HiveMetaStore的指标分析（一）
文章目录
- HiveMetaStore的指标分析（一）
- 背景
- 目标部署架构
- hive-site.xml相关配置
- 元数据服务的指标相关配置
- 源码部分（hive2.3系）
- `JvmPauseMonitor.java`
- `HiveMetaStore`的内部类`HMSHandler`
- MetricsFactory的init(conf)方法
- `CodahaleMetrics.java`
- 具体指标对象
- 指标导出
- JsonFileReporter输出的文件内容示例
- 其他
- 腾讯云的hive-metastore指标
- 参考资料
背景
对当前单独部署的HiveMetaStore服务进行指标监控。
目标部署架构
验证步骤
-
场景一：
Metastore服务开启监控，指标输出方式采用默认。HiveServer2采用直连数据库的方式创建MetaStoreClient，其配置文件中也开启了metastore指标监控，同时开启WebUI。
现象：每个HiveServer2服务都可以通过WebUI看到指标dump。但是，每个HiveServer2的实际访问的指标并非从Metastore组中获取的指标。是Client端侧的指标，且每个节点之间没有关联。
-
场景二：
Metastore服务开启监控，指标输出方式采用默认。。HiveServer2采用连接Metastore服务组的方式工作，其配置文件中也开启了metastore指标监控，同时开启WebUI。
现象：每个HiveServer2服务都可以通过WebUI看到指标dump。但是没有Metastore相关的指标。
结论：以上两种方式，通过HiveServer2的WebUI服务都无法获取到单独的Metastore的服务指标。
-
场景三：
单纯的开启Metastore服务的监控，并将指标输出json文件中。
现象：每个Metastore服务都生成自己的json文件，但是目前的版本在更新问价的时候会无法
.json文件，只会定时的更新.json.tmp文件。
说明，以目标部署架构为例，单纯的MetaStore服务的指标是单纯的自己输出的。要么读取json文件，通过开启服务的JMX，在通过分别访问各个Metastore节点的JMX服务获取指标。
hive-site.xml相关配置
元数据服务的指标相关配置
-
开启指标功能
hive.metastore.metrics.enabled：true -
指定指标功能实现类
hive.service.metrics.class：org.apache.hadoop.hive.common.metrics.metrics2.CodahaleMetrics -
指标输出的类型
hive.service.metrics.reporter："JMX,CONSOLE,JSON_FILE,HADOOP2" -
指标输出的JSON文件位置
hive.service.metrics.file.location：“/tmp/report.json” -
指标输出的JSON文件更新频率
hive.service.metrics.file.frequency：5s -
指标输出到hadoop2组件指标中的名称
hive.service.metrics.hadoop2.component："hivemetestore" -
指标输出到hadoop2组件指标中的时间间隔
hive.service.metrics.hadoop2.frequency：30s
源码部分（hive2.3系）
在HiveMetaStore.java文件中main方法内，会根据配置去决定是否启动指标服务类。
//Start Metrics for Standalone (Remote) Mode - hive.metastore.metrics.enabled
if (conf.getBoolVar(ConfVars.METASTORE_METRICS)) {
try {
MetricsFactory.init(conf);
} catch (Exception e) {
// log exception, but ignore inability to start
LOG.error("error in Metrics init: " + e.getClass().getName() + " "
+ e.getMessage(), e);
}
}
Lock startLock = new ReentrantLock();
Condition startCondition = startLock.newCondition();
AtomicBoolean startedServing = new AtomicBoolean();
// 方法中会启动JvmPauseMonitor监控器
startMetaStoreThreads(conf, startLock, startCondition, startedServing);
// 方法中去实例化了HMSHandler，用户处理客户端过来的请求
startMetaStore(cli.getPort(), ShimLoader.getHadoopThriftAuthBridge(), conf, startLock,
startCondition, startedServing);
JvmPauseMonitor.java
用来监控JVM的暂停情况。通过Daemon线程，默认每隔500ms计算一次。jvm暂停统计级别分为warn和info级别。如果暂停超过1000ms则info级别次数+1，如果超过10000ms，则warn级别+1。
private class Monitor implements Runnable {
@Override
public void run() {
Stopwatch sw = new Stopwatch();
// 获取GC情况，GC次数和GC耗时ms
Map<String, GcTimes> gcTimesBeforeSleep = getGcTimes();
while (shouldRun) {
sw.reset().start();
try {
// 监控线程自我休眠500ms
Thread.sleep(SLEEP_INTERVAL_MS);
} catch (InterruptedException ie) {
