監控面板部署

大約 28 分鐘

監控面板部署

IoTDB配套監控面板是IoTDB企業版配套工具之一。它旨在解決IoTDB及其所在操作系統的監控問題，主要包括：操作系統資源監控、IoTDB性能監控，及上百項內核監控指標，從而幫助用戶監控集群健康狀態，并進行集群調優和運維。本文將以常見的3C3D集群(3個Confignode和3個Datanode)為例，為您介紹如何在IoTDB的實例中開啟系統監控模塊，并且使用Prometheus + Grafana的方式完成對系統監控指標的可視化。

監控面板工具的使用說明可參考文檔使用說明章節。

1. 安裝準備

安裝 IoTDB：需先安裝IoTDB V1.0 版本及以上企業版，您可聯系商務或技術支持獲取
獲取 IoTDB 監控面板安裝包：基于企業版 IoTDB 的數據庫監控面板，您可聯系商務或技術支持獲取

2. 安裝步驟

2.1 步驟一：IoTDB開啟監控指標采集

打開監控配置項。IoTDB中監控有關的配置項默認是關閉的，在部署監控面板前，您需要打開相關配置項（注意開啟監控配置后需要重啟服務）。

配置項	所在配置文件	配置說明
cn_metric_reporter_list	conf/iotdb-system.properties	將配置項取消注釋，值設置為PROMETHEUS
cn_metric_level	conf/iotdb-system.properties	將配置項取消注釋，值設置為IMPORTANT
cn_metric_prometheus_reporter_port	conf/iotdb-system.properties	將配置項取消注釋，可保持默認設置9091，如設置其他端口，不與其他端口沖突即可
dn_metric_reporter_list	conf/iotdb-system.properties	將配置項取消注釋，值設置為PROMETHEUS
dn_metric_level	conf/iotdb-system.properties	將配置項取消注釋，值設置為IMPORTANT
dn_metric_prometheus_reporter_port	conf/iotdb-system.properties	將配置項取消注釋，可默認設置為9092，如設置其他端口，不與其他端口沖突即可

以3C3D集群為例，需要修改的監控配置如下：

節點ip	主機名	集群角色	配置文件路徑	配置項
192.168.1.3	iotdb-1	confignode	conf/iotdb-system.properties	cn_metric_reporter_list=PROMETHEUS cn_metric_level=IMPORTANT cn_metric_prometheus_reporter_port=9091
192.168.1.4	iotdb-2	confignode	conf/iotdb-system.properties	cn_metric_reporter_list=PROMETHEUS cn_metric_level=IMPORTANT cn_metric_prometheus_reporter_port=9091
192.168.1.5	iotdb-3	confignode	conf/iotdb-system.properties	cn_metric_reporter_list=PROMETHEUS cn_metric_level=IMPORTANT cn_metric_prometheus_reporter_port=9091
192.168.1.3	iotdb-1	datanode	conf/iotdb-system.properties	dn_metric_reporter_list=PROMETHEUS dn_metric_level=IMPORTANT dn_metric_prometheus_reporter_port=9092
192.168.1.4	iotdb-2	datanode	conf/iotdb-system.properties	dn_metric_reporter_list=PROMETHEUS dn_metric_level=IMPORTANT dn_metric_prometheus_reporter_port=9092
192.168.1.5	iotdb-3	datanode	conf/iotdb-system.properties	dn_metric_reporter_list=PROMETHEUS dn_metric_level=IMPORTANT dn_metric_prometheus_reporter_port=9092

重啟所有節點。修改3個節點的監控指標配置后，可重新啟動所有節點的confignode和datanode服務：

./sbin/stop-standalone.sh      #先停止confignode和datanode
./sbin/start-confignode.sh  -d #啟動confignode
./sbin/start-datanode.sh  -d   #啟動datanode

重啟后，通過客戶端確認各節點的運行狀態，若狀態都為Running，則為配置成功：

2.2 步驟二：安裝、配置Prometheus

此處以prometheus安裝在服務器192.168.1.3為例。

下載 Prometheus 安裝包，要求安裝 V2.30.3 版本及以上，可前往 Prometheus 官網下載(https://prometheus.io/docs/introduction/first_steps/)
解壓安裝包，進入解壓后的文件夾：

tar xvfz prometheus-*.tar.gz
cd prometheus-*

修改配置。修改配置文件prometheus.yml如下
1. 新增confignode任務收集ConfigNode的監控數據
2. 新增datanode任務收集DataNode的監控數據

global:
  scrape_interval: 15s 
  evaluation_interval: 15s 
scrape_configs:
  - job_name: "prometheus"
    static_configs:
      - targets: ["localhost:9090"]
  - job_name: "confignode"
    static_configs:
      - targets: ["iotdb-1:9091","iotdb-2:9091","iotdb-3:9091"]
    honor_labels: true
  - job_name: "datanode"
    static_configs:
      - targets: ["iotdb-1:9092","iotdb-2:9092","iotdb-3:9092"]
    honor_labels: true

啟動Prometheus。Prometheus 監控數據的默認過期時間為15天，在生產環境中，建議將其調整為180天以上，以對更長時間的歷史監控數據進行追蹤，啟動命令如下所示：

