Key 和 DataPoints 項目。每個 DataPoint 都有 Timestamp 和 Value。每個 Datapoints 清單有 60 個資料點，因為查詢是適用於一小時中的每分鐘資料，內含 Timestamp1/Minute1、Timestamp2/Minute2 等，最多可達 Timestamp60/Minute60。
因為此查詢是適用於兩個不同的計數器指標，回應 MetricList 中會有兩個元素。
擷取最久等待事件的資料庫負載平均值
下列範例與 AWS Management Console 用來產生堆疊區域線圖的查詢相同。此範例會使用根據前七個最久的等待事件而區分的負載來擷取前一小時的 db.load.avg。此命令與 擷取計數器指標 中的命令相同。然而，查詢 query.json 檔案有以下內容。
[ { "Metric": "db.load.avg", "GroupBy": { "Group": "db.wait_event", "Limit": 7 } } ]
執行下列命令。
對於LinuxmacOS、或Unix：
aws pi get-resource-metrics \ --service-type RDS \ --identifier db-ID\ --start-time2018-10-30T00:00:00Z\ --end-time2018-10-30T01:00:00Z\ --period-in-seconds60\ --metric-queries file://query.json
在 Windows 中：
aws pi get-resource-metrics ^ --service-type RDS ^ --identifier db-ID^ --start-time2018-10-30T00:00:00Z^ --end-time2018-10-30T01:00:00Z^ --period-in-seconds60^ --metric-queries file://query.json
此範例會指定 db.load.avg 指標與前七個最久等待事件的 GroupBy。如需此範例有效值的詳細資訊，請參閱 Perfor mance Insights API 參考DimensionGroup中的。
回應看起來類似以下的內容。
{ "Identifier": "db-XXX", "AlignedStartTime": 1540857600.0, "AlignedEndTime": 1540861200.0, "MetricList": [ { //A list of key/datapoints "Key": { //A Metric with no dimensions. This is the total db.load.avg "Metric": "db.load.avg" }, "DataPoints": [ //Each list of datapoints has the same timestamps and same number of items { "Timestamp": 1540857660.0, //Minute1 "Value": 0.5166666666666667 }, { "Timestamp": 1540857720.0, //Minute2 "Value": 0.38333333333333336 }, { "Timestamp": 1540857780.0, //Minute 3 "Value": 0.26666666666666666 } //... 60 datapoints for the total db.load.avg key ] }, { "Key": { //Another key. This is db.load.avg broken down by CPU "Metric": "db.load.avg", "Dimensions": { "db.wait_event.name": "CPU", "db.wait_event.type": "CPU" } }, "DataPoints": [ { "Timestamp": 1540857660.0, //Minute1 "Value": 0.35 }, { "Timestamp": 1540857720.0, //Minute2 "Value": 0.15 }, //... 60 datapoints for the CPU key ] }, //... In total we have 8 key/datapoints entries, 1) total, 2-8) Top Wait Events ] //end of MetricList } //end of response
在此回應中，MetricList 中有八個項目。有一個項目適用於總計 db.load.avg，有七個項目，分別適用於根據前七個最久等待事件區份的 db.load.avg。與第一個範例不同，因為其中有分組維度，每個指標分組都必須有一個索引鍵。每個指標不能只有一個索引鍵，如同基本計數器指標使用案例。
擷取最高 SQL 的資料庫負載平均值
以下範例會根據前 10 個 SQL 陳述式來分組 db.wait_events。SQL 陳述式有兩個不同的分組：
-
db.sql– 完整的 SQL 陳述式，例如select * from customers where customer_id = 123 -
db.sql_tokenized– 字符化的 SQL 陳述式，例如select * from customers where customer_id = ?