return;
}
// 上次查询时间-减去休眠就是暂停的耗时
long extraSleepTime = sw.elapsed(TimeUnit.MILLISECONDS) - SLEEP_INTERVAL_MS;
Map<String, GcTimes> gcTimesAfterSleep = getGcTimes();
// warnThresholdMs默认10000ms
if (extraSleepTime > warnThresholdMs) {
++numGcWarnThresholdExceeded;
LOG.warn(formatMessage(
extraSleepTime, gcTimesAfterSleep, gcTimesBeforeSleep));
// 指标jvm.pause.info-threshold进行+1
incrementMetricsCounter(MetricsConstant.JVM_PAUSE_WARN, 1);
}
// infoThresholdMs默认1000ms
else if (extraSleepTime > infoThresholdMs) {
++numGcInfoThresholdExceeded;
LOG.info(formatMessage(
extraSleepTime, gcTimesAfterSleep, gcTimesBeforeSleep));
// 指标jvm.pause.warn-threshold进行+1
incrementMetricsCounter(MetricsConstant.JVM_PAUSE_INFO, 1);
}
// jvm.pause.extraSleepTime 累计时间? ms
incrementMetricsCounter(MetricsConstant.JVM_EXTRA_SLEEP, extraSleepTime);
totalGcExtraSleepTime += extraSleepTime;
gcTimesBeforeSleep = gcTimesAfterSleep;
}
}
private void incrementMetricsCounter(String name, long count) {
Metrics metrics = MetricsFactory.getInstance();
if (metrics != null) {
try {
metrics.incrementCounter(name, count);
} catch (Exception e) {
LOG.warn("Error Reporting JvmPauseMonitor to Metrics system", e);
}
}
}
}
HiveMetaStore的内部类HMSHandler
startFunction和endFunction是包裹以下元数据的操作，进行指标的采集控制。由这两个包裹的方法，除了本身的Timer指标(增加前缀api_)外，还会增加counters类型指标，不过在Timer指标名的基础上再增加active_calls_前缀，即active_calls_api_。
以下指标还会增加前缀api_，
-
库相关
create_databaseget_databasealter_databasedrop_databaseget_databasesget_all_databases
-
表相关
create_tabledrop_tableget_tableget_tablesget_tables_by_typeget_all_tablesget_table_metasget_multi_tableget_table_names_by_filterget_table_statistics_reqalter_table
-
分区相关
append_partitionappend_partition_by_namedrop_partition_by_nameget_partitions_psget_partitions_ps_with_authget_partitions_names_psadd_partitionsadd_partitiondrop_partitionget_partitionalter_partitionget_partition_with_authget_partitions_pspecget_partition_namesget_partition_by_nameget_partitions_by_exprget_num_partitions_by_filterget_num_partitions_by_exprget_partitions_by_namesget_partitions_by_filterget_partitions_by_filter_pspecget_partitions_statistics_req
-
其他
create_typeget_typedrop_typedrop_constraintadd_primary_keyadd_foreign_keyget_column_privilege_setadd_indexalter_indexdrop_index_by_nameget_index_by_nameget_index_namesget_indexesget_column_statistics_by_tableget_fields_with_environment_contextget_schema_with_environment_contextget_column_statistics_by_partitionwrite_column_statisticswrite_partition_column_statisticsdelete_column_statistics_by_partitiondelete_column_statistics_by_tableget_config_valuedelete_column_statistics_by_partitioncancel_delegation_tokenrenew_delegation_tokenget_delegation_tokenadd_tokenremove_tokenget_token for+XXXget_all_token_identifiers.add_master_key.update_master_key.remove_master_key.get_master_keys.partition_name_has_valid_charactersget_functionsget_all_functionsget_functionget_aggr_stats_forget_foreign_keys
