我找不到任何文章来描述在多实例上运行的应用程序与数据狗分发相比使用datadog直方图的优势。有人能帮我决定这两者之间的最佳选择吗?
我在DataDog文档中发现的主要区别之一:
- HISTOGRAM指标提交类型表示在一个时间间隔内计算的一组值的统计分布。代理聚合在定义的时间间隔内发送的值,并生成表示值集的不同指标。
- DISTRIBUTION指标提交类型表示在一个时间间隔内跨整个分布式基础架构计算的一组值的全局统计分布。DISTRIBUTION 指标将时间间隔内的所有原始数据发送到 Datadog。聚合发生在服务器端。由于底层数据结构表示原始的、未聚合的数据,因此分布提供了两个主要功能:百分位聚合的计算和标记的自定义
https://docs.datadoghq.com/metrics/types/
https://docs.datadoghq.com/metrics/distributions/
与直方图相比,发行版提供了增强的查询功能和配置选项。由于聚合发生在服务器端的分布样式指标,因此您可以计算服务的全局准确百分位数。
另一方面,直方图在代理端聚合。因此,即使您在 datadog 中看到 .p99 时间序列,它也将是每个主机。您可以通过取平均值将其聚合到 datadog 中,但它不会是真正的 p99。
分发有助于解决的一个用例是定义服务的 SLO。