المسار: مقاييس Dynatrace SaaS · الوحدة 7/7 — DQL timeseries والمقاييس المخصصة والتنبيهات · المدة: ~75 دقيقة · المستوى: متوسط إلى متقدم
الأهداف:
- إتقان معاملات أمر DQL timeseries:
byوfilterوintervalوbinsوrollupوdefaultوnonemptyوunionوshift. - حساب النسب بين السلاسل ورسم السجلات أو الـspans بـ
makeTimeseries. - إنشاء مقاييس مخصصة: واجهة الاستيعاب أو OpenTelemetry أو الاستخراج عبر OpenPipeline.
- وضع تنبيه على استعلام
timeseriesبتطبيق Anomaly Detection.
المتطلبات: الوحدات من 1 إلى 6 من المسار، وأساسيات DQL (fetch وfilter وsummarize)، ولجزء الاستيعاب رمز مميّز (token) مخوّل باستيعاب المقاييس.
استعلام المقياس الخاطئ لا يتعطل: بل يعيد رسمًا بيانيًا معقولًا ومؤشر SLI خاطئًا. تستكشف هذه الوحدة الأخيرة من مسار مقاييس Dynatrace SaaS أمر DQL timeseries إلى ما بعد التجميع البسيط، معاملًا معاملًا، ثم تبيّن كيف تضيف مقاييسك الخاصة إلى Grail وتطلق تنبيهًا عندما تنحرف.
المحتوى خاص بـDynatrace SaaS: فـtimeseries وmakeTimeseries وOpenPipeline وAnomaly Detection من خصائص منصة Grail. وفي Dynatrace Managed يكون المقابل عبر metric selector وواجهة Metrics API v2؛ أما واجهة الاستيعاب وبروتوكول السطر فيها فموجودان في الاثنين. وللاطلاع على أساسيات DQL راجع أساسيات DQL.
الصيغة الكاملة لـDQL timeseries
تعطي الوثائق الصيغة العامة التالية:
timeseries [column =] aggregation(metricKey [, filter:] [, default:] [, rollup:] [, rate:] [, scalar:])
[, by:] [, filter:] [, union:] [, nonempty:] [, interval: | bins:]
[, from:] [, to:] [, timeframe:] [, shift:]
التجميعات المتاحة هي sum وavg وmin وmax وcount (عدد السلاسل، أي عدد القيم المختلفة cardinality) وpercentile وpercentRank وcountDistinct. تحتوي النتيجة دائمًا على العمودين timeframe وinterval، ثم مصفوفة قيم لكل تجميع ولكل تركيبة أبعاد.
by وfilter: التقسيم والتقييد
يقسّم by النتيجة حسب بعد؛ ويقيّد filter السلاسل قبل التجميع. الترشيح داخل الأمر أكفأ من الترشيح بعده، لأن عددًا أقل من السلاسل يُحمَّل.
timeseries p90 = percentile(dt.service.request.response_time, 90),
by: { dt.entity.service },
filter: in(dt.entity.service, "SERVICE-1", "SERVICE-2"),
interval: 5m, from: -24h
المقياسان dt.service.request.response_time وdt.service.request.service_mesh.response_time فقط يقبلان percentile بدون rollup. أما لمقياس من نوع المؤشر (gauge) مثل المعالج فاكتب percentile(dt.host.cpu.usage, 90, rollup: avg). وانتبه إلى الوحدة أيضًا: زمن استجابة الخدمة معبَّر عنه بالميكروثانية.
interval وbins: الدقة ليست أبدًا ما طلبته بالضبط
يحدد interval مدة النقطة، ويحدد bins عدد النقاط؛ ولا يجتمعان. تقرّب المنصة إلى فاصل معروف (1 أو 2 أو 3 أو 5 أو 10 أو 15 أو 30 دقيقة؛ 1 أو 2 أو 3 أو 4 أو 6 أو 8 أو 12 أو 24 ساعة؛ ثم مضاعفات 24 ساعة)، وتحصر كل سلسلة في 1500 عنصر، وتحاذي الفترات على منتصف الليل. فطلب interval: 5h يعطي إذن فترات مدتها 6 ساعات. ولمؤشر SLI اقرأ دائمًا العمود interval في النتيجة.
