本文解释了一份样本 accountMetrics API 查询，用于监控站点的最大上游和下游吞吐量。
我们建议使用 bytesUpstreamMax 和 bytesDownstreamMax，这是峰值指标。 Cato 许可证基于这些值，而不是平均吞吐量。
这是一个查询，用于检索 2024 年 2 月 6 日 15:00:00 至 15:10:00 时间段的 10 个桶的时间序列，站点 ID=12345。 10 分钟时间段内的 10 个桶意味着每个桶实际上是一分钟。
{
accountMetrics(
accountID: 7890
timeFrame: "utc.2024-02-06/{15:00:00--15:10:00}"
groupDevices: true
groupInterfaces: true
) {
from
to
sites (siteIDs:[12345]) {
interfaces {
name
timeseries (labels:[bytesUpstreamMax] buckets:10) {
label
units
data
}
}
}
}
}
这就是查询在 GraphQL API Playground 中的样子：
完整响应如下：
{
"data": {
"accountMetrics": {
"from": "2024-02-06T15:00:00Z",
"to": "2024-02-06T15:10:00Z",
"sites": [
{
"interfaces": [
{
"name": "all",
"timeseries": [
{
"label": "bytesUpstreamMax",
"units": "bytes",
"data": [
[
1707231600000,
6008
],
[
1707231660000,
12802
],
[
1707231720000,
6557
],
[
1707231780000,
3467
],
[
1707231840000,
7168
],
[
1707231900000,
3660
],
[
1707231960000,
6791
],
[
1707232020000,
5839
],
[
1707232080000,
4183
],
[
1707232140000,
4684
]
]
}
]
}
]
}
]
}
}
}
时间序列/数据数组的每个元素都是一个列表，其中第一个元素是该桶开始时的时间戳，第二个元素是该桶的指标。 时间戳为 UTC，Unix 纪元时间为纳秒。 Python 一行命令将第一个桶中的时间戳转换为人类可读字符串：
python3 -c "import datetime;print(datetime.datetime.fromtimestamp(1707231600000/1000))"
在 Mac 上运行该命令显示如下：
sh-3.2$ python3 -c "import datetime;print(datetime.datetime.fromtimestamp (1707231600000/1000))" 2024-02-06 15:00:00 sh-3.2$
还可以运行以下 bash 命令：
date -r $((1707231600000/1000))
这是 bash 命令的结果：
Cato-admin-M:tools catoadmin$ date -r $((1707231600000/1000)) Tue 6 Feb 2024 15:00:00 GMT
使用这些技术将上述输出中的所有时间戳转换，可以看到它们与我们时间段中每分钟桶的开始时间相匹配：
1707231600000 -> 2024-02-06 15:00:00 1707231660000 -> 2024-02-06 15:01:00 1707231720000 -> 2024-02-06 15:02:00 1707231780000 -> 2024-02-06 15:03:00 1707231840000 -> 2024-02-06 15:04:00 1707231900000 -> 2024-02-06 15:05:00 1707231960000 -> 2024-02-06 15:06:00 1707232020000 -> 2024-02-06 15:07:00 1707232080000 -> 2024-02-06 15:08:00 1707232140000 -> 2024-02-06 15:09:00
每个时间序列元素的第二个项目是指标，在这种情况下是该桶的峰值上游吞吐量。 可以在单个查询中请求多个指标——通常请求 bytesUpstreamMax 和 bytesDownstreamMax。 无论 perSecond 输入参数如何，指标始终以速度表示。 units 字段指示这些是字节，因此我们必须乘以 8 来转换为更常见的比特每秒。
查看我们上面的响应中的第一个元素：
[ 1707231600000, 6008 ],
我们可以将此解析为：
-
2024-02-06 15:00:00 UTC 是这个桶的开始
-
我们从参数中知道这是一个一分钟的桶（如果不确定，也可以请求 API 返回桶粒度）
-
在这个桶中，最高吞吐量是每秒 6008 字节。 乘以 8，我们得到一个峰值，即 8*6008 = 48,064 比特每秒 = 48 千比特每秒。
应用这个简单原则到我们返回的时间序列中的所有项目，我们得到了这些值：
1707231600000 -> 2024-02-06 15:00:00 48 千比特每秒 1707231660000 -> 2024-02-06 15:01:00 102 千比特每秒 1707231720000 -> 2024-02-06 15:02:00 52 千比特每秒 1707231780000 -> 2024-02-06 15:03:00 27 千比特每秒 1707231840000 -> 2024-02-06 15:04:00 57 千比特每秒 1707231900000 -> 2024-02-06 15:05:00 29 千比特每秒 1707231960000 -> 2024-02-06 15:06:00 54 千比特每秒 1707232020000 -> 2024-02-06 15:07:00 46 千比特每秒 1707232080000 -> 2024-02-06 15:08:00 33 千比特每秒 1707232140000 -> 2024-02-06 15:09:00 37 千比特每秒
如果我们在 Excel 中将这些值绘制成图表，折线图看起来是这样的：
对于相应的时间段和站点，“最大吞吐量 - 上游”图表看起来是这样的：
乍一看，这些图表看起来有些不同，但主要是因为 CMA 图表来自具有更多桶的查询——为了便于演示，我们使用了一个较少桶数（10）的 Playground 查询。 如果我们将来自查询数据的 Excel 图表放在 CMA 图表上，您可以看到强相关性：
0 条评论
文章评论已关闭。