仪表盘指标说明和查询方式 - 云消息队列 RocketMQ 版

借助于阿里云ARMS Prometheus监控服务和Grafana的指标存储和展示能力，云消息队列 RocketMQ 版提供仪表盘功能。该功能可帮助您一站式、全方位、多维度地统计和观测指标，进而快速了解业务的运行状态。本文介绍仪表盘的应用场景、业务背景、指标详情、计费说明和查询方式。

应用场景

场景一：线上消息消费有异常，消息不能及时被处理，需要及时收到报警，并快速定位问题。
场景二：线上某些订单状态有异常，需要排查对应的消息链路环节是否正常发送消息。
场景三：需要分析消息流量变化趋势、流量分布特点或消息体量，进而进行业务趋势分析规划。
场景四：需要查看和分析应用上下游依赖拓扑情况，进行架构升级优化或改造。

业务背景

云消息队列 RocketMQ 版的消息收发流程中，队列的堆积情况、缓冲情况以及消息处理各环节的耗时等，会直接反映当前业务处理的性能和服务端运行的状态。因此，云消息队列 RocketMQ 版的重点指标主要涉及以下业务场景。

消息堆积场景

如下图所示，表示指定主题的某一队列中各消息的状态：

队列消息状态

上图表示指定主题的某一队列中各消息的状态，云消息队列 RocketMQ 版将处于不同处理阶段的消息数量和耗时进行统计，这些指标可直接反映队列中消息的处理速率和堆积情况，通过观察这些指标可初步判断业务的消费是否异常。具体的指标含义和计算公式如下：

分类	指标	定义	计算公式
消息数量指标	处理中的消息（inflight messages）	在消费者客户端正在处理，但客户端还未返回消费结果的消息。	最晚一条拉取消息的位点－最晚一条提交消息的位点
	已就绪的消息（ready messages）	消息在云消息队列 RocketMQ 版服务端已就绪，对消费者可见可被消费的消息。	最大消息位点－最晚一条拉取消息的位点
	消息堆积量（consumer lag）	所有未处理完成的消息量。	处理中消息量＋已就绪消息量
消息耗时指标	已就绪消息的就绪时间（ready time）	普通消息、顺序消息：消息存储到服务端的时间。定时/延时消息：消息定时或延时结束的时间。事务消息：事务提交的时间。	不涉及
	已就绪消息的排队时间（ready message queue time）	最早一条就绪消息的就绪时间和当前时刻的时间差。该时间反映消费者拉取消息的及时性。	当前时间－最早一条就绪消息的就绪时间
	消费处理滞后时间（comsumer lag time）	最早一条未消费完成的消息的就绪时间和当前时刻的时间差。该时间反映消费者完成消息处理的及时性。	当前时间－最早一条未提交消息的就绪时间

PushConsumer消费场景

在PushConsumer类型中，消息的实时处理能力是基于SDK内部的典型Reactor线程模型实现的。如下图所示，SDK内置了一个长轮询线程，先将消息异步拉取到SDK内置的缓存队列中，再分别提交到消费线程中，触发监听器执行本地消费逻辑。

pushconsumer

具体原理，请参见PushConsumer。

在PushConsumer消费场景下，本地缓冲队列相关指标如下：

本地缓冲队列中的消息量：本地缓冲队列中的消息总条数。
本地缓冲队列中的消息大小：本地缓冲队列中所有消息大小的总和。
消息等待处理时间：消息暂存在本地缓冲队列中的时间。

Metrics指标详情

重要

所有消息收发TPS、消息收发次数或消息条数的相关指标，在计算时以消息大小4 KB和普通消息类型为基准，在其基础上需要乘以消息大小倍数和高级消息类型倍数。具体计算规则，请参见计算规格说明。

Metrics指标中相关字段说明如下：

字段	取值
Metrics类型	Counter：累计型的度量指标，其数值只增不减。例如，消息生产数量。 Gauge：一种既可以增加又可以减少的度量指标，其数值表示统计对象的瞬时值。例如，API调用的TPS。 Histogram：直方图，用于度量指标值的分布区间。例如，消息大小的分布情况。
Label	instance_id：云消息队列 RocketMQ 版实例的ID。 topic：云消息队列 RocketMQ 版的主题。 message_type：消息类型。normal表示普通消息；fifo表示顺序消息；transaction表示事务消息；delay表示延时/定时消息。 fifo_enable：消息消费时服务端是否按照顺序投递。true表示顺序投递；false表示并发投递。 uid：您的阿里云主账号ID。 client_id：云消息队列 RocketMQ 版客户端的ID。 invocation_status：消息发送接口调用结果。success表示成功；failure表示失败。

