Metrics

Metrics 是关于系统性能的数据。将所有与系统或资源相关的 metrics 集中在一个地方，使您能够比较 metrics、分析性能，并做出更好的战略决策，例如扩展或缩减资源。Metrics 对于了解资源的健康状况和采取主动措施也非常重要。

Metric 数据是基础性的，用于驱动告警、异常检测、事件、dashboard 等。

内置 metrics

CloudWatch metrics 收集有关系统性能的数据。默认情况下，大多数 AWS 服务为其资源提供免费的 metrics。这包括 Amazon EC2 实例、Amazon RDS、Amazon S3 存储桶等。

我们将这些 metrics 称为内置 metrics。在您的 AWS 账户中收集内置 metrics 不收取任何费用。

信息

有关向 CloudWatch 发送 metrics 的 AWS 服务完整列表，请参阅此页面。

查询 metrics

您可以利用 CloudWatch 中的 metric math 功能来查询多个 metrics 并使用数学表达式来更精细地分析 metrics。例如，您可以编写一个 metric math 表达式来查找 Lambda 错误率：

Errors/Requests

下面您可以看到在 CloudWatch 控制台中的示例：

信息

使用 metric math 从您的数据中获取最大价值，并从不同数据源的性能中推导出数值。

CloudWatch 还支持条件语句。例如，要为每个延迟超过特定阈值的时间序列返回值 1，其他所有数据点返回 0，查询如下：

IF(latency>threshold, 1, 0)

在 CloudWatch 控制台中，我们可以使用这种逻辑来创建布尔值，进而触发 CloudWatch 告警 或其他操作。这可以从派生数据点启用自动操作。以下是 CloudWatch 控制台中的示例：

信息

使用条件语句在派生值的性能超过阈值时触发告警和通知。

您还可以使用 SEARCH 函数来显示任何 metric 的前 n 个。当在大量时间序列（例如数千台服务器）中可视化性能最好或最差的 metrics 时，这种方法允许您只看到最重要的数据。以下是一个搜索示例，返回过去五分钟内平均 CPU 使用率最高的两个 EC2 实例：

	SLICE(SORT(SEARCH('{AWS/EC2,InstanceId} MetricName="CPUUtilization"', 'Average', 300), MAX, DESC),0, 2)

以下是在 CloudWatch 控制台中的相同视图：

信息

使用 SEARCH 方法快速显示环境中性能最好或最差的资源，然后在 dashboard 中展示。

收集 metrics

如果您希望获得额外的 metrics，例如 EC2 实例的内存或磁盘空间利用率，可以使用 CloudWatch agent 代您将这些数据推送到 CloudWatch。或者，如果您有需要以图形方式可视化的自定义处理数据，并且希望这些数据作为 CloudWatch metric 存在，那么可以使用 PutMetricData API 将自定义 metrics 发布到 CloudWatch。

信息

使用 AWS SDK 之一将 metric 数据推送到 CloudWatch，而不是直接使用裸 API。

PutMetricData API 调用按查询次数计费。最佳实践是优化使用 PutMetricData API。使用此 API 中的 Values 和 Counts 方法，您可以在一次 PutMetricData 请求中发布每个 metric 最多 150 个值，并支持对这些数据进行百分位统计检索。因此，不要为每个数据点分别进行 API 调用，而应该将所有数据点组合在一起，然后在一次 PutMetricData API 调用中推送到 CloudWatch。这种方法有两个好处：

1. CloudWatch 定价优化
2. 可以防止 PutMetricData API 限流

信息

使用 PutMetricData 时，最佳实践是尽可能将数据批量合并到单个 PUT 操作中。

信息

如果大量 metrics 被发送到 CloudWatch，则考虑使用 Embedded Metric Format 作为替代方法。请注意，Embedded Metric Format 不使用也不收取 PutMetricData 费用，但会因使用 CloudWatch Logs 而产生费用。

异常检测

CloudWatch 有一个异常检测功能，它通过学习基于已记录 metrics 的正常行为来增强您的可观测性策略。使用异常检测是任何 metric 信号收集系统的最佳实践。

异常检测在两周的时间内构建模型。

注意

异常检测仅从创建时间起向前构建模型。它不会回溯时间来查找之前的异常值。

注意

异常检测不知道 metric 的好值是什么，只知道基于标准差的正常值。

信息

最佳实践是训练您的异常检测模型，使其仅分析预期正常行为的时间段。您可以定义从训练中排除的时间段（例如夜间、周末或假期）。

以下是异常检测带的示例，灰色区域为检测带：

可以通过 CloudWatch 控制台、CloudFormation 或使用 AWS SDK 之一来设置异常检测的排除窗口。