分析資料庫效能時，將僅參數不同的 SQL 陳述式視為單一邏輯項目可能會很有幫助。因此，您可以在查詢時使用 db.sql_tokenized。然而，特別是在您對說明計畫感興趣時，使用參數來檢查完整 SQL 陳述式並依據 db.sql 來查詢分組有時候會更有幫助。這是字符化與完整 SQL 之間的父子關係，內含使用相同字符化 SQL (父項) 分組的多個完整 SQL (子項)。
此範例中的命令與 擷取最久等待事件的資料庫負載平均值 中的命令類似。然而，查詢 query.json 檔案有以下內容。
[ { "Metric": "db.load.avg", "GroupBy": { "Group": "db.sql_tokenized", "Limit": 10 } } ]
以下範例使用 db.sql_tokenized。
對於LinuxmacOS、或Unix：
aws pi get-resource-metrics \ --service-type RDS \ --identifier db-ID\ --start-time2018-10-29T00:00:00Z\ --end-time2018-10-30T00:00:00Z\ --period-in-seconds3600\ --metric-queries file://query.json
在 Windows 中：
aws pi get-resource-metrics ^ --service-type RDS ^ --identifier db-ID^ --start-time2018-10-29T00:00:00Z^ --end-time2018-10-30T00:00:00Z^ --period-in-seconds3600^ --metric-queries file://query.json
這個範例會查詢超過 24 小時，包含一小時的時間 period-in-seconds。
此範例會指定 db.load.avg 指標與前七個最久等待事件的 GroupBy。如需此範例有效值的詳細資訊，請參閱 Perfor mance Insights API 參考DimensionGroup中的。
回應看起來類似以下的內容。
{ "AlignedStartTime": 1540771200.0, "AlignedEndTime": 1540857600.0, "Identifier": "db-XXX", "MetricList": [ //11 entries in the MetricList { "Key": { //First key is total "Metric": "db.load.avg" } "DataPoints": [ //Each DataPoints list has 24 per-hour Timestamps and a value { "Value": 1.6964980544747081, "Timestamp": 1540774800.0 }, //... 24 datapoints ] }, { "Key": { //Next key is the top tokenized SQL "Dimensions": { "db.sql_tokenized.statement": "INSERT INTO authors (id,name,email) VALUES\n( nextval(?) ,?,?)", "db.sql_tokenized.db_id": "pi-2372568224", "db.sql_tokenized.id": "AKIAIOSFODNN7EXAMPLE" }, "Metric": "db.load.avg" }, "DataPoints": [ //... 24 datapoints ] }, // In total 11 entries, 10 Keys of top tokenized SQL, 1 total key ] //End of MetricList } //End of response
此回應在 MetricList 中有 11 個項目 (1 個總計，前 10 個字符化的 SQL)，每個項目擁有 24 個每小時 DataPoints。
對於字符化的 SQL，每個維度清單中有三個項目：
-
db.sql_tokenized.statement– 字符化的 SQL 陳述式。 -
db.sql_tokenized.db_id– 參考 SQL 所用的原生資料庫 ID，或是無法使用原生資料庫 ID 時，績效詳情為您產生的合成 ID。此範例會傳回pi-2372568224合成 ID。 -
db.sql_tokenized.id– 績效詳情中查詢的 ID。在中 AWS Management Console，此識別碼稱為 Support 識別碼。之所以之所以命名，是因為 ID 是 Sup AWS port 人員可以檢查的資料，以協助您疑難排解資料庫問題的資料。 AWS 非常重視數據的安全性和隱私性，幾乎所有數據都使用您的密 AWS KMS 鑰進行加密存儲。因此，裡面沒有人 AWS 可以查看這些數據。在先前的範例中，
tokenized.statement和tokenized.db_id都同時會以加密的形式存放。如果您的資料庫有問題，Sup AWS port 部門可以參考支 Support ID 來協助您。
進行查詢時，在 Group 中指定 GroupBy 可能會讓您省下不少心力。然而，如需對已傳回的資料進行更精細的控制，請指定維度的清單。例如，如果所需的是 db.sql_tokenized.statement，則可將 Dimensions 屬性新增至 query.json 檔案。
[ { "Metric": "db.load.avg", "GroupBy": { "Group": "db.sql_tokenized", "Dimensions":["db.sql_tokenized.statement"], "Limit": 10 } } ]
擷取依據 SQL 篩選的資料庫負載平均值
先前的影像顯示已選取特定的查詢，最高平均作用中工作階段堆疊區域折線圖的範圍仍涵蓋至該查詢。雖然此查詢仍適用於前七個整體等待事件，系統仍會將回應值篩選出來。此篩選條件會在工作階段符合特定篩選條件時，才進行篩選。
此範例中的對應 API 查詢與 擷取最高 SQL 的資料庫負載平均值 中的命令類似。然而，查詢 query.json 檔案有以下內容。
[ { "Metric": "db.load.avg", "GroupBy": { "Group": "db.wait_event", "Limit": 5 }, "Filter": { "db.sql_tokenized.id": "AKIAIOSFODNN7EXAMPLE" } } ]
對於LinuxmacOS、或Unix：