./prometheus --config.file=prometheus.yml --storage.tsdb.retention.time=180d

確認啟動成功。在瀏覽器中輸入 http://192.168.1.3:9090，進入Prometheus，點擊進入Status下的Target界面，當看到State均為Up時表示配置成功并已經聯通。
點擊Targets中左側鏈接可以跳轉到網頁監控，查看相應節點的監控信息：

2.3 步驟三：安裝grafana并配置數據源

此處以Grafana安裝在服務器192.168.1.3為例。

下載 Grafana 安裝包，要求安裝 V8.4.2 版本及以上，可以前往Grafana官網下載(https://grafana.com/grafana/download)
解壓并進入對應文件夾

tar -zxvf grafana-*.tar.gz
cd grafana-*

啟動Grafana：

./bin/grafana-server web

登錄Grafana。在瀏覽器中輸入 http://192.168.1.3:3000（或修改后的端口），進入Grafana，默認初始用戶名和密碼均為 admin。
配置數據源。在Connections中找到Data sources，新增一個data source并配置Data Source為Prometheus

在配置Data Source時注意Prometheus所在的URL，配置好后點擊Save & Test 出現 Data source is working 提示則為配置成功

2.4 步驟四：導入IoTDB Grafana看板

進入Grafana，選擇Dashboards：
點擊右側 Import 按鈕
使用upload json file的方式導入Dashboard
選擇IoTDB監控面板中其中一個面板的json文件，這里以選擇 Apache IoTDB ConfigNode Dashboard為例（監控面板安裝包獲取參見本文【安裝準備】）：
選擇數據源為Prometheus，然后點擊Import
之后就可以看到導入的Apache IoTDB ConfigNode Dashboard監控面板
同樣地，我們可以導入Apache IoTDB DataNode Dashboard、Apache Performance Overview Dashboard、Apache System Overview Dashboard，可看到如下的監控面板：
至此，IoTDB監控面板就全部導入完成了，現在可以隨時查看監控信息了。

CPU Cores：CPU 核數
CPU Utilization：
- System CPU Utilization：整個系統在采樣時間內 CPU 的平均負載和繁忙程度
- Process CPU Utilization：IoTDB 進程在采樣時間內占用的 CPU 比例
CPU Time Per Minute：系統每分鐘內所有進程的 CPU 時間總和

Memory

System Memory：當前系統內存的使用情況。
- Commited VM Size：操作系統分配給正在運行的進程使用的虛擬內存的大小。
- Total Physical Memory：系統可用物理內存的總量。
- Used Physical Memory：系統已經使用的內存總量。包含進程實際使用的內存量和操作系統 buffers/cache 占用的內存。
System Swap Memory：交換空間（Swap Space）內存用量。
Process Memory：IoTDB 進程使用內存的情況。
- Max Memory：IoTDB 進程能夠從操作系統那里最大請求到的內存量。（datanode-env/confignode-env 配置文件中配置分配的內存大小）
- Total Memory：IoTDB 進程當前已經從操作系統中請求到的內存總量。
- Used Memory：IoTDB 進程當前已經使用的內存總量。

Disk

Disk Space：
- Total Disk Space：IoTDB 可使用的最大磁盤空間。
- Used Disk Space：IoTDB 已經使用的磁盤空間。
Logs Per Minute：采樣時間內每分鐘 IoTDB 各級別日志數量的平均值。
File Count：IoTDB 相關文件數量
- All：所有文件數量
- TsFile：TsFile 數量
- Seq：順序 TsFile 數量
- Unseq：亂序 TsFile 數量
- WAL：WAL 文件數量
- Cross-Temp：跨空間合并 temp 文件數量
- Inner-Seq-Temp：順序空間內合并 temp 文件數量
- Innsr-Unseq-Temp：亂序空間內合并 temp 文件數量
- Mods：墓碑文件數量
Open File Handles：系統打開的文件句柄數量
File Size：IoTDB 相關文件的大小。各子項分別是對應文件的大小。
Disk Utilization (%)：等價于 iostat 中的 %util 指標，一定程度上反映磁盤的繁忙程度。各子項分別是對應磁盤的指標。
Disk I/O Throughput：系統各磁盤在一段時間 I/O Throughput 的平均值。各子項分別是對應磁盤的指標。
Disk IOPS：等價于 iostat 中的 r/s 、w/s、rrqm/s、wrqm/s 四個指標，指的是磁盤每秒鐘進行 I/O 的次數。read 和 write 指的是磁盤執行單次 I/O 的次數，由于塊設備有相應的調度算法，在某些情況下可以將多個相鄰的 I/O 合并為一次進行，merged-read 和 merged-write 指的是將多個 I/O 合并為一個 I/O 進行的次數。
Disk I/O Latency (Avg)：等價于 iostat 的 await，即每個 I/O 請求的平均時延。讀和寫請求分開記錄。
Disk I/O Request Size (Avg)：等價于 iostat 的 avgrq-sz，反映了每個 I/O 請求的大小。讀和寫請求分開記錄。
Disk I/O Queue Length (Avg)：等價于 iostat 中的 avgqu-sz，即 I/O 請求隊列的平均長度。
I/O Syscall Rate：進程調用讀寫系統調用的頻率，類似于 IOPS。
I/O Throughput：進程進行 I/O 的吞吐量，分為 actual_read/write 和 attempt_read/write 兩類。actual read 和 actual write 指的是進程實際導致塊設備進行 I/O 的字節數，不包含被 Page Cache 處理的部分。