例如get_database操作
public Database get_database(final String name) throws NoSuchObjectException, MetaException {
startFunction("get_database", ": " + name);
Database db = null;
Exception ex = null;
try {
db = get_database_core(name);
firePreEvent(new PreReadDatabaseEvent(db, this));
} catch (MetaException e) {
ex = e;
throw e;
} catch (NoSuchObjectException e) {
ex = e;
throw e;
} finally {
endFunction("get_database", db != null, ex);
}
return db;
}
MetricsFactory的init(conf)方法
/**
* Initializes static Metrics instance. 目前默认的实现类是 org.apache.hadoop.hive.common.metrics.metrics2.CodahaleMetrics
*/
public synchronized static void init(HiveConf conf) throws Exception {
if (metrics == null) {
Class metricsClass = conf.getClassByName(
conf.getVar(HiveConf.ConfVars.HIVE_METRICS_CLASS));
Constructor constructor = metricsClass.getConstructor(HiveConf.class);
metrics = (Metrics) constructor.newInstance(conf);
}
}
CodahaleMetrics.java
通过有参构造函数，实例化CodahaleMetrics。里面一共涉及4个指标类型。timers,counters,meters,gauges。
public CodahaleMetrics(HiveConf conf) {
this.conf = conf;
//Codahale artifacts are lazily-created.
timers = CacheBuilder.newBuilder().build(
new CacheLoader<String, com.codahale.metrics.Timer>() {
@Override
public com.codahale.metrics.Timer load(String key) {
Timer timer = new Timer(new ExponentiallyDecayingReservoir());
metricRegistry.register(key, timer);
return timer;
}
}
);
counters = CacheBuilder.newBuilder().build(
new CacheLoader<String, Counter>() {
@Override
public Counter load(String key) {
Counter counter = new Counter();
metricRegistry.register(key, counter);
return counter;
}
}
);
meters = CacheBuilder.newBuilder().build(
new CacheLoader<String, Meter>() {
@Override
public Meter load(String key) {
Meter meter = new Meter();
metricRegistry.register(key, meter);
return meter;
}
}
);
gauges = new ConcurrentHashMap<String, Gauge>();
//register JVM metrics - java虚拟机的相关指标集
registerAll("gc", new GarbageCollectorMetricSet());
registerAll("buffers", new BufferPoolMetricSet(ManagementFactory.getPlatformMBeanServer()));
registerAll("memory", new MemoryUsageGaugeSet());
registerAll("threads", new ThreadStatesGaugeSet());
registerAll("classLoading", new ClassLoadingGaugeSet());
//Metrics reporter -进行指标的输出
Set<MetricsReporting> finalReporterList = new HashSet<MetricsReporting>();
// 默认的导出类型是JSON_FILE, JMX。
List<String> metricsReporterNames = Lists.newArrayList(
Splitter.on(",").trimResults().omitEmptyStrings().split(conf.getVar(HiveConf.ConfVars.HIVE_METRICS_REPORTER)));
if (metricsReporterNames != null) {
for (String metricsReportingName : metricsReporterNames) {