aws pi get-resource-metrics \ --service-type RDS \ --identifier db-ID\ --start-time2018-10-30T00:00:00Z\ --end-time2018-10-30T01:00:00Z\ --period-in-seconds60\ --metric-queries file://query.json
在 Windows 中：
aws pi get-resource-metrics ^ --service-type RDS ^ --identifier db-ID^ --start-time2018-10-30T00:00:00Z^ --end-time2018-10-30T01:00:00Z^ --period-in-seconds60^ --metric-queries file://query.json
回應看起來類似以下的內容。
{ "Identifier": "db-XXX", "AlignedStartTime": 1556215200.0, "MetricList": [ { "Key": { "Metric": "db.load.avg" }, "DataPoints": [ { "Timestamp": 1556218800.0, "Value": 1.4878117913832196 }, { "Timestamp": 1556222400.0, "Value": 1.192823803967328 } ] }, { "Key": { "Metric": "db.load.avg", "Dimensions": { "db.wait_event.type": "io", "db.wait_event.name": "wait/io/aurora_redo_log_flush" } }, "DataPoints": [ { "Timestamp": 1556218800.0, "Value": 1.1360544217687074 }, { "Timestamp": 1556222400.0, "Value": 1.058051341890315 } ] }, { "Key": { "Metric": "db.load.avg", "Dimensions": { "db.wait_event.type": "io", "db.wait_event.name": "wait/io/table/sql/handler" } }, "DataPoints": [ { "Timestamp": 1556218800.0, "Value": 0.16241496598639457 }, { "Timestamp": 1556222400.0, "Value": 0.05163360560093349 } ] }, { "Key": { "Metric": "db.load.avg", "Dimensions": { "db.wait_event.type": "synch", "db.wait_event.name": "wait/synch/mutex/innodb/aurora_lock_thread_slot_futex" } }, "DataPoints": [ { "Timestamp": 1556218800.0, "Value": 0.11479591836734694 }, { "Timestamp": 1556222400.0, "Value": 0.013127187864644107 } ] }, { "Key": { "Metric": "db.load.avg", "Dimensions": { "db.wait_event.type": "CPU", "db.wait_event.name": "CPU" } }, "DataPoints": [ { "Timestamp": 1556218800.0, "Value": 0.05215419501133787 }, { "Timestamp": 1556222400.0, "Value": 0.05805134189031505 } ] }, { "Key": { "Metric": "db.load.avg", "Dimensions": { "db.wait_event.type": "synch", "db.wait_event.name": "wait/synch/mutex/innodb/lock_wait_mutex" } }, "DataPoints": [ { "Timestamp": 1556218800.0, "Value": 0.017573696145124718 }, { "Timestamp": 1556222400.0, "Value": 0.002333722287047841 } ] } ], "AlignedEndTime": 1556222400.0 } //end of response
在此回應中，系統會根據 query.json file.檔案中指定的字符化 SQL AKIAIOSFODNN7EXAMPLE 的影響程度來篩選所有值。此索引鍵遵循的順序可能會與不含篩選條件的查詢不同，因為這是影響篩選 SQL 的前五個等待事件。
擷取 SQL 陳述式的完整文字
下列範例會擷取資料庫執行個體 db-10BCD2EFGHIJ3KL4M5NO6PQRS5 之 SQL 陳述式的完整文字。--group 即為 db.sql，而 --group-identifier 即為 db.sql.id。在此範例中，my-sql-id 代表藉由呼叫 pi
get-resource-metrics 或 pi describe-dimension-keys 擷取的 SQL ID。
執行下列命令。
對於LinuxmacOS、或Unix：
aws pi get-dimension-key-details \ --service-type RDS \ --identifier db-10BCD2EFGHIJ3KL4M5NO6PQRS5 \ --group db.sql \ --group-identifiermy-sql-id\ --requested-dimensions statement
在 Windows 中：
aws pi get-dimension-key-details ^ --service-type RDS ^ --identifier db-10BCD2EFGHIJ3KL4M5NO6PQRS5 ^ --group db.sql ^ --group-identifiermy-sql-id^ --requested-dimensions statement
在此範例中，維度詳細資訊可供使用。因此，績效詳情會擷取 SQL 陳述式的完整文字，而不會將其截斷。
