grafana教程续写

gen_word.sh

@@ -0,0 +1,25 @@
+pandoc 00_preface.md \
+01_node_introduce.md \
+02_node_javascript.md \
+03_node_basic.md \
+04_node_npm.md \
+05_node_database.md \
+06_node_express_basic.md \
+07_node_express_advance.md \
+08_node_unit_test.md \
+09_node_production.md \
+10_node_addon.md \
+11_node_optimization.md \
+12_node_web_security.md \
+13_node_web_worker.md \
+14_node_log_and_monitor.md \
+15_micro_service.md \
+16_openapi_doc.md \
+a1_node_utils.md \
+a2_bibliography.md \
+a3_convention.md \
+a4_node_http.md \
+a5_node_multi_versions.md \
+a6_node_native_addon_config.md \
+a7_easy_monitor_setup.md \
+-o output.docx

text/14_node_log_and_monitor.md

@@ -922,15 +922,91 @@ req_duration{serverName="chapter14",namespace="default",path="/b"} 126
 
 **图 14.3.2.1 Prometheus 基本数据结构图示**
 
+> 为了构图方便，这里简单认为各个指标中只有 `status` 这一个 lable。
+
 我们在 **代码 14.3.1.2** 中会看到里面有一个 `scrape_interval` 参数，设定的值是 15s，代表  Prometheus 默认会每隔 15s，去 **图 14.3.1.2** 中定义的各个 endpoint 上抓取数据。如果给 **输出 13.3.2.1** 绘制一张示意图的话，那么这里面两个相邻点的时间间隔应该为 15s。
 
