如何通过Cloud Monitoring等方式获取Cloud Spanner与Bigtable服务端错误率指标

前置逻辑说明 #

两个服务的官方监控指标都没有直接透出预计算的错误率指标，你可以通过原生的请求计数指标结合标签筛选，自行计算得到服务端错误率。

Cloud Bigtable 错误率计算 #

• 使用指标：bigtable.googleapis.com/server/request_count
• 该指标自带response_code（响应状态码）、request_method（请求类型）标签，支持按维度拆分统计
• 计算规则：服务端错误率 = 时间窗口内response_code >= 500的请求数总和 / 时间窗口内总请求数总和
• 你可以直接用Monitoring API拉取两类数据后自行计算，也可以通过MQL直接查询预计算的错误率，MQL示例如下：

fetch bigtable_instance
| metric 'bigtable.googleapis.com/server/request_count'
| group_by [resource.instance_id, metric.response_code, metric.request_method], sum(value)
| group_by [instance_id, request_method], 
  [server_error_rate: sum_if(val(), metric.response_code >= 500) / sum(val())]

Cloud Spanner 错误率计算 #

• 使用指标：spanner.googleapis.com/request_count
• 该指标自带response_code（响应状态码）、method（操作类型）、database_id（数据库ID）标签，支持细粒度拆分统计
• 计算规则和Bigtable一致：服务端错误率 = 时间窗口内5xx响应请求数总和 / 总请求数总和
• 对应MQL查询示例：

fetch spanner_instance
| metric 'spanner.googleapis.com/request_count'
| group_by [resource.instance_id, resource.database_id, metric.response_code, metric.method], sum(value)
| group_by [instance_id, database_id, method],
  [server_error_rate: sum_if(val(), metric.response_code >= 500) / sum(val())]

补充说明 #

• 若不需要按请求类型、库/实例拆分统计，去掉对应分组维度即可得到全局错误率
• 两个指标的默认采样粒度为1分钟，监控延迟不超过2分钟，可满足近实时采集需求
• 若调用Monitoring API时不想使用MQL，也可以分别拉取过滤了response_code >=500的请求数和全量请求数，在业务代码中自行做除法运算得到错误率

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