try {
MetricsReporting reporter = MetricsReporting.valueOf(metricsReportingName.trim().toUpperCase());
finalReporterList.add(reporter);
} catch (IllegalArgumentException e) {
LOGGER.warn("Metrics reporter skipped due to invalid configured reporter: " + metricsReportingName);
}
}
}
initReporting(finalReporterList);
}
具体指标对象
GarbageCollectorMetricSet：一组用于垃圾收集计数和运行时间的仪表。BufferPoolMetricSet：一组测量JVM的直接和映射缓冲池的计数、使用情况和容量的指标。这些JMX对象仅在Java 7及以上版本上可用。MemoryUsageGaugeSet：一组用于JVM内存使用的指标，包括堆与非堆内存的统计信息，以及特定于gc的内存池。ThreadStatesGaugeSet：一组用于各种状态和死锁检测的线程数量的量规。ClassLoadingGaugeSet：JVM类加载器使用情况的一组指标。
指标导出
/**
* Should be only called once to initialize the reporters
*/
private void initReporting(Set<MetricsReporting> reportingSet) {
for (MetricsReporting reporting : reportingSet) {
switch (reporting) {
case CONSOLE:
final ConsoleReporter consoleReporter = ConsoleReporter.forRegistry(metricRegistry)
.convertRatesTo(TimeUnit.SECONDS)
.convertDurationsTo(TimeUnit.MILLISECONDS)
.build();
consoleReporter.start(1, TimeUnit.SECONDS);
reporters.add(consoleReporter);
break;
case JMX:
final JmxReporter jmxReporter = JmxReporter.forRegistry(metricRegistry)
.convertRatesTo(TimeUnit.SECONDS)
.convertDurationsTo(TimeUnit.MILLISECONDS)
.build();
jmxReporter.start();
reporters.add(jmxReporter);
break;
case JSON_FILE:
final JsonFileReporter jsonFileReporter = new JsonFileReporter();
jsonFileReporter.start();
reporters.add(jsonFileReporter);
break;
case HADOOP2:
String applicationName = conf.get(HiveConf.ConfVars.HIVE_METRICS_HADOOP2_COMPONENT_NAME.varname);
long reportingInterval = HiveConf.toTime(
conf.get(HiveConf.ConfVars.HIVE_METRICS_HADOOP2_INTERVAL.varname),
TimeUnit.SECONDS, TimeUnit.SECONDS);
final HadoopMetrics2Reporter metrics2Reporter = HadoopMetrics2Reporter.forRegistry(metricRegistry)
.convertRatesTo(TimeUnit.SECONDS)
.convertDurationsTo(TimeUnit.MILLISECONDS)
.build(DefaultMetricsSystem.initialize(applicationName), // The application-level name
applicationName, // Component name
applicationName, // Component description
"General"); // Name for each metric record
metrics2Reporter.start(reportingInterval, TimeUnit.SECONDS);
break;
}
}
}
在hive2版本有4类导出器
ConsoleReporter：通过调度线程，按周期将指标输出到日志里面。JmxReporter：一个报告器，用于监听新指标，并将发送其作为名称标注的 MBeans。JsonFileReporter：通过Timer，定时调度，将指标写入目标文件中。HadoopMetrics2Reporter：通过调度线程，按周期将指标更新到度量对象dropwizardGauges,dropwizardCounters,dropwizardHistograms,dropwizardMeters,dropwizardTimers中，再由hadoop2的指标系统去获取转换由 dropwizard 收集的当前指标，并将其添加到Hadoop2的指标系统中。
JsonFileReporter输出的文件内容示例
-
回收
- gc.PS-MarkSweep.count：标记次数
- gc.PS-MarkSweep.time：标记耗时ms
- gc.PS-Scavenge.count：清除次数
- gc.PS-Scavenge.time：清除耗时ms
-
内存
-
memory.heap.committed：JVM 已经提交的 HeapMemory 的大小， byte
-
memory.heap.init：JVM 初始 HeapMem 的大小
-
memory.heap.usage：已使用内存占比