JVM

GC Time Percentage：節點 JVM 在過去一分鐘的時間窗口內，GC 耗時所占的比例
GC Allocated/Promoted Size：節點 JVM 平均每分鐘晉升到老年代的對象大小，新生代/老年代和非分代新申請的對象大小
GC Live Data Size：節點 JVM 長期存活的對象大小和對應代際允許的最大值
Heap Memory：JVM 堆內存使用情況。
- Maximum Heap Memory：JVM 最大可用的堆內存大小。
- Committed Heap Memory：JVM 已提交的堆內存大小。
- Used Heap Memory：JVM 已經使用的堆內存大小。
- PS Eden Space：PS Young 區的大小。
- PS Old Space：PS Old 區的大小。
- PS Survivor Space：PS Survivor 區的大小。
- ...（CMS/G1/ZGC 等）
Off-Heap Memory：堆外內存用量。
- Direct Memory：堆外直接內存。
- Mapped Memory：堆外映射內存。
GCs Per Minute：節點 JVM 平均每分鐘進行垃圾回收的次數，包括 YGC 和 FGC
GC Latency Per Minute：節點 JVM 平均每分鐘進行垃圾回收的耗時，包括 YGC 和 FGC
GC Events Breakdown Per Minute：節點 JVM 平均每分鐘由于不同 cause 進行垃圾回收的次數，包括 YGC 和 FGC
GC Pause Time Breakdown Per Minute：節點 JVM 平均每分鐘由于不同 cause 進行垃圾回收的耗時，包括 YGC 和 FGC
JIT Compilation Time Per Minute：每分鐘 JVM 用于編譯的總時間
Loaded & Unloaded Classes：
- Loaded：JVM 目前已經加載的類的數量
- Unloaded：系統啟動至今 JVM 卸載的類的數量
Active Java Threads：IoTDB 目前存活的線程數。各子項分別為各狀態的線程數。

Network

eno 指的是到公網的網卡，lo 是虛擬網卡。

Network Speed：網卡發送和接收數據的速度
Network Throughput (Receive/Transmit)：網卡發送或者接收的數據包大小，自系統重啟后算起
Packet Transmission Rate：網卡發送和接收數據包的速度，一次 RPC 請求可以對應一個或者多個數據包
Active TCP Connections：當前選定進程的 socket 連接數（IoTDB只有 TCP）

3.2 整體性能面板（Performance Overview Dashboard）

Cluster Overview

Total CPU Cores: 集群機器 CPU 總核數
DataNode CPU Load: 集群各DataNode 節點的 CPU 使用率
磁盤
- Total Disk Space: 集群機器磁盤總大小
- DataNode Disk Utilization: 集群各 DataNode 的磁盤使用率
Total Time Series: 集群管理的時間序列總數（含副本），實際時間序列數需結合元數據副本數計算
Cluster Info: 集群 ConfigNode 和 DataNode 節點數量
Up Time: 集群啟動至今的時長
Total Write Throughput: 集群每秒寫入總點數（含副本），實際寫入總點數需結合數據副本數分析
內存
- Total System Memory: 集群機器系統內存總大小
- Total Swap Memory: 集群機器交換內存總大小
- DataNode Process Memory Utilization: 集群各 DataNode 的內存使用率
Total Files: 集群管理文件總數量
Cluster System Overview: 集群機器概述，包括平均 DataNode 節點內存占用率、平均機器磁盤使用率
Total DataBases: 集群管理的 Database 總數（含副本）
Total DataRegions: 集群管理的 DataRegion 總數
Total SchemaRegions: 集群管理的 SchemaRegion 總數

Node Overview

CPU Cores: 節點所在機器的 CPU 核數
Disk Space: 節點所在機器的磁盤大小
Time Series: 節點所在機器管理的時間序列數量（含副本）
System Overview: 節點所在機器的系統概述，包括 CPU 負載、進程內存使用比率、磁盤使用比率
Write Throughput: 節點所在機器的每秒寫入速度（含副本）
System Memory: 節點所在機器的系統內存大小
Swap Memory: 節點所在機器的交換內存大小
File Count: 節點管理的文件數