rollup وdefault وnonempty وrate
- يفصل
rollup(minوmaxوsumوavgوtotal) التجميع عبر الزمن عن التجميع بين السلاسل:avg(dt.requests.failed, rollup: sum)يحسب المتوسط، بين السلاسل، لمجاميع كل فترة. - يستبدل
defaultالفترات الفارغة (null) بقيمة. لا غنى عنه قبل أي قسمة. - يعيد
nonempty: trueسلسلة حتى بدون بيانات. وبدونه، فإن نسبة أخطاء بلا أي خطأ تعيد «لا سجلات» بدل 0%. - يطبّع
rateعلى مدة:sum(dt.requests.failed, rate: 1s)يعطي معدلًا في الثانية، مستقلًا عن الفاصل المختار.
union: التقاطع الصامت
عندما يحتوي الاستعلام على عدة تجميعات، لا يُبقي timeseries افتراضيًا إلا السلاسل الموجودة في كل الأعمدة، كما في INNER JOIN. فالمضيف الذي ليس فيه أي طلب فاشل يختفي إذن من النتيجة. ويحتفظ union: true بكل السلاسل، مع أعمدة قد تكون فارغة.

العمليات الحسابية بين السلاسل والمقارنة عبر الزمن
يطبّق المعامل [] عملية عنصرًا بعنصر على مصفوفات متساوية الطول. وهو أساس نسب الأخطاء:
timeseries {
failed = sum(dt.service.request.failure_count, default: 0),
total = sum(dt.service.request.count)
}, by: { dt.entity.service }, nonempty: true, union: true
| fieldsAdd error_rate = failed[] / total[] * 100
لاختزال مصفوفة إلى قيمة واحدة استخدم arrayAvg أو arrayMax أو arraySum، أو المعامل scalar: true. ويزيح المعامل shift النافذة المستعلَمة ويعيد محاذاة الأختام الزمنية؛ ومع append يضع اليوم فوق الأسبوع الماضي:
timeseries avail = avg(dt.host.disk.avail), by: { dt.entity.host }, from: -24h
| append [
timeseries avail.7d = avg(dt.host.disk.avail), by: { dt.entity.host }, shift: -7d
]
makeTimeseries: سلاسل من السجلات والـspans
يقرأ timeseries المقاييس. ولرسم السجلات المفردة استخدم makeTimeseries بعد fetch. حقل الزمن الافتراضي هو timestamp، ثم start_time إن لم يوجد، مما يتيح تطبيقه مباشرة على الـspans:
fetch spans
| filter request.is_root_span == true
| filter endpoint.name == "GET /api/cart"
| makeTimeseries { p50 = median(duration), p90 = percentile(duration, 90) }
وبالنسبة إلى السجلات، فإن fetch logs | filter loglevel == "ERROR" | makeTimeseries count(default: 0), interval: 30m, nonempty: true ينتج منحنى أخطاء عند الصفر بدل نتيجة فارغة. وضع التكلفة في ذهنك: makeTimeseries يعيد قراءة السجلات الخام عند كل تنفيذ. أما لمؤشر معروض باستمرار فالأفضل مقياس يُنشأ عند الاستيعاب، وهذا ما ننتقل إليه الآن.
