查看 Managed Service for Apache Flink中的指标和维度 - Managed Service for Apache Flink
应用程序指标Kinesis Data Streams 连接器指标Amazon MSK 连接器指标Apache Zeppelin 指标查看 CloudWatch 指标指标
Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异，请参阅 中国的 Amazon Web Services 服务入门 (PDF)。

Amazon Managed Service for Apache Flink 之前称为 Amazon Kinesis Data Analytics for Apache Flink。

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

查看 Managed Service for Apache Flink中的指标和维度

本主题包含下列部分：

当您的适用于 Apache Flink 的托管服务处理数据源时，适用于 Apache Flink 的托管服务会向亚马逊报告以下指标和维度。 CloudWatch

应用程序指标

指标 单位 描述 级别 使用说明
backPressuredTimeMsPerSecond* 毫秒 该任务或运算符每秒受到反向压力的时间（以毫秒为单位）。 任务、运算符、并行度

*仅适用于运行 Flink 版本 1.13 的 Managed Service for Apache Flink 应用程序。

这些指标可用于识别应用程序中的瓶颈。
busyTimeMsPerSecond* 毫秒 该任务或运算符每秒忙碌的时间（以毫秒为单位）（既没有空闲也没有反向压力）。如果无法计算该值，则可以为 NaN。 任务、运算符、并行度

*仅适用于运行 Flink 版本 1.13 的 Managed Service for Apache Flink 应用程序。

这些指标可用于识别应用程序中的瓶颈。
cpuUtilization 百分比 任务管理器中 CPU 利用率的总体百分比。例如，如果有五个任务管理器，则 Managed Service for Apache Flink 将在每个报告间隔内发布该指标的五个样本。 应用程序 您可以使用此指标来监控应用程序中的最低、平均和最大 CPU 利用率。该CPUUtilization指标仅考虑容器内运行的 TaskManager JVM 进程的 CPU 使用率。
containerCPUUtilization 百分比 Flink 应用程序集群中任务管理器容器中 CPU 利用率的总体百分比。例如，如果有五个任务管理器，则相应地有五个 TaskManager 容器，而适用于 Apache Flink 的托管服务每 1 分钟报告间隔就会发布 2 * 5 个该指标的样本。 应用程序

每个容器的计算公式为：

容器消耗的 CPU 总时间（以秒为单位）* 100 /容器 CPU 限制（以 CPU/秒为单位）

该CPUUtilization指标仅考虑容器内运行的 TaskManager JVM 进程的 CPU 使用率。JVM 之外还有其他组件在同一个容器内运行。该containerCPUUtilization指标可让您更全面地了解容器 CPU 耗尽以及由此导致的故障，包括所有进程。
containerMemoryUtilization 百分比 Flink 应用程序集群中任务管理器容器中内存利用率的总体百分比。例如，如果有五个任务管理器，则相应地有五个 TaskManager 容器，而适用于 Apache Flink 的托管服务每 1 分钟报告间隔就会发布 2 * 5 个该指标的样本。 应用程序

每个容器的计算公式为：

容器内存使用量（字节）* 100 /容器内存限制（按照 Pod 部署规范）（以字节为单位）

HeapMemoryUtilization和ManagedMemoryUtilzations指标仅考虑特定的内存指标，例如 TaskManager JVM 的堆内存使用量或托管内存（RocksD B State Backend 等本机进程在 JVM 之外的内存使用情况）。该containerMemoryUtilization指标包括工作集内存，可以更好地跟踪总内存耗尽情况，从而更全面地了解工作集内存。当它耗尽后，它就会进入Out of Memory Error TaskManager 吊舱。
containerDiskUtilization 百分比 Flink 应用程序集群中任务管理器容器中磁盘利用率的总体百分比。例如，如果有五个任务管理器，则相应地有五个 TaskManager 容器，而适用于 Apache Flink 的托管服务每 1 分钟报告间隔就会发布 2 * 5 个该指标的样本。 应用程序