{ "Dimensions":[ { "Value": "SELECT e.last_name, d.department_name FROM employees e, departments d WHERE e.department_id=d.department_id", "Dimension": "db.sql.statement", "Status": "AVAILABLE" }, ... ] }
建立一段時間區間的績效分析報告
下列範例會以 db-loadtest-0 資料庫的 1682969503 開始時間和 1682979503 結束時間建立績效分析報告。
aws pi create-performance-analysis-report \ --service-type RDS \ --identifier db-loadtest-0 \ --start-time 1682969503 \ --end-time 1682979503 \ --region us-west-2
回應為 report-0234d3ed98e28fb17，是報告的唯一識別碼。
{ "AnalysisReportId": "report-0234d3ed98e28fb17" }
擷取績效分析報告
下列範例擷取 report-0d99cc91c4422ee61 報告的分析報告詳細資訊。
aws pi get-performance-analysis-report \ --service-type RDS \ --identifier db-loadtest-0 \ --analysis-report-id report-0d99cc91c4422ee61 \ --region us-west-2
回應會提供報告狀態、ID、時間詳細資料和見解。
{ "AnalysisReport": { "Status": "Succeeded", "ServiceType": "RDS", "Identifier": "db-loadtest-0", "StartTime": 1680583486.584, "AnalysisReportId": "report-0d99cc91c4422ee61", "EndTime": 1680587086.584, "CreateTime": 1680587087.139, "Insights": [ ... (Condensed for space) ] } }
列出資料庫執行個體的所有績效分析報告
下列範例會列出 db-loadtest-0 資料庫所有可用的績效分析報告。
aws pi list-performance-analysis-reports \ --service-type RDS \ --identifier db-loadtest-0 \ --region us-west-2
回應將列出所有報告，其中包含報告 ID，狀態和時間區間的詳細資訊。
{ "AnalysisReports": [ { "Status": "Succeeded", "EndTime": 1680587086.584, "CreationTime": 1680587087.139, "StartTime": 1680583486.584, "AnalysisReportId": "report-0d99cc91c4422ee61" }, { "Status": "Succeeded", "EndTime": 1681491137.914, "CreationTime": 1681491145.973, "StartTime": 1681487537.914, "AnalysisReportId": "report-002633115cc002233" }, { "Status": "Succeeded", "EndTime": 1681493499.849, "CreationTime": 1681493507.762, "StartTime": 1681489899.849, "AnalysisReportId": "report-043b1e006b47246f9" }, { "Status": "InProgress", "EndTime": 1682979503.0, "CreationTime": 1682979618.994, "StartTime": 1682969503.0, "AnalysisReportId": "report-01ad15f9b88bcbd56" } ] }
刪除績效分析報告
下列範例會刪除 db-loadtest-0 資料庫的績效分析報告。
aws pi delete-performance-analysis-report \ --service-type RDS \ --identifier db-loadtest-0 \ --analysis-report-id report-0d99cc91c4422ee61 \ --region us-west-2
將標籤新增至績效分析報告
下列範例會將帶有金鑰 name 和值 test-tag 的標籤新增至 report-01ad15f9b88bcbd56 報告。
aws pi tag-resource \ --service-type RDS \ --resource-arn arn:aws:pi:us-west-2:356798100956:perf-reports/RDS/db-loadtest-0/report-01ad15f9b88bcbd56 \ --tags Key=name,Value=test-tag \ --region us-west-2
列出績效分析報告的所有標籤
下列範例會列出 report-01ad15f9b88bcbd56 報告的所有標籤。
aws pi list-tags-for-resource \ --service-type RDS \ --resource-arn arn:aws:pi:us-west-2:356798100956:perf-reports/RDS/db-loadtest-0/report-01ad15f9b88bcbd56 \ --region us-west-2
回應會列出新增至報告的所有標籤值和金鑰：
{ "Tags": [ { "Value": "test-tag", "Key": "name" } ] }
從績效分析報告中刪除標籤
下列範例會從 report-01ad15f9b88bcbd56 報告刪除 name 標籤。
aws pi untag-resource \ --service-type RDS \ --resource-arn arn:aws:pi:us-west-2:356798100956:perf-reports/RDS/db-loadtest-0/report-01ad15f9b88bcbd56 \ --tag-keys name \ --region us-west-2
刪除標籤之後，呼叫 list-tags-for-resource API 不會列出此標籤。