إنشاء مقاييسك الخاصة
| الطريق | متى تختاره | نقطة انتباه |
|---|---|---|
| واجهة الاستيعاب (بروتوكول السطر) | السكربتات والمهام المجدولة والأجهزة بدون SDK | البادئة dt. محجوزة، والحمولة محدودة بـ1 ميغابايت |
| OpenTelemetry (OTLP) | تطبيقات مجهزة بـSDK أو Collector | ينتظر Dynatrace زمنية delta |
| الاستخراج عبر OpenPipeline | المعلومة موجودة أصلًا في سجلات أو spans أو أحداث | لا يوجد المقياس إلا انطلاقًا من البيانات المستوعَبة بعد القاعدة |
بروتوكول السطر وواجهة الاستيعاب
يتبع السطر الصيغة metric.key,dimensions payload، مع ختم زمني اختياري بالميلي ثانية. الحمولة إما مؤشر (gauge، وهو الافتراضي) وإما عدّاد:
cpu.temperature,hostname=hostA,cpu=1 55
new_user_count,region=EAST count,delta=50
mymetric,team=teamA,businessapp=hr 1000 1609459200000

curl -L -X POST 'https://{your-environment-id}.live.dynatrace.com/api/v2/metrics/ingest' \
-H 'Authorization: Api-Token <votre-token>' \
-H 'Content-Type: text/plain' \
--data-raw 'shop.orders.validated,channel=web count,delta=12'
مع رمز وصول كلاسيكي يكون النطاق (scope) المطلوب metrics.ingest؛ ومع رمز منصة أو عميل OAuth يكون openpipeline:metrics:ingest. وتشير الاستجابة 400 إلى أسطر غير صالحة، مع معالجة الأسطر الصالحة رغم ذلك. فخ متكرر: بالنسبة إلى العدّاد، يضيف النموذج الكلاسيكي اللاحقة .count، أما Grail فلا. لذلك يُستعلم هكذا: timeseries orders = sum(shop.orders.validated), by: { channel }.
OpenTelemetry وOpenPipeline
يصدّر SDK أو Collector من OpenTelemetry إلى https://{your-environment-id}.live.dynatrace.com/api/v2/otlp/v1/metrics. ينتظر Dynatrace العدّادات بصيغة delta (OTEL_EXPORTER_OTLP_METRICS_TEMPORALITY_PREFERENCE=delta من جهة SDK)؛ والموضوع مفصّل في زمنية مقاييس OTLP. تصبح السمات أبعادًا: تجنّب المعرّفات الفريدة.
عندما تكون المعلومة موجودة أصلًا في السجلات، يقدم OpenPipeline معالجين للاستخراج: Counter metric يعدّ السجلات التي تحقق شرطًا، وValue metric يأخذ القيمة الرقمية لحقل، يُستخرج أحيانًا إلى حقل مؤقت dt.temp.* لا يُخزَّن أبدًا في Grail. أما مقاييس المدرّج التكراري (histogram) فتُعالَج في مقاييس المدرّج التكراري مع OpenPipeline.
التنبيه على استعلام DQL timeseries
في تطبيق Anomaly Detection يبدأ التنبيه المخصص من استعلام timeseries ومحلّل (analyzer). تقارن العتبة الثابتة كل نقطة بقيمة محددة؛ أما خط الأساس الموسمي فيناسب المقاييس ذات الإيقاع المنتظم. معاملات العتبة الثابتة كما تعرضها الوثائق في واجهة Settings API (المخطط builtin:davis.anomaly-detectors):
"analyzer": {
"name": "dt.statistics.ui.anomaly_detection.StaticThresholdAnomalyDetectionAnalyzer",
"input": [
{ "key": "query", "value": "timeseries avg(dt.host.disk.free), by:{dt.entity.host, dt.entity.disk}" },
{ "key": "threshold", "value": "10" },
{ "key": "alertCondition", "value": "BELOW" },
{ "key": "violatingSamples", "value": "3" },
{ "key": "slidingWindow", "value": "5" },
{ "key": "dealertingSamples", "value": "5" }
]
}
يُطلَق التنبيه عندما تنزل 3 نقاط ضمن نافذة منزلقة من 5 تحت العتبة، ولا يُغلَق إلا بعد عودة 5 نقاط إلى الوضع الطبيعي: فتُرشَّح القمم المعزولة ولا يتذبذب التنبيه. لا تضع قيمة عددية متغيرة في أبعاد الاستعلام، وإلا أنشأت سلسلة جديدة عند كل تقييم.
كيف تتحقق من أن كل شيء يعمل
- استعلام نسبة الأخطاء على خدمة بلا أخطاء يعيد سلسلة عند 0، لا نتيجة فارغة.