Performance

Session Idle Time: 節點的 session 連接的總空閑時間和總忙碌時間
Client Connections: 節點的客戶端連接情況，包括總連接數和活躍連接數
Operation Latency: 節點的各類型操作耗時，包括平均值和P99
Average Interface Latency: 節點的各個 thrift 接口平均耗時
P99 Interface Latency: 節點的各個 thrift 接口的 P99 耗時數
Total Tasks: 節點的各項系統任務數量
Average Task Latency: 節點的各項系統任務的平均耗時
P99 Task Latency: 節點的各項系統任務的 P99 耗時
Operations Per Second: 節點的每秒操作數
主流程
- Operations Per Second (Stage-wise): 節點主流程各階段的每秒操作數
- Average Stage Latency: 節點主流程各階段平均耗時
- P99 Stage Latency: 節點主流程各階段 P99 耗時
Schedule 階段
- Schedule Operations Per Second: 節點 schedule 階段各子階段每秒操作數
- Average Schedule Stage Latency: 節點 schedule 階段各子階段平均耗時
- P99 Schedule Stage Latency: 節點的 schedule 階段各子階段 P99 耗時
Local Schedule 各子階段
- Local Schedule Operations Per Second: 節點 local schedule 各子階段每秒操作數
- Average Local Schedule Stage Latency: 節點 local schedule 階段各子階段平均耗時
- P99 Local Schedule Latency: 節點的 local schedule 階段各子階段 P99 耗時
Storage 階段
- Storage Operations Per Second: 節點 storage 階段各子階段每秒操作數
- Average Storage Stage Latency: 節點 storage 階段各子階段平均耗時
- P99 Storage Stage Latency: 節點 storage 階段各子階段 P99 耗時
Engine 階段
- Engine Operations Per Second: 節點 engine 階段各子階段每秒操作數
- Average Engine Stage Latency: 節點的 engine 階段各子階段平均耗時
- P99 Engine Stage Latency: 節點 engine 階段各子階段的 P99 耗時

System

CPU Utilization: 節點的 CPU 負載
CPU Latency Per Minute: 節點的每分鐘 CPU 時間，最大值和 CPU 核數相關
GC Latency Per Minute: 節點的平均每分鐘 GC 耗時，包括 YGC 和 FGC
Heap Memory: 節點的堆內存使用情況
Off-Heap Memory: 節點的非堆內存使用情況
Total Java Threads: 節點的 Java 線程數量情況
File Count: 節點管理的文件數量情況
File Size: 節點管理文件大小情況
Logs Per Minute: 節點的每分鐘不同類型日志情況

3.3 ConfigNode 面板（ConfigNode Dashboard）

該面板展示了集群中所有管理節點的表現情況，包括分區、節點信息、客戶端連接情況統計等。

Node Overview

Database Count: 節點的數據庫數量
Region
- DataRegion Count: 節點的 DataRegion 數量
- DataRegion Status: 節點的 DataRegion 的狀態
- SchemaRegion Count: 節點的 SchemaRegion 數量
- SchemaRegion Status: 節點的 SchemaRegion 的狀態
System Memory Utilization: 節點的系統內存大小
Swap Memory Utilization: 節點的交換區內存大小
ConfigNodes Status: 節點所在集群的 ConfigNode 的運行狀態
DataNodes Status: 節點所在集群的 DataNode 情況
System Overview: 節點的系統概述，包括系統內存、磁盤使用、進程內存以及CPU負載

NodeInfo

Node Count: 節點所在集群的節點數量，包括 ConfigNode 和 DataNode
ConfigNode Status: 節點所在集群的 ConfigNode 節點的狀態
DataNode Status: 節點所在集群的 DataNode 節點的狀態
SchemaRegion Distribution: 節點所在集群的 SchemaRegion 的分布情況
SchemaRegionGroup Leader Distribution: 節點所在集群的 SchemaRegionGroup 的 Leader 分布情況
DataRegion Distribution: 節點所在集群的 DataRegion 的分布情況
DataRegionGroup Leader Distribution: 節點所在集群的 DataRegionGroup 的 Leader 分布情況

Protocol

客戶端數量統計
- Active Clients: 節點各線程池的活躍客戶端數量
- Idle Clients: 節點各線程池的空閑客戶端數量
- Borrowed Clients Per Second: 節點各線程池的借用客戶端數量
- Created Clients Per Second: 節點各線程池的創建客戶端數量
- Destroyed Clients Per Second: 節點各線程池的銷毀客戶端數量
客戶端時間情況
- Average Client Active Time: 節點各線程池客戶端的平均活躍時間
- Average Client Borrowing Latency: 節點各線程池的客戶端平均借用等待時間
- Average Client Idle Time: 節點各線程池的客戶端平均空閑時間

Partition Table

SchemaRegionGroup Count: 節點所在集群的 Database 的 SchemaRegionGroup 的數量
DataRegionGroup Count: 節點所在集群的 Database 的 DataRegionGroup 的數量
SeriesSlot Count: 節點所在集群的 Database 的 SeriesSlot 的數量
TimeSlot Count: 節點所在集群的 Database 的 TimeSlot 的數量
DataRegion Status: 節點所在集群的 DataRegion 狀態
SchemaRegion Status: 節點所在集群的 SchemaRegion 的狀態

Consensus

Ratis Stage Latency: 節點的 Ratis 各階段耗時
Write Log Entry Latency: 節點的 Ratis 寫 Log 的耗時
Remote/Local Write Latency: 節點的 Ratis 的遠程寫入和本地寫入的耗時
Remote/Local Write Throughput: 節點 Ratis 的遠程和本地寫入的 QPS
RatisConsensus Memory Utilization: 節點 Ratis 共識協議的內存使用

3.4 DataNode 面板（DataNode Dashboard）

該面板展示了集群中所有數據節點的監控情況，包含寫入耗時、查詢耗時、存儲文件數等。

Node Overview

Total Managed Entities: 節點管理的實體情況
Write Throughput: 節點的每秒寫入速度
Memory Usage: 節點的內存使用情況，包括 IoT Consensus 各部分內存占用、SchemaRegion內存總占用和各個數據庫的內存占用。