-
memory.heap.max：JVM 配置的 HeapMemory 的大小
-
memory.heap.used：已使用堆内存大小， byte
-
memory.non-heap.committed：JVM 当前已经提交的 NonHeapMemory 的大小， byte
-
memory.non-heap.init：JVM 初始 NonHeapMem 的大小， byte
-
memory.non-heap.max：JVM 配置的 NonHeapMemory 的数大小， byte
-
memory.non-heap.usage：已使用NonHeapMemory 内存占比
-
memory.non-heap.used：JVM 当前已经使用的 NonHeapMemory 的大小， byte
-
memory.pools.Code-Cache.usage：代码缓存区使用占比
-
memory.pools.Compressed-Class-Space.usage：压缩类空间空间使用占比
-
memory.pools.Metaspace.usage：Metaspace 区内存使用占比
-
memory.pools.PS-Eden-Space.usage：Eden区内存使用占比
-
memory.pools.PS-Old-Gen.usage：Old区内存使用占比
-
memory.pools.PS-Survivor-Space.usage：Survivo区内存使用占比
-
memory.total.committed：保证可用于堆或非堆的总内存量
-
memory.total.init：堆或非堆初始化的内存量
-
memory.total.max：堆或非堆配置的最大中内存量
-
memory.total.used：堆或非堆使用的总内存量
-
-
线程
- threads.count：总线程数
- threads.daemon.count：常驻线程数
- threads.deadlock.count：死锁线程数
-
counters下
active_calls_*系列：正在执行的方法的个数，方法主要在HiveMetaStore的内部类HMSHandler中。 -
timers下
api_系列：执行的方法响应（个数，平均、最大、最小、中位数耗时等等），方法主要在HiveMetaStore的内部类HMSHandler中。
{
"version" : "3.0.0",
"gauges" : {
"buffers.direct.capacity" : {
"value" : 0
},
"buffers.direct.count" : {
"value" : 0
},
"buffers.direct.used" : {
"value" : 0
},
"buffers.mapped.capacity" : {
"value" : 0
},
"buffers.mapped.count" : {
"value" : 0
},
"buffers.mapped.used" : {
"value" : 0
},
"classLoading.loaded" : {
"value" : 6932
},
"classLoading.unloaded" : {
"value" : 0
},
"gc.PS-MarkSweep.count" : {
"value" : 2
},
"gc.PS-MarkSweep.time" : {
"value" : 250
},
"gc.PS-Scavenge.count" : {
"value" : 5
},
"gc.PS-Scavenge.time" : {
"value" : 92
},
"init_total_count_dbs" : {
"value" : 489
},
"init_total_count_partitions" : {
"value" : 51089
},
"init_total_count_tables" : {
"value" : 13733
},
"memory.heap.committed" : {
"value" : 991428608
},
"memory.heap.init" : {
"value" : 1073741824
},
"memory.heap.max" : {
"value" : 991428608
},
"memory.heap.usage" : {
"value" : 0.22776332070498415
},
"memory.heap.used" : {
"value" : 225811072
},
"memory.non-heap.committed" : {
"value" : 62717952
},
"memory.non-heap.init" : {
"value" : 2555904
},
"memory.non-heap.max" : {
"value" : -1
},
"memory.non-heap.usage" : {
"value" : -6.1740872E7
},
"memory.non-heap.used" : {
"value" : 61740872
},
"memory.pools.Code-Cache.usage" : {
"value" : 0.04560165405273438
},
"memory.pools.Compressed-Class-Space.usage" : {
"value" : 0.004726290702819824
},
"memory.pools.Metaspace.usage" : {
"value" : 0.9850643484933036
},
"memory.pools.PS-Eden-Space.usage" : {
"value" : 0.5518231919863521
},
"memory.pools.PS-Old-Gen.usage" : {
"value" : 0.07657499299391471
},
"memory.pools.PS-Survivor-Space.usage" : {
"value" : 0.9316617525540866
},
"memory.total.committed" : {
"value" : 1054146560
},
"memory.total.init" : {
"value" : 1076297728
},