-我们用绿色框标识的几个点，是位于 `[t1,t4]` 时间段内的 `req_duration` 指标的一个数据集，这个数据集被称为 **范围向量（Range Vector）** 。
+我们抽取范围向量中某一个时间点的数据集，就像我们在上图红色框中框选的那样，我们抽取 t2 时间点上的 `req_count` 指标的数据集，这个数据集被称为 **瞬时向量（Instant Vector）** 。`req_count` 这个表达式就是一个瞬时向量，它其实是一个简写，省略了当前时间，如果我们想指定非当前时间的数据需要写 `req_count @ 时间戳`，比如说 `req_count @ 1732458388` 代表 req_count 在 2024-11-24 22:26:28 时间点的数据。因为 `req_count` 上有一个 `status` 的label，这个 lable 有很多可选值（200、500 等），所以这个瞬时向量转化成编程语言的概念的话，就可以认为是一个数组。我们给出下面一组数组来演示这个数组：
+
+```javascript
+[
+	10/*lable为200的req_count值*/,
+	1/*lable为500的req_count值*/,
+	2/*label为501的req_count值*/
+]
+```
+
+**代码 14.3.2.2 瞬时向量演示**
+
+如果我们将数据集范围继续缩小，只取其中一个点，也就是在瞬时向量中添加 lable 属性来精确筛选出一个点对应的数值，被称之为 **标量（Scalar）**。比如说 `req_count{status="200"} @ 1732458388`， 它代表 HTTP 响应码为 200 的 req_count 指标在 2024-11-24 22:26:28 时间点的值，也就是 **代码 14.3.2.1** 中的 `10` 这个值。
+
+> 标量其实就是一个浮点类型的数值，是没有表达式概念的，表达式`req_count{status="200"} @ 1732458388` 依然是一个瞬时向量，只不过其对应的数组里面只有一个元素，也就是说这个数组长这样 `[10]` 。
+
+我们用绿色框标识的几个点，是位于 `[t1,t4]` 时间段内的 `req_duration` 指标的一个数据集，这个数据集被称为 **范围向量（Range Vector）** 。如果将其转化为编程语言中的概念的话，用二维数组更好理解一些，下面是我们对其的数据演示：
+
+```javascript
+[
+	[// 时间为t1的瞬时数据，t1=1732458388
+		10/*lable为200的req_count值*/,
+		1/*lable为500的req_count值*/,
+		2/*label为501的req_count值*/
+	],
+	[// 时间为t2的瞬时数据, t2=1732458448
+		18/*lable为200的req_count值*/,
+		2/*lable为500的req_count值*/,
+		3/*label为501的req_count值*/
+	],
+	[// 时间为t3的瞬时数据，t3=1732458508
+		20/*lable为200的req_count值*/,
+		3/*lable为500的req_count值*/,
+		3/*label为501的req_count值*/
+	],
+	[// 时间为t4的瞬时数据，t4=1732458568
+		22/*lable为200的req_count值*/,
+		3/*lable为500的req_count值*/,
+		4/*label为501的req_count值*/
+	],
+]
+```
+
+**代码 14.3.2.3 范围向量演示**
+
+`req_count[4m]` 就是一个范围向量的表达式，它表示 req_count 指标在当前时间往前 4 分钟内的所有数据。我们直接使用范围向量的情况很少，一般是作为过渡存在，再次将其转化为瞬时向量。在程序中我们使用 req_count 来表示当前请求的累计总数，这个数字是单调递增的，但是如果我们想知道每秒请求数，可以使用 rate 函数，比如说 rate(req_count[4m]) 就可以计算 4 分钟内每秒请求数，也就是请求速率。根据高中物理公式，`速率 = 距离 / 时间`，我们假定在四分钟内 t1 为第一个采集到的数据，t4 为最后一个采集到的数据，则对于 `status` 为 200 的指标来说，其速率为
+
+```
+rate=(22-10)/(4*60)​=0.05 请求/秒
+```
+
+**公式 14.3.2.1 速率公式**
+
+根据上述公式，我们依次带入各个 status 的 req_count 首尾差值，就会得到一个瞬时向量：
+
+```
+[
+	0.05/*lable为200的req_count速率*/,
+	0.008/*lable为500的req_count速率*/,
+	0.008/*label为501的req_count速率*/
+]
+```
+
+**代码 14.3.2.4 应用 rate 函数后生成的瞬时向量**
+
+ grafana 使用 promql 来绘制图表，我们在 **图 14.3.1.7** 中看到的各个图标，都是基于 promql 语句查询绘制的界面，不过 grafana 要求这些 promql 必须是瞬时向量。最简单的瞬时向量就是直接写指标名字（例如 `req_count`）。
+
+我们在 **图 14.3.1.7** 的右上角位置找到 **Add** 菜单，点击打开后选择  **Visualization**：
+
+![](images/add_visual.png)
+
+**图 14.3.2.2 添加 grafana 可视化面板菜单**
+
+在弹出的界面中输入表达式 `req_count{instance=~"$instance"}` :
+
+![](images/input_visualization_express.png)
 
-我们抽取范围向量中某一个时间点的数据集，就像我们在上图红色框中框选的那样，我们抽取 t2 时间点上的 `req_duration` 指标的数据集，这个数据集被称为 **瞬时向量（Instant Vector）**。
+**图 14.3.2.3 填写可视化所需的表达式**
 
-如果我们将数据集范围继续缩小，只取其中一个点，也就是在瞬时向量中添加 lable 属性来精确筛选出一个点，这个点被称之为 **标量（Scalar）**。
+注意这里我们在 lable 筛选的时候用了 =~ ，而不是常用的 = ，这是由于 $instance 这个变量值的特殊性导致的。
 
- grafana 使用 promql 来绘制图表，我们在 **图 14.3.1.7** 中看到的各个图标，都是基于 promql 语句查询绘制的界面。最简单的 promql 就是直接写指标名字（例如 `req_count`） ，它对应的数据是这个指标最新的瞬时向量的内容。
 
 需要注意，我们 grafana 只支持瞬时向量和标量，不支持范围向量，但是这并不代表范围向量是没有用的。对于计数器类型的指标来说，grafana 也不支持，这时候你可以使用 Prometheus 内置函数将计数器先转化成范围向量，然后再对范围向量内的数值做运算转成一个瞬时向量，比如说 rate 函数就是将范围向量转成瞬时向量的常用操作。