Protocol

節點操作耗時
- Average Operation Latency: 節點的各項操作的平均耗時
- P50 Operation Latency: 節點的各項操作耗時的中位數
- P99 Operation Latency: 節點的各項操作耗時的P99
Thrift統計
- Thrift Interface QPS: 節點各個 Thrift 接口的 QPS
- Average Thrift Interface Latency: 節點各個 Thrift 接口的平均耗時
- Thrift Connections: 節點的各類型的 Thrfit 連接數量
- Active Thrift Threads: 節點各類型的活躍 Thrift 連接數量
客戶端統計
- Active Clients: 節點各線程池的活躍客戶端數量
- Idle Clients: 節點各線程池的空閑客戶端數量
- Borrowed Clients Per Second: 節點的各線程池借用客戶端數量
- Created Clients Per Second: 節點各線程池的創建客戶端數量
- Destroyed Clients Per Second: 節點各線程池的銷毀客戶端數量
- Average Client Active Time: 節點各線程池的客戶端平均活躍時間
- Average Client Borrowing Latency: 節點各線程池的客戶端平均借用等待時間
- Average Client Idle Time: 節點各線程池的客戶端平均空閑時間

Storage Engine

File Count: 節點管理的各類型文件數量
File Size: 節點管理的各類型文件大小
TsFile
- Total TsFile Size Per Level: 節點管理的各級別 TsFile 文件總大小
- TsFile Count Per Level: 節點管理的各級別 TsFile 文件數量
- Average TsFile Size Per Level: 節點管理的各級別 TsFile 文件的平均大小
Total Tasks: 節點的 Task 數量
Task Latency: 節點的 Task 的耗時
Compaction
- Compaction Read/Write Throughput: 節點的每秒鐘合并讀寫速度
- Compactions Per Minute: 節點的每分鐘合并數量
- Compaction Chunk Status: 節點合并不同狀態的 Chunk 的數量
- Compacted-Points Per Minute: 節點每分鐘合并的點數

Write Performance

Average Write Latency: 節點寫入耗時平均值，包括寫入 wal 和 memtable
P50 Write Latency: 節點寫入耗時中位數，包括寫入 wal 和 memtable
P99 Write Latency: 節點寫入耗時的P99，包括寫入 wal 和 memtable
WAL
- WAL File Size: 節點管理的 WAL 文件總大小
- WAL Files: 節點管理的 WAL 文件數量
- WAL Nodes: 節點管理的 WAL Node 數量
- Checkpoint Creation Time: 節點創建各類型的 CheckPoint 的耗時
- WAL Serialization Time (Total): 節點 WAL 序列化總耗時
- Data Region Mem Cost: 節點不同的DataRegion的內存占用、當前實例的DataRegion的內存總占用、當前集群的 DataRegion 的內存總占用
- Serialize One WAL Info Entry Cost: 節點序列化一個WAL Info Entry 耗時
- Oldest MemTable Ram Cost When Cause Snapshot: 節點 WAL 觸發 oldest MemTable snapshot 時 MemTable 大小
- Oldest MemTable Ram Cost When Cause Flush: 節點 WAL 觸發 oldest MemTable flush 時 MemTable 大小
- WALNode Effective Info Ratio: 節點的不同 WALNode 的有效信息比
- WAL Buffer
  - WAL Buffer Latency: 節點 WAL flush SyncBuffer 耗時，包含同步和異步兩種
  - WAL Buffer Used Ratio: 節點的 WAL Buffer 的使用率
  - WAL Buffer Entries Count: 節點的 WAL Buffer 的條目數量
Flush統計
- Average Flush Latency: 節點 Flush 的總耗時和各個子階段耗時的平均值
- P50 Flush Latency: 節點 Flush 的總耗時和各個子階段耗時的中位數
- P99 Flush Latency: 節點 Flush 的總耗時和各個子階段耗時的 P99
- Average Flush Subtask Latency: 節點的 Flush 平均子任務耗時平均情況，包括排序、編碼、IO 階段
- P50 Flush Subtask Latency: 節點的 Flush 各個子任務的耗時中位數情況，包括排序、編碼、IO 階段
- P99 Flush Subtask Latency: 節點的 Flush 平均子任務耗時P99情況，包括排序、編碼、IO 階段
Pending Flush Task Num: 節點的處于阻塞狀態的 Flush 任務數量
Pending Flush Sub Task Num: 節點阻塞的 Flush 子任務數量
Tsfile Compression Ratio of Flushing MemTable: 節點刷盤 Memtable 時對應的 TsFile 壓縮率
Flush TsFile Size of DataRegions: 節點不同 DataRegion 的每次刷盤時對應的 TsFile 大小
Size of Flushing MemTable: 節點刷盤的 Memtable 的大小
Points Num of Flushing MemTable: 節點不同 DataRegion 刷盤時的點數
Series Num of Flushing MemTable: 節點的不同 DataRegion 的 Memtable 刷盤時的時間序列數
Average Point Num of Flushing MemChunk: 節點 MemChunk 刷盤的平均點數