每个容器的计算公式为：

磁盘使用量（以字节为单位）* 100 /容器的磁盘限制（以字节为单位）

对于容器，它表示在其中设置容器根卷的文件系统的利用率。
currentInputWatermark 毫秒 该应用程序/运算符/任务/线程上次收到的水印 应用程序、运算符、任务、并行度 此记录仅针对具有两个输入的维度发出。这是上次收到的水印的最小值。
currentOutputWatermark 毫秒 该应用程序/运算符/任务/线程上次发出的水印 应用程序、运算符、任务、并行度
downtime 毫秒 对于当前处于故障/恢复状态的任务，在该中断期间经过的时间。 应用程序 该指标测量任务发生故障或恢复时经过的时间。该指标为运行的任务返回 0，并为完成的任务返回 -1。如果该指标不是 0 或 -1，则表明应用程序的 Apache Flink 任务无法运行。
fullRestarts 计数 自提交以来，此任务完全重启的总次数。该指标不能衡量精细的重启情况。 应用程序 您可以使用此指标来评估应用程序的总体运行状况。Managed Service for Apache Flink 在内部维护期间可能会发生重启。重启次数高于正常值可能表示应用程序出现问题。
heapMemoryUtilization 百分比 任务管理器的总体堆内存利用率。例如，如果有五个任务管理器，则 Managed Service for Apache Flink 将在每个报告间隔内发布该指标的五个样本。 应用程序 您可以使用此指标来监控应用程序中的最低、平均和最大堆内存利用率。HeapMemoryUtilization仅考虑特定的内存指标，例如 TaskManager JVM 的堆内存使用情况。
idleTimeMsPerSecond* 毫秒 此任务或运算符每秒处于空闲状态（没有要处理的数据）的时间（以毫秒为单位）。空闲时间不包括反向压力时间，因此，如果任务受到反向压力，则不会处于空闲状态。 任务、运算符、并行度

*仅适用于运行 Flink 版本 1.13 的 Managed Service for Apache Flink 应用程序。

这些指标可用于识别应用程序中的瓶颈。
lastCheckpointSize 字节 上一个检查点的总大小 应用程序 您可以使用该指标确定运行的应用程序存储使用率。

如果该指标的值不断增加，则可能表明应用程序出现问题，例如内存泄漏或瓶颈。
lastCheckpointDuration 毫秒 完成上一个检查点所花的时间 应用程序 该指标测量完成最近的检查点所花的时间。如果该指标的值不断增加，则可能表明应用程序出现问题，例如内存泄漏或瓶颈。在某些情况下，您可以禁用检查点以解决该问题。
managedMemoryUsed* 字节 当前使用的托管内存量。 应用程序、运算符、任务、并行度

*仅适用于运行 Flink 版本 1.13 的 Managed Service for Apache Flink 应用程序。

这与 Flink 在 Java 堆之外托管的内存有关。它用于 RocksDB 状态后端，也可供应用程序使用。
managedMemoryTotal* 字节 托管内存的总量。 应用程序、运算符、任务、并行度

*仅适用于运行 Flink 版本 1.13 的 Managed Service for Apache Flink 应用程序。

这与 Flink 在 Java 堆之外托管的内存有关。它用于 RocksDB 状态后端，也可供应用程序使用。该ManagedMemoryUtilzations指标仅考虑特定的内存指标，例如托管内存（RocksDB 状态后端等本机进程在 JVM 外部的内存使用情况）
managedMemoryUtilization* 百分比 派生自 managedMemoryUsed/managedMemoryTotal 应用程序、运算符、任务、并行度

*仅适用于运行 Flink 版本 1.13 的 Managed Service for Apache Flink 应用程序。

这与 Flink 在 Java 堆之外托管的内存有关。它用于 RocksDB 状态后端，也可供应用程序使用。
numberOfFailedCheckpoints 计数 检查点失败的次数。 应用程序 您可以使用此指标来监控应用程序的运行状况和进度。检查点可能由于应用程序问题（例如吞吐量或权限问题）而失败。
numRecordsIn* 计数 该应用程序、运算符或任务收到的总记录数。 应用程序、运算符、任务、并行度

*要在一段时间（秒/分钟）内应用 SUM 统计数据，请执行以下操作：

  • 选择正确级别的指标。如果您要跟踪运算符的指标，则需要选择相应的运算符指标。

  • 由于 Managed Service for Apache Flink 每分钟拍摄 4 个指标快照，因此应使用以下指标进行数学运算：m1/4 其中 m1 是一段时间（秒/分钟）内的 SUM 统计数据

该指标的级别指定该指标是衡量整个应用程序、特定运算符还是特定任务收到的记录总数。
numRecordsInPerSecond* 计数/秒 该应用程序、运算符或任务每秒收到的总记录数。 应用程序、运算符、任务、并行度