- الاستعلام
timeseries avg(dt.host.cpu.usage), interval: 5h, from: -2dيعرض 6 ساعات في العمودinterval. - تعرض استجابة واجهة الاستيعاب
linesInvalid: 0، ويعيدmetrics | filter metric.key == "shop.orders.validated" | limit 1المقياس بعد لحظات من الإرسال. - عند تنفيذ استعلام التنبيه وحده في Notebook، يعيد سلسلة لكل كيان مراقَب.
أفضل الممارسات
- رشّح داخل أمر
timeseriesبدل ما بعده: سلاسل أقل تُقرأ واستعلامات أسرع. - قبل أي قسمة أضف
default: 0إلى البسط وnonempty: trueوفكّر فيunion. - سمِّ مفاتيحك ببادئة الفريق وحدّ الأبعاد بما يفيد في الترشيح أو التقسيم.
- فضّل مقياسًا مستخرَجًا على
makeTimeseriesللمؤشرات المعروضة باستمرار. - اربط كل تنبيه بهدف SLO أو بإجراء مناوبة واضح. ويمكن أن تكون أمثلة استعلامات DQL للتشغيل أساسًا لذلك.
تمرين عملي
- اكتب نسبة الأخطاء لكل خدمة على 24 ساعة، بدون
unionثم معه. عدّ الخدمات في كل نتيجة. - أرسل ثلاثة أسطر عدّاد
training.eventsبقيمتين للبعدenv، ثم ارسمtimeseries sum(training.events), by: { env }. - أنشئ في Anomaly Detection تنبيهًا بعتبة ثابتة على هذا المقياس، بعتبة تتجاوزها إرسالاتك.
النتيجة المتوقعة: تفسّر الفرق في الخطوة 1 وتعرف كيف تتوقع إطلاق التنبيه.
اختبار قصير
- ماذا يعيد
interval: 5h؟ أ) 5 ساعات بالضبط ب) 6 ساعات ج) خطأ - لماذا يختفي مضيف بلا إخفاقات من حساب الإخفاقات/الإجمالي؟ أ) السلوك الافتراضي تقاطع ب) خطأ في الصلاحيات
- أي أمر يرسم الـspans عبر الزمن؟ أ)
timeseriesب)makeTimeseries - بأي مفتاح يُستعلم في Grail عدّاد أُرسل باسم
coffees.brewing count,delta=2؟ أ)coffees.brewing.countب)coffees.brewing
الإجابات
- ب. 5 ساعات ليست فاصلًا معروفًا؛ وتعتمد المنصة 6 ساعات.
- أ. بدون
union: trueلا تُحفظ إلا السلاسل الموجودة في كل الأعمدة. - ب. يجمّع
makeTimeseriesسجلات؛ أماtimeseriesفلا يقرأ إلا المقاييس. - ب. اللاحقة
.countلا توجد إلا في النموذج الكلاسيكي.
→ الوحدة 6: مقاييس السحابة في Grail · فهرس المسار · العودة إلى الوحدة 1 ←
الأسئلة الشائعة
ما الفرق بين timeseries وmakeTimeseries؟
timeseries أمر بداية يقرأ المقاييس المخزنة في Grail. أما makeTimeseries فيوضع بعد fetch ويبني سلسلة من السجلات: سجلات أو spans أو أحداث أو business events.
هل يجب تعريف المقياس قبل إرساله؟
لا. يُنشأ المقياس عند أول استيعاب. ويمكن إضافة البيانات الوصفية (الاسم المعروض والوحدة والوصف) لاحقًا، مثلًا بسطر يبدأ بـ#.
كيف أعرف أبعاد مقياس؟
استخدم metrics | filter metric.key == "ma.cle" | limit 1 أو الملف /dt/platform/metrics.metadata مع الأمر load.
أنهيت المسار: صرت تعرف قراءة المقاييس المدمجة واستعلامها بدقة وإنشاء مقاييسك والتنبيه عليها. المراجع: DQL metric commands وMetrics API, POST ingest data points.
span.observer مدوّنة مجتمعية مستقلة وغير تابعة لشركة Dynatrace LLC. لا يغني هذا المسار عن التدريبات والشهادات الرسمية في Dynatrace University. تحقق دائمًا من النطاقات (scopes) والصيغة في الوثائق الرسمية الخاصة ببيئتك.