Schema Engine

Schema Engine Mode: 節點的元數據引擎模式
Schema Consensus Protocol: 節點的元數據共識協議
Schema Region Number: 節點管理的 SchemaRegion 數量
Schema Region Memory Overview: 節點的 SchemaRegion 的內存數量
Memory Usgae per SchemaRegion: 節點 SchemaRegion 的平均內存使用大小
Cache MNode per SchemaRegion: 節點每個 SchemaRegion 中 cache node 個數
MLog Length and Checkpoint: 節點每個 SchemaRegion 的當前 mlog 的總長度和檢查點位置（僅 SimpleConsensus 有效）
Buffer MNode per SchemaRegion: 節點每個 SchemaRegion 中 buffer node 個數
Activated Template Count per SchemaRegion: 節點每個SchemaRegion中已激活的模版數
時間序列統計
- Timeseries Count per SchemaRegion: 節點 SchemaRegion 的平均時間序列數
- Series Type: 節點不同類型的時間序列數量
- Time Series Number: 節點的時間序列總數
- Template Series Number: 節點的模板時間序列總數
- Template Series Count per SchemaRegion: 節點每個SchemaRegion中通過模版創建的序列數
IMNode統計
- Pinned MNode per SchemaRegion: 節點每個 SchemaRegion 中 Pinned 的 IMNode 節點數
- Pinned Memory per SchemaRegion: 節點每個 SchemaRegion 中 Pinned 的 IMNode 節點的內存占用大小
- Unpinned MNode per SchemaRegion: 節點每個 SchemaRegion 中 Unpinned 的 IMNode 節點數
- Unpinned Memory per SchemaRegion: 節點每個 SchemaRegion 中 Unpinned 的 IMNode 節點的內存占用大小
- Schema File Memory MNode Number: 節點全局 pinned 和 unpinned 的 IMNode 節點數
- Release and Flush MNode Rate: 節點每秒 release 和 flush 的 IMNode 數量
Cache Hit Rate: 節點的緩存命中率
Release and Flush Thread Number: 節點當前活躍的 Release 和 Flush 線程數量
Time Consumed of Relead and Flush (avg): 節點觸發 cache 釋放和 buffer 刷盤耗時的平均值
Time Consumed of Relead and Flush (99%): 節點觸發 cache 釋放和 buffer 刷盤的耗時的 P99

Query Engine

各階段耗時
- Average Query Plan Execution Time: 節點查詢各階段耗時的平均值
- P50 Query Plan Execution Time: 節點查詢各階段耗時的中位數
- P99 Query Plan Execution Time: 節點查詢各階段耗時的P99
執行計劃分發耗時
- Average Query Plan Dispatch Time: 節點查詢執行計劃分發耗時的平均值
- P50 Query Plan Dispatch Time: 節點查詢執行計劃分發耗時的中位數
- P99 Query Plan Dispatch Time: 節點查詢執行計劃分發耗時的P99
執行計劃執行耗時
- Average Query Execution Time: 節點查詢執行計劃執行耗時的平均值
- P50 Query Execution Time: 節點查詢執行計劃執行耗時的中位數
- P99 Query Execution Time: 節點查詢執行計劃執行耗時的P99
算子執行耗時
- Average Query Operator Execution Time: 節點查詢算子執行耗時的平均值
- P50 Query Operator Execution Time: 節點查詢算子執行耗時的中位數
- P99 Query Operator Execution Time: 節點查詢算子執行耗時的P99
聚合查詢計算耗時
- Average Query Aggregation Execution Time: 節點聚合查詢計算耗時的平均值
- P50 Query Aggregation Execution Time: 節點聚合查詢計算耗時的中位數
- P99 Query Aggregation Execution Time: 節點聚合查詢計算耗時的P99
文件/內存接口耗時
- Average Query Scan Execution Time: 節點查詢文件/內存接口耗時的平均值
- P50 Query Scan Execution Time: 節點查詢文件/內存接口耗時的中位數
- P99 Query Scan Execution Time: 節點查詢文件/內存接口耗時的P99
資源訪問數量
- Average Query Resource Utilization: 節點查詢資源訪問數量的平均值
- P50 Query Resource Utilization: 節點查詢資源訪問數量的中位數
- P99 Query Resource Utilization: 節點查詢資源訪問數量的P99
數據傳輸耗時
- Average Query Data Exchange Latency: 節點查詢數據傳輸耗時的平均值
- P50 Query Data Exchange Latency: 節點查詢數據傳輸耗時的中位數
- P99 Query Data Exchange Latency: 節點查詢數據傳輸耗時的P99
數據傳輸數量
- Average Query Data Exchange Count: 節點查詢的數據傳輸數量的平均值
- Query Data Exchange Count: 節點查詢的數據傳輸數量的分位數，包括中位數和P99
任務調度數量與耗時
- Query Queue Length: 節點查詢任務調度數量
- Average Query Scheduling Latency: 節點查詢任務調度耗時的平均值
- P50 Query Scheduling Latency: 節點查詢任務調度耗時的中位數
- P99 Query Scheduling Latency: 節點查詢任務調度耗時的P99