*要在一段时间（秒/分钟）内应用 SUM 统计数据，请执行以下操作：

  • 选择正确级别的指标。如果您要跟踪运算符的指标，则需要选择相应的运算符指标。

  • 由于 Managed Service for Apache Flink 每分钟拍摄 4 个指标快照，因此应使用以下指标进行数学运算：m1/4 其中 m1 是一段时间（秒/分钟）内的 SUM 统计数据

该指标的级别指定该指标是衡量整个应用程序、特定运算符还是特定任务每秒收到的记录总数。
numRecordsOut* 计数 该应用程序、运算符或任务发出的总记录数。 应用程序、运算符、任务、并行度

*要在一段时间（秒/分钟）内应用 SUM 统计数据，请执行以下操作：

  • 选择正确级别的指标。如果您要跟踪运算符的指标，则需要选择相应的运算符指标。

  • 由于 Managed Service for Apache Flink 每分钟拍摄 4 个指标快照，因此应使用以下指标进行数学运算：m1/4 其中 m1 是一段时间（秒/分钟）内的 SUM 统计数据

该指标的级别指定该指标是衡量整个应用程序、特定运算符还是特定任务发出的记录总数。
numLateRecordsDropped* 计数 应用程序、运算符、任务、并行度

*要在一段时间（秒/分钟）内应用 SUM 统计数据，请执行以下操作：

  • 选择正确级别的指标。如果您要跟踪运算符的指标，则需要选择相应的运算符指标。

  • 由于 Managed Service for Apache Flink 每分钟拍摄 4 个指标快照，因此应使用以下指标进行数学运算：m1/4 其中 m1 是一段时间（秒/分钟）内的 SUM 统计数据

由于到达延迟，该操作符或任务丢弃的记录数。
numRecordsOutPerSecond* 计数/秒 该应用程序、运算符或任务每秒发出的总记录数。 应用程序、运算符、任务、并行度

*要在一段时间（秒/分钟）内应用 SUM 统计数据，请执行以下操作：

  • 选择正确级别的指标。如果您要跟踪运算符的指标，则需要选择相应的运算符指标。

  • 由于 Managed Service for Apache Flink 每分钟拍摄 4 个指标快照，因此应使用以下指标进行数学运算：m1/4 其中 m1 是一段时间（秒/分钟）内的 SUM 统计数据

该指标的级别指定该指标是衡量整个应用程序、特定运算符还是特定任务每秒发出的记录总数。
oldGenerationGCCount 计数 所有任务管理器中发生的旧垃圾回收操作总数。 应用程序
oldGenerationGCTime 毫秒 执行旧垃圾回收操作所花费的总时间。 应用程序 您可以使用此指标来监控垃圾回收的总时间、平均时间和最大时间。
threadCount 计数 应用程序使用的实时线程总数。 应用程序 该指标衡量应用程序代码使用的线程数。这与应用程序并行度不同。
uptime 毫秒 任务不间断运行的时间。 应用程序 您可以使用此指标来确定任务是否成功运行。该指标为完成的任务返回 -1。

Kinesis Data Streams 连接器指标

除了以下内容以外，Amazon 还发出 Kinesis Data Streams 的所有记录：

指标 单位 描述 级别 使用说明
millisbehindLatest 毫秒 使用者落后流开头的毫秒数，表示使用者落后当前时间有多远。 应用程序（对于 Stream）、并行度（适用于） ShardId

  • 值为 0 表示记录处理是同步的，并且此时没有要处理的新记录。可以按流名称和分片 ID 来指定特定分片的指标。

  • 值为 -1 表示该服务尚未报告指标值。
bytesRequestedPerFetch 字节 在一次 getRecords 调用中请求的字节数。 应用程序（对于 Stream）、并行度（适用于） ShardId

Amazon MSK 连接器指标

除了以下内容以外，Amazon 还发出 Amazon MSK 的所有记录：

指标 单位 描述 级别 使用说明
currentoffsets 不适用 使用者的当前读取偏移量（对于每个分区）。可以按主题名称和分区 ID 来指定特定分区的指标。 应用程序（用于主题）、并行度（用于） PartitionId
commitsFailed 不适用 如果启用了偏移提交和检查点功能，则向 Kafka 提交偏移失败的总数。 应用程序、运算符、任务、并行度 将偏移量提交回 Kafka 只是显示使用者进度的一种手段，因此提交失败不会影响 Flink 的检查点分区偏移量的完整性。
commitsSucceeded 不适用 如果启用了偏移提交和检查点功能，则向 Kafka 提交偏移成功的总数。 应用程序、运算符、任务、并行度
committedoffsets 不适用 上次成功提交的 Kafka 偏移量（对于每个分区）。可以按主题名称和分区 ID 来指定特定分区的指标。 应用程序（用于主题）、并行度（用于） PartitionId
records_lag_max 计数 最大延迟，以该窗口中的任何分区的记录数表示 应用程序、运算符、任务、并行度
bytes_consumed_rate 字节 主题平均每秒使用的字节数 应用程序、运算符、任务、并行度

