Kinesis流ReadProvisionedThroughputExceeded指标Sum与SampleCount单位及数值差异问题

两个统计项的单位说明 #

• Sum：单位为次，统计的是指定周期内触发读预置吞吐量超限的总次数，每次服务端返回ProvisionedThroughputExceededException时就会累加对应计数。
• SampleCount：单位为个，统计的是指定周期内CloudWatch采集到的该指标的有效上报数据点总数，和异常实际发生次数没有直接绑定关系。

5分钟周期下Sum与SampleCount数值不一致的原因 #

二者本身就不存在数值相等的设计逻辑，出现差异完全是CloudWatch指标聚合规则导致的：

• Kinesis默认以1分钟为粒度向CloudWatch上报该指标，每个上报数据点的值，对应当前1分钟窗口内发生的读吞吐量超限总次数；如果某1分钟内没有发生超限，不会上报对应数据点。
• 当统计Period设置为5分钟时，CloudWatch会对窗口内的所有1分钟原生数据点做二次聚合：
  • 调用SampleCount()时，仅统计这个5分钟窗口内实际收到的有效上报数据点总数。举个例子，如果5分钟里只有3分钟出现了超限、上报了3条数据，SampleCount()的返回值就是3。
  • 调用Sum()时，会把窗口内所有有效数据点记录的超限次数累加求和。比如上述3个数据点分别记录了2次、4次、1次超限，Sum()的返回值就是7。
• 只有当每个上报数据点记录的超限次数恰好为1时，Sum()和SampleCount()的数值才会相等，这种场景在实际生产中极少出现。

你提供的SampleCount、Sum两组统计截图完全符合上述聚合逻辑：SampleCount统计到的有效数据点数量远小于Sum统计到的总超限次数，说明每个出现超限的1分钟窗口内，平均发生了多次读吞吐量超限事件。

内容的提问来源于stack exchange，提问作者soupybionics