Query Interface

加載時間序列元數據
- Average Timeseries Metadata Load Time: 節點查詢加載時間序列元數據耗時的平均值
- P50 Timeseries Metadata Load Time: 節點查詢加載時間序列元數據耗時的中位數
- P99 Timeseries Metadata Load Time: 節點查詢加載時間序列元數據耗時的P99
讀取時間序列
- Average Timeseries Metadata Read Time: 節點查詢讀取時間序列耗時的平均值
- P50 Timeseries Metadata Read Time: 節點查詢讀取時間序列耗時的中位數
- P99 Timeseries Metadata Read Time: 節點查詢讀取時間序列耗時的P99
修改時間序列元數據
- Average Timeseries Metadata Modification Time: 節點查詢修改時間序列元數據耗時的平均值
- P50 Timeseries Metadata Modification Time: 節點查詢修改時間序列元數據耗時的中位數
- P99 Timeseries Metadata Modification Time: 節點查詢修改時間序列元數據耗時的P99
加載Chunk元數據列表
- Average Chunk Metadata List Load Time: 節點查詢加載Chunk元數據列表耗時的平均值
- P50 Chunk Metadata List Load Time: 節點查詢加載Chunk元數據列表耗時的中位數
- P99 Chunk Metadata List Load Time: 節點查詢加載Chunk元數據列表耗時的P99
修改Chunk元數據
- Average Chunk Metadata Modification Time: 節點查詢修改Chunk元數據耗時的平均值
- P50 Chunk Metadata Modification Time: 節點查詢修改Chunk元數據耗時的總位數
- P99 Chunk Metadata Modification Time: 節點查詢修改Chunk元數據耗時的P99
按照Chunk元數據過濾
- Average Chunk Metadata Filtering Time: 節點查詢按照Chunk元數據過濾耗時的平均值
- P50 Chunk Metadata Filtering Time: 節點查詢按照Chunk元數據過濾耗時的中位數
- P99 Chunk Metadata Filtering Time: 節點查詢按照Chunk元數據過濾耗時的P99
構造Chunk Reader
- Average Chunk Reader Construction Time: 節點查詢構造Chunk Reader耗時的平均值
- P50 Chunk Reader Construction Time: 節點查詢構造Chunk Reader耗時的中位數
- P99 Chunk Reader Construction Time: 節點查詢構造Chunk Reader耗時的P99
讀取Chunk
- Average Chunk Read Time: 節點查詢讀取Chunk耗時的平均值
- P50 Chunk Read Time: 節點查詢讀取Chunk耗時的中位數
- P99 Chunk Read Time: 節點查詢讀取Chunk耗時的P99
初始化Chunk Reader
- Average Chunk Reader Initialization Time: 節點查詢初始化Chunk Reader耗時的平均值
- P50 Chunk Reader Initialization Time: 節點查詢初始化Chunk Reader耗時的中位數
- P99 Chunk Reader Initialization Time: 節點查詢初始化Chunk Reader耗時的P99
通過 Page Reader 構造 TsBlock
- Average TsBlock Construction Time from Page Reader: 節點查詢通過 Page Reader 構造 TsBlock 耗時的平均值
- P50 TsBlock Construction Time from Page Reader: 節點查詢通過 Page Reader 構造 TsBlock 耗時的中位數
- P99 TsBlock Construction Time from Page Reader: 節點查詢通過 Page Reader 構造 TsBlock 耗時的P99
查詢通過 Merge Reader 構造 TsBlock
- Average TsBlock Construction Time from Merge Reader: 節點查詢通過 Merge Reader 構造 TsBlock 耗時的平均值
- P50 TsBlock Construction Time from Merge Reader: 節點查詢通過 Merge Reader 構造 TsBlock 耗時的中位數
- P99 TsBlock Construction Time from Merge Reader: 節點查詢通過 Merge Reader 構造 TsBlock 耗時的P99

Query Data Exchange

查詢的數據交換耗時。

通過 source handle 獲取 TsBlock
- Average Source Handle TsBlock Retrieval Time: 節點查詢通過 source handle 獲取 TsBlock 耗時的平均值
- P50 Source Handle TsBlock Retrieval Time: 節點查詢通過 source handle 獲取 TsBlock 耗時的中位數
- P99 Source Handle TsBlock Retrieval Time: 節點查詢通過 source handle 獲取 TsBlock 耗時的P99
通過 source handle 反序列化 TsBlock
- Average Source Handle TsBlock Deserialization Time: 節點查詢通過 source handle 反序列化 TsBlock 耗時的平均值
- P50 Source Handle TsBlock Deserialization Time: 節點查詢通過 source handle 反序列化 TsBlock 耗時的中位數
- P99 Source Handle TsBlock Deserialization Time: 節點查詢通過 source handle 反序列化 TsBlock 耗時的P99
通過 sink handle 發送 TsBlock
- Average Sink Handle TsBlock Transmission Time: 節點查詢通過 sink handle 發送 TsBlock 耗時的平均值
- P50 Sink Handle TsBlock Transmission Time: 節點查詢通過 sink handle 發送 TsBlock 耗時的中位數
- P99 Sink Handle TsBlock Transmission Time: 節點查詢通過 sink handle 發送 TsBlock 耗時的P99
回調 data block event
- Average Data Block Event Acknowledgment Time: 節點查詢回調 data block event 耗時的平均值
- P50 Data Block Event Acknowledgment Time: 節點查詢回調 data block event 耗時的中位數
- P99 Data Block Event Acknowledgment Time: 節點查詢回調 data block event 耗時的P99
獲取 data block task
- Average Data Block Task Retrieval Time: 節點查詢獲取 data block task 耗時的平均值
- P50 Data Block Task Retrieval Time: 節點查詢獲取 data block task 耗時的中位數
- P99 Data Block Task Retrieval Time: 節點查詢獲取 data block task 耗時的 P99