服务端Metrics指标

Metrics类型	Metrics name	单位	指标说明	Label
Gauge	rocketmq_instance_requests_max	count/s	实例每分钟消息收发TPS的最大值（不包含被限流的请求）。取值规则：以1分钟为周期，每秒钟采样一次，取这60次采样的最大值。	uid instance_id
Gauge	rocketmq_instance_requests_in_max	count/s	实例每分钟消息发送TPS的最大值（不包含被限流的请求）。取值规则：以1分钟为周期，每秒钟采样一次，取这60次采样的最大值。	uid instance_id
Gauge	rocketmq_instance_requests_out_max	count/s	实例每分钟消息消费TPS的最大值（不包含被限流的请求）。取值规则：以1分钟为周期，每秒钟采样一次，取这60次采样的最大值。	uid instance_id
Gauge	rocketmq_topic_requests_max	count/s	实例每分钟向Topic发送消息TPS的最大值（不包含被限流的请求）。取值规则：以1分钟为周期，每秒钟采样一次，取这60次采样的最大值。	uid instance_id topic
Gauge	rocketmq_group_requests_max	count/s	实例中消费组每分钟消息消费TPS的最大值（不包含被限流的请求）。取值规则：以1分钟为周期，每秒钟采样一次，取这60次采样的最大值。	uid instance_id consumer_group
Gauge	rocketmq_instance_requests_in_threshold	count/s	实例消息发送的限流阈值。	uid instance_id
Gauge	rocketmq_instance_requests_out_threshold	count/s	实例消息消费的限流阈值。	uid instance_id
Gauge	rocketmq_throttled_requests_in	count	消息发送的限流次数。	uid instance_id topic message_type
Gauge	rocketmq_throttled_requests_out	count	消息消费的限流次数。	uid instance_id topic fifo_enable consumer_group
Gauge	rocketmq_instance_elastic_requests_max	count/s	实例消息收发TPS的最大弹性值。	uid instance_id
Counter	rocketmq_requests_in_total	count	消息发送相关API的调用次数。	uid instance_id topic message_type
Counter	rocketmq_requests_out_total	count	消息消费相关API的调用次数。	uid instance_id topic consumer_group fifo_enable
Counter	rocketmq_messages_in_total	message	生产者发送到服务端的消息数量。	uid instance_id topic message_type
Counter	rocketmq_messages_out_total	message	服务端投递给消费者的消息数量，其中包含消费者处理中、处理成功和处理失败的消息。	uid instance_id topic consumer_group fifo_enable
Counter	rocketmq_throughput_in_total	byte	生产者发送到服务端的消息吞吐量。	uid instance_id topic message_type
Counter	rocketmq_throughput_out_total	byte	服务端投递给消费者的消息吞吐量，其中消息数量包含消费者处理中、处理成功和处理失败的消息。	uid instance_id topic consumer_group fifo_enable
Counter	rocketmq_internet_throughput_out_total	byte	消息收发所使用的公网下行流量。	uid instance_id topic message_type
Histogram	rocketmq_message_size	byte	消息大小的分布情况，发送成功时统计。分布区间如下： le_1_kb：≤1 KB le_4_kb：≤4 KB le_512_kb：≤512 KB le_1_mb：≤1 MB le_2_mb：≤2 MB le_4_mb：≤4 MB le_overflow：>4 MB	uid instance_id topic message_type
Gauge	rocketmq_consumer_ready_messages	message	已就绪消息量。在服务端已就绪，可以被消费者消费的消息数量。指标反映还未被消费者开始处理的消息规模。	uid instance_id topic consumer_group
Gauge	rocketmq_consumer_inflight_messages	message	处理中消息量。在消费者客户端正在处理，但客户端还未返回消费结果的消息的总量。	uid instance_id topic consumer_group
Gauge	rocketmq_consumer_queueing_latency	ms	已就绪消息排队时间。最早一条就绪消息的就绪时间和当前时间差。该时间反映消费者拉取消息的及时性。	uid instance_id topic consumer_group
Gauge	rocketmq_consumer_lag_latency	ms	消费处理延迟时间。最早一条未消费完成的消息的就绪时间和当前时刻的时间差。该时间反映消费者完成消息处理的及时性。	uid instance_id topic consumer_group
Counter	rocketmq_send_to_dlq_messages	message	每分钟转为死信状态的消息量。变成死信状态指的是消息达到最大重投次数后不再投递。这些不再投递的消息会根据Group的死信策略配置保存至指定Topic或被丢弃。	uid instance_id topic consumer_group
Gauge	rocketmq_storage_size	byte	实例所使用的存储空间大小，包含所有文件的大小。	uid instance_id