Apache Zeppelin 指标

对于 Studio 笔记本电脑，Amazon 会在应用程序级别发出以下指标：KPUs、cpuUtilization、heapMemoryUtilization、oldGenerationGCTime、oldGenerationGCCount 和 threadCount。此外，它还会在应用程序级别发布下表所示的指标。

指标 单位 描述 Prometheus 名称
zeppelinCpuUtilization 百分比 Apache Zeppelin 服务器中 CPU 利用率的总体百分比。 process_cpu_usage
zeppelinHeapMemoryUtilization 百分比 Apache Zeppelin 服务器中堆内存利用率的总体百分比。 jvm_memory_used_bytes
zeppelinThreadCount 计数 Apache Zeppelin 服务器使用的实时线程总数。 jvm_threads_live_threads
zeppelinWaitingJobs 计数 排队等待线程的 Apache Zeppelin 任务数量。 jetty_threads_jobs
zeppelinServerUptime 秒 服务器启动和运行的总时间。 process_uptime_seconds

查看 CloudWatch 指标

您可以使用 Amazon CloudWatch 控制台或查看应用程序的 CloudWatch 指标Amazon CLI。

使用 CloudWatch 控制台查看指标

  1. 打开 CloudWatch 控制台，网址为 https://console.aws.amazon.com/cloudwatch/。

  2. 在导航窗格中，选择指标。

  3. 在 Apache Flink 托管服务的 “按类别划分的CloudWatch 指标” 窗格中，选择一个指标类别。

  4. 在上方窗格中，滚动以查看完整指标列表。

使用 Amazon CLI 查看指标

  • 在命令提示符处，使用以下命令。

    aws cloudwatch list-metrics --namespace "AWS/KinesisAnalytics" --region region

设置 CloudWatch 指标报告级别

您可以控制应用程序创建的应用程序指标的级别。Managed Service for Apache Flink 支持以下指标级别：

  • 应用程序：应用程序仅报告每个应用程序的最高指标级别。默认情况下，Managed Service for Apache Flink 指标是在应用程序级别发布的。

  • 任务：应用程序针对任务指标报告级别定义的指标，报告特定于任务的指标维度，例如每秒进出应用程序的记录数。

  • 运算符：应用程序针对运算符指标报告级别定义的指标，报告特定于运算符的指标维度，例如每个筛选或映射操作的指标。

  • 并行度：应用程序为每个执行线程报告 Task 和 Operator 级别的指标。由于成本过高，建议不要将该报告级别用于并行度设置高于 64 的应用程序。

    注意

    由于服务生成的指标数据量很大，因此您只能使用此指标级别进行故障排除。您只能使用 CLI 设置此指标级别。此指标级别在控制台中不可用。

默认级别是应用程序。应用程序报告当前级别和所有更高级别的指标。例如，如果报告级别设置为操作符，则应用程序报告应用程序、任务和操作符指标。

您可以使用操作的参数或CreateApplication操作的MonitoringConfiguration参数来设置 CloudWatch 指标报告级别。MonitoringConfigurationUpdate UpdateApplication以下示例UpdateApplication操作请求将 CloudWatch 指标报告级别设置为 “任务”：

{
   "ApplicationName": "MyApplication",  
   "CurrentApplicationVersionId": 4,
   "ApplicationConfigurationUpdate": { 
      "FlinkApplicationConfigurationUpdate": { 
         "MonitoringConfigurationUpdate": { 
            "ConfigurationTypeUpdate": "CUSTOM",
            "MetricsLevelUpdate": "TASK"
         }
      }
   }
}

您也可以使用CreateApplication操作的LogLevel参数或UpdateApplication操作的LogLevelUpdate参数来配置日志记录级别。您可以使用以下日志级别：

  • ERROR：记录潜在可恢复的错误事件。

  • WARN：记录可能导致错误的警告事件。

  • INFO：记录信息性事件。

  • DEBUG：记录常规调试事件。

有关 Log4j 日志记录级别的更多信息，请参阅 Apache Log4j 文档中的自定义日志级别。