MppDataExchangeManager: 節點查詢時 shuffle sink handle 和 source handle 的數量
LocalExecutionPlanner: 節點可分配給查詢分片的剩余內存
FragmentInstanceManager: 節點正在運行的查詢分片上下文信息和查詢分片的數量
Coordinator: 節點上記錄的查詢數量
MemoryPool Size: 節點查詢相關的內存池情況
MemoryPool Capacity: 節點查詢相關的內存池的大小情況，包括最大值和剩余可用值
DriverScheduler Count: 節點查詢相關的隊列任務數量

Consensus - IoT Consensus

內存使用
- IoTConsensus Used Memory: 節點的 IoT Consensus 的內存使用情況，包括總使用內存大小、隊列使用內存大小、同步使用內存大小
節點間同步情況
- IoTConsensus Sync Index Size: 節點的 IoT Consensus 的不同 DataRegion 的 SyncIndex 大小
- IoTConsensus Overview: 節點的 IoT Consensus 的總同步差距和緩存的請求數量
- IoTConsensus Search Index Growth Rate: 節點 IoT Consensus 不同 DataRegion 的寫入 SearchIndex 的增長速率
- IoTConsensus Safe Index Growth Rate: 節點 IoT Consensus 不同 DataRegion 的同步 SafeIndex 的增長速率
- IoTConsensus LogDispatcher Request Size: 節點 IoT Consensus 不同 DataRegion 同步到其他節點的請求大小
- Sync Lag: 節點 IoT Consensus 不同 DataRegion 的同步差距大小
- Min Peer Sync Lag: 節點 IoT Consensus 不同 DataRegion 向不同副本的最小同步差距
- Peer Sync Speed Difference: 節點 IoT Consensus 不同 DataRegion 向不同副本同步的最大差距
- IoTConsensus LogEntriesFromWAL Rate: 節點 IoT Consensus 不同 DataRegion 從 WAL 獲取日志的速率
- IoTConsensus LogEntriesFromQueue Rate: 節點 IoT Consensus 不同 DataRegion 從隊列獲取日志的速率
不同執行階段耗時
- The Time Consumed of Different Stages (avg): 節點 IoT Consensus 不同執行階段的耗時的平均值
- The Time Consumed of Different Stages (50%): 節點 IoT Consensus 不同執行階段的耗時的中位數
- The Time Consumed of Different Stages (99%): 節點 IoT Consensus 不同執行階段的耗時的P99

Consensus - DataRegion Ratis Consensus

Ratis Consensus Stage Latency: 節點 Ratis 不同階段的耗時
Ratis Log Write Latency: 節點 Ratis 寫 Log 不同階段的耗時
Remote / Local Write Latency: 節點 Ratis 在本地或者遠端寫入的耗時
Remote / Local Write Throughput (QPS): 節點 Ratis 在本地或者遠端寫入的 QPS
RatisConsensus Memory Usage: 節點 Ratis 的內存使用情況

Consensus - SchemaRegion Ratis Consensus

RatisConsensus Stage Latency: 節點 Ratis 不同階段的耗時
Ratis Log Write Latency: 節點 Ratis 寫 Log 各階段的耗時
Remote / Local Write Latency: 節點 Ratis 在本地或者遠端寫入的耗時
Remote / Local Write Throughput (QPS): 節點 Ratis 在本地或者遠端寫入的QPS
RatisConsensus Memory Usage: 節點 Ratis 內存使用情況

欧美一区二区三区成人久久_天堂视频免费看www_激情图综合网_另类男人天堂_老司机影音先锋日本网站在线_国产成人性生交大片免费看试看_国产小伙嫖妓二十六在线_熟妇少妇任你躁在线无码网站

監控面板部署

監控面板部署

1. 安裝準備

2. 安裝步驟

2.1 步驟一：IoTDB開啟監控指標采集

2.2 步驟二：安裝、配置Prometheus

2.3 步驟三：安裝grafana并配置數據源

2.4 步驟四：導入IoTDB Grafana看板

3. 附錄、監控指標詳解

3.1 系統面板（System Dashboard）

CPU

Memory

Disk

JVM

Network

3.2 整體性能面板（Performance Overview Dashboard）

Cluster Overview

Node Overview

Performance

System

3.3 ConfigNode 面板（ConfigNode Dashboard）

Node Overview

NodeInfo

Protocol

Partition Table

Consensus

3.4 DataNode 面板（DataNode Dashboard）

Node Overview

Protocol

Storage Engine

Write Performance

Schema Engine

Query Engine

Query Interface

Query Data Exchange

Consensus - IoT Consensus

Consensus - DataRegion Ratis Consensus

Consensus - SchemaRegion Ratis Consensus