"memory.total.max" : {
"value" : 991428607
},
"memory.total.used" : {
"value" : 287551944
},
"threads.blocked.count" : {
"value" : 0
},
"threads.count" : {
"value" : 27
},
"threads.daemon.count" : {
"value" : 16
},
"threads.deadlock.count" : {
"value" : 0
},
"threads.deadlocks" : {
"value" : [ ]
},
"threads.new.count" : {
"value" : 0
},
"threads.runnable.count" : {
"value" : 4
},
"threads.terminated.count" : {
"value" : 0
},
"threads.timed_waiting.count" : {
"value" : 7
},
"threads.waiting.count" : {
"value" : 16
}
},
"counters" : {
"active_calls_api_get_database" : {
"count" : 0
},
"active_calls_api_get_tables" : {
"count" : 0
},
"active_calls_api_init" : {
"count" : 0
},
"active_calls_api_set_ugi" : {
"count" : 0
},
"jvm.pause.extraSleepTime" : {
"count" : 6
},
"open_connections" : {
"count" : 1
}
},
"histograms" : { },
"meters" : { },
"timers" : {
"api_get_database" : {
"count" : 54,
"max" : 99.228759,
"mean" : 11.107232182804301,
"min" : 10.091598,
"p50" : 11.098374,
"p75" : 11.503314,
"p95" : 12.130782,
"p98" : 12.130782,
"p99" : 12.130782,
"p999" : 12.913863,
"stddev" : 0.6771821794059291,
"m15_rate" : 0.0,
"m1_rate" : 0.0,
"m5_rate" : 0.0,
"mean_rate" : 0.0,
"duration_units" : "milliseconds",
"rate_units" : "calls/millisecond"
},
"api_get_tables" : {
"count" : 18,
"max" : 31.114395,
"mean" : 9.939109200622983,
"min" : 9.404240999999999,
"p50" : 9.841852,
"p75" : 10.122354,
"p95" : 10.122354,
"p98" : 10.122354,
"p99" : 10.122354,
"p999" : 10.203377999999999,
"stddev" : 0.18434488642295546,
"m15_rate" : 0.0,
"m1_rate" : 0.0,
"m5_rate" : 0.0,
"mean_rate" : 0.0,
"duration_units" : "milliseconds",
"rate_units" : "calls/millisecond"
},
"api_init" : {
"count" : 1,
"max" : 3225.4620339999997,
"mean" : 3225.4620339999997,
"min" : 3225.4620339999997,
"p50" : 3225.4620339999997,
"p75" : 3225.4620339999997,
"p95" : 3225.4620339999997,
"p98" : 3225.4620339999997,
"p99" : 3225.4620339999997,
"p999" : 3225.4620339999997,
"stddev" : 0.0,
"m15_rate" : 0.0,
"m1_rate" : 0.0,
"m5_rate" : 0.0,
"mean_rate" : 0.0,
"duration_units" : "milliseconds",
"rate_units" : "calls/millisecond"
},
"api_set_ugi" : {
"count" : 1,
"max" : 0.284408,
"mean" : 0.284408,
"min" : 0.284408,
"p50" : 0.284408,
"p75" : 0.284408,
"p95" : 0.284408,
"p98" : 0.284408,
"p99" : 0.284408,
"p999" : 0.284408,
"stddev" : 0.0,
"m15_rate" : 0.0,
"m1_rate" : 0.0,
"m5_rate" : 0.0,
"mean_rate" : 0.0,
"duration_units" : "milliseconds",
"rate_units" : "calls/millisecond"
}
}
}
其他
#这个类定义了Hive进程生成的一些指标。
org.apache.hadoop.hive.common.metrics.common.MetricsConstant
#可以用来度量和记录一段代码所花费的时间。
org.apache.hadoop.hive.ql.log.PerfLogger
腾讯云的hive-metastore指标
| 标题 | 指标名称 | 指标单位 | 指标含义 |
|---|---|---|---|
| GC 次数 | YGC | 次 | Young GC 次数 |
| FGC | 次 | Full GC 次数 | |
| GC 时间 | FGCT | s | Full GC 消耗时间 |