生产者Metrics指标

Metrics类型

Metrics name

单位

指标说明

Label

Histogram

rocketmq_send_cost_time

调用消息发送接口成功的耗时分布情况。

分布区间如下：

le_1_ms
le_5_ms
le_10_ms
le_20_ms
le_50_ms
le_200_ms
le_500_ms
le_overflow

uid
instance_id
topic
client_id
invocation_status

消费者Metrics指标

Metrics类型	Metrics name	单位	指标说明	Label
Histogram	rocketmq_process_time	ms	PushConsumer的消息处理耗时分布情况，包含处理成功和处理失败。 `rocketmq_process_time＝process end time－process start time` 分布区间如下： le_1_ms le_5_ms le_10_ms le_100_ms le_10000_ms le_60000_ms le_overflow	uid instance_id consumer_group topic client_id invocation_status
Gauge	rocketmq_consumer_cached_messages	message	PushConsumer本地缓冲队列中的消息条数。	uid instance_id consumer_group topic client_id
Gauge	rocketmq_consumer_cached_bytes	byte	PushConsumer本地缓冲队列中消息的总大小。	uid instance_id consumer_group topic client_id
Histogram	rocketmq_await_time	ms	消息在PushConsumer本地缓冲队列中的排队时间的分布情况。 `rocketmq_await_time＝process start time－arrival time` 分布区间如下： le_1_ms le_5_ms le_20_ms le_100_ms le_1000_ms le_5000_ms le_10000_ms le_overflow	uid instance_id consumer_group topic client_id

计费说明

云消息队列 RocketMQ 版的仪表盘指标在阿里云ARMS Prometheus监控服务中属于基础指标，基础指标不收取费用。因此，使用仪表盘功能不收取费用。

更多信息，请参见指标说明和按量计费。

前提条件

开通ARMS Prometheus监控服务
创建服务关联角色
- 角色名称：AliyunServiceRoleForOns
- 角色策略名称：AliyunServiceRolePolicyForOns
- 权限说明：允许云消息队列 RocketMQ 版使用该角色访问您的服务（云监控和ARMS服务）以完成监控报警和仪表盘相关功能。
- 具体文档说明：服务关联角色。

查看仪表盘

云消息队列 RocketMQ 版支持通过以下入口查看仪表盘：

仪表盘页面：支持查看实例所有Topic和Group的各个指标。
实例详情页面：主要展示指定实例的生产者概览信息、计费相关指标以及限流相关指标。
Topic 详情页面：主要展示指定Topic的生产相关指标以及生产者客户端相关指标。
Group 详情页面：主要展示指定Group的消费堆积相关指标以及消费者客户端相关指标。

登录云消息队列 RocketMQ 版控制台，在左侧导航栏单击实例列表。
在顶部菜单栏选择地域，如华东1（杭州），然后在实例列表中，单击目标实例名称。
选择以下任一方式查看仪表盘。
- 实例详情页面：在实例详情页单击仪表盘页签。
- 仪表盘页面：在左侧导航栏单击仪表盘。
- Topic 详情页面：在左侧导航栏单击Topic 管理，在Topic列表中单击目标Topic名称，然后在Topic 详情页面单击仪表盘页签。
- Group 详情页面：在左侧导航栏单击Group 管理，在Group列表中单击目标Group名称，然后在Group 详情页面单击仪表盘页签。

仪表盘常见问题

如何获取仪表盘指标数据？

使用主账号登录ARMS控制台。
在左侧导航栏单击接入中心。
在接入中心页面的搜索文本框输入RocketMQ，并单击搜索图标。
在搜索的结果中，选择需要接入的云服务（如阿里云 RocketMQ(5.0) 服务）。接入的具体操作，请参见步骤一：接入云服务监控数据。
接入成功后，在左侧导航栏单击接入管理。
在云服务区域环境列表中，单击目标环境名称进入云服务环境详情页面。
在组件管理页签的基本信息区域，单击默认指标存储后的云服务地域。
在设置页签上，可以获取不同的数据访问方式。

如何将DashBoard的指标数据接入自建Grafana？

云消息队列 RocketMQ 版的所有指标数据已保存到您的阿里云可观测监控 Prometheus 版中，您可以参照如何获取仪表盘指标数据？中的步骤，接入云服务并获取环境名称和HTTP API地址后，通过API将云消息队列 RocketMQ 版的仪表盘的指标数据接入到本地自建Grafana中。具体操作，请参见使用HTTP API地址对接Grafana或自建应用中接入Prometheus数据。

如何理解实例的TPS Max值？

TPS Max值：以1分钟为统计周期，每秒采样一次，统计结果取这60个采样值的最大值。

具体示例如下：

假设某实例在1分钟内生产60条消息（均为普通消息、每条4 KB大小），则该实例的生产速率为60条/分钟。

如果这60条消息在第1秒发送完成，则该实例在这1分钟内每秒的TPS分别为60、0、0……0。
实例TPS Max值=60 TPS。
如果这60条消息在第1秒发送了40条，第2秒发送了20条，则该实例在这1分钟内每秒的TPS分别为40、20、0、0……0。
实例TPS Max值=40 TPS。