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关节的耗时等，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：

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。

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间值。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_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

如何将仪表盘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，您可以通过可观测监控 Prometheus 版提供的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，请参见将Prometheus的监控数据接入本地Grafana。

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。