| GCT | s | 垃圾回收时间消耗 | |
| YGCT | s | Young GC 消耗时间 | |
| 内存区域占比 | S0 | % | Survivor 0区内存使用占比 |
| E | % | Eden 区内存使用占比 | |
| CCS | % | Compressed class space 区内存使用占比 | |
| S1 | % | Survivor 1区内存使用占比 | |
| O | % | Old 区内存使用占比 | |
| M | % | Metaspace 区内存使用占比 | |
| JVM 内存 | MemHeapUsedM | MB | JVM 当前已经使用的 HeapMemory 的数量 |
| MemHeapCommittedM | MB | JVM 已经提交的 HeapMemory 的数量 | |
| MemHeapMaxM | MB | JVM 配置的 HeapMemory 的数量 | |
| MemHeapInitM | MB | JVM 初始 HeapMem 的数量 | |
| MemNonHeapUsedM | MB | JVM 当前已经使用的 NonHeapMemory 的数量 | |
| MemNonHeapCommittedM | MB | JVM 当前已经提交的 NonHeapMemory 的数量 | |
| MemNonHeapInitM | MB | JVM 初始 NonHeapMem 的数量 | |
| 文件描述符数 | OpenFileDescriptorCount | 个 | 已打开文件描述符数量 |
| MaxFileDescriptorCount | 个 | 最大文件描述符数 | |
| CPU 利用率 | ProcessCpuLoad | % | 进程 CPU 利用率 |
| SystemCpuLoad | % | 系统 CPU 利用率 | |
| CPU 使用时间占比 | CPURate | seconds/second | CPU 使用时间占比 |
| 工作线程数 | DaemonThreadCount | 个 | 守护线程数 |
| ThreadCount | 个 | 线程总数 | |
| CPU 累计使用时间 | ProcessCpuTime | ms | CPU 累计使用时间 |
| 进程运行时长 | Uptime | s | 进程运行时长 |
| GC 额外睡眠时间 | ExtraSleepTime | ms/s | GC 额外睡眠时间 |
| alter table 请求时间 | HIVE.HMS.API_ALTER_TABLE | ms | alter table 请求平均时间 |
| alter table with env context 请求时间 | HIVE.HMS.API_ALTER_TABLE_WITH_ENV_CONTEXT | ms | alter table with env context 请求平均时间 |
| create table 请求时间 | HIVE.HMS.API_CREATE_TABLE | ms | create table 请求平均时间 |
| create table with env context 请求时间 | HIVE.HMS.API_CREATE_TABLE_WITH_ENV_CONTEXT | ms | create table with env context 请求平均时间 |
| drop table 请求时间 | HIVE.HMS.API_DROP_TABLE | ms | drop table 平均请求时间 |
| drop table with env context 请求时间 | HIVE.HMS.API_DROP_TABLE_WITH_ENV_CONTEXT | ms | drop table with env context 平均请求时间 |
| get table 请求时间 | HIVE.HMS.API_GET_TABLE | ms | get table 平均请求时间 |
| get tables 请求时间 | HIVE.HMS.API_GET_TABLES | ms | get tables 平均请求时间 |
| get multi table 请求时间 | HIVE.HMS.API_GET_MULTI_TABLE | ms | get multi table 平均请求时间 |
| get table req 请求时间 | HIVE.HMS.API_GET_TABLE_REQ | ms | get table req 平均请求时间 |
| get database 请求时间 | HIVE.HMS.API_GET_DATABASE | ms | get database 平均请求时间 |
| get databases 请求时间 | HIVE.HMS.API_GET_DATABASES | ms | get databases 平均请求时间 |
| get all database 请求时间 | HIVE.HMS.API_GET_ALL_DATABASES | ms | get all databases 平均请求时间 |
| get all functions 请求时间 | HIVE.HMS.API_GET_ALL_FUNCTIONS | ms | get all functions 平均请求时间 |
| 当前活跃 create table 请求数 | HIVE.HMS.ACTIVE_CALLS_API_CREATE_TABLE | 个 | 当前活跃 create table 请求数 |
| 当前活跃 drop table 请求数 | HIVE.HMS.ACTIVE_CALLS_API_DROP_TABLE | 个 | 当前活跃 drop table 请求数 |
| 当前活跃 alter table 请求数 | HIVE.HMS.ACTIVE_CALLS_API_ALTER_TABLE | 个 | 当前活跃 alter table 请求数 |
参考资料
相关CWiki
-
Hive+Metrics：指标的总览页。提供部分指标的issues链接。
-
WebUIforHiveServer2：介绍WebUI可以查询展示指标。
-
ConfigurationProperties-Metrics ：介绍指标的部分配置。
