1.可观测性数据收集集大成者 Vector 介绍
2.Linux 性能调优必备：perf 使用指南
3.PromQL全解析

可观测性数据收集集大成者 Vector 介绍

       Vector，指标一款开源的源码源码数据收集+路由器工具，专为解决企业在线服务中可观测性构建的分析难题而设计。它以其快速性能，指标声称比同类方案快倍，源码源码吸引了众多关注。分析快乐牛牛源码 网盘Vector由Datadog开发，指标后被收购并开源，源码源码为用户提供了一个灵活且强大的分析工具，不仅限于日志数据的指标收集和路由，还支持指标数据的源码源码处理，甚至从日志中提取指标，分析功能全面。指标

       Vector的源码源码架构基于pipeline设计，包含Source端用于采集数据，分析Transform环节用于数据处理，以及Sink端用于数据转发。其独特的设计和功能使其在同类产品中独树一帜。

       安装Vector非常简单，通过一条命令即可完成，用户亦可参考官方文档探索更多安装方式。配置测试阶段，Vector允许用户使用yaml、溯源码燕窝访问次数json、toml等格式进行配置。例如，通过配置文件定义从指定文件读取日志，转换为特定格式，并输出到标准输出，实现数据的初步处理。

       Vector的部署模式多样，可作为数据采集的agent或数据聚合、路由的aggregator。在作为agent使用时，Vector支持Daemon和Sidecar模式，其中Daemon模式推荐用于收集单个主机上的所有数据，而Sidecar模式则提供了更多资源占用但更灵活的部署方式，适用于服务所有者自定义的日志收集方案。

       Vector因其高效性能和多功能性，深受用户好评，成为企业构建可观测性能力的重要工具。本文旨在介绍Vector并引导用户尝试其强大功能，同时推荐用户深入了解Vector的官方文档，以充分利用其优势。

       扩展阅读内容略。外汇ea之时间源码

Linux 性能调优必备：perf 使用指南

       perf 是 Linux 内核源码树内嵌的性能剖析工具。

       它运用事件采样原理，以性能事件为核心，支持对处理器和操作系统性能指标的剖析。通常用于查找性能瓶颈和定位热点代码。

       本文目录包括：

       安装 perf

       在大多数 Linux 发行版中，perf 工具包含在linux-tools 包中。使用包管理器安装，如 Debian 系统上的：

       在 Red Hat/CentOS 系统上：

       基本使用

       列出所有可用的性能事件，包括硬件事件和软件事件。

       使用perf record 记录目标程序的性能数据。

       例如：-g 表示记录调用栈，-a 表示对所有 CPU 进行采样，-F 表示每秒采样 次，sleep 6 是要分析的程序。

       这会生成 perf.data 文件，包含采集的性能数据。

       可以指定要分析的事件类型，如 CPU 时钟周期、缓存命中等。

       支持跟踪点，一种在内核中预定义的字处理软件源码事件，用于跟踪系统调用等。

       （常用的）可选参数

       每个参数的使用取决于具体需求。例如，使用-a 参数对整个系统进行性能分析；使用-p 或 -t 分析特定进程或线程；-g 对理解程序的函数调用关系非常重要。

       实际使用中，先使用perf record ./your_program 进行简单性能记录，再尝试添加不同参数。

       分析性能数据

       使用perf report 分析记录的数据。

       可以用-i 指定要分析的性能数据。

       这将展示一个交互式报告，可使用键盘导航查看不同视图。

       使用示例

       以下是一个简单的 C++ 程序示例，创建一个 std::vector 并使用 push_back 和 emplace_back 方法添加元素，以比较这两种方法在性能上的差异。

       ComplexObject 类有一个构造函数，接受一个整数参数并存储它。构造函数和析构函数都会输出一条消息，以便看到对象的创建和销毁。创建 万个这样的对象，并比较 push_back 和 emplace_back 的性能。

       要编译和运行这个程序，需要一个支持 C++ 或更高版本的个人网站可以发布源码编译器。使用以下命令：

       这将编译程序并运行生成的 vector_test 可执行文件。

       使用 perf 分析程序性能。

       确保有权限运行 perf。

       使用以下命令记录性能数据：

       perf record ./vector_test

       运行结束后，使用perf report 查看性能报告。

       在报告中，可以看到不同函数的调用次数、执行时间等信息。

       进入交互界面后，

       其他功能

       perf 提供了许多其他工具，如 perf stat（显示程序运行时的性能统计信息），perf top（实时显示性能热点），perf annotate（显示源代码级别的性能分析）等。

       使用perf top 查看实时性能数据。

       对特定函数或代码行进行性能分析。

       统计特定事件（如缓存未命中）的发生次数。

       高级用法注意事项可能遇到的问题

       问题1

       根据错误信息，系统上的 perf_event_paranoid 设置为 4，意味着除了具有特定 Linux 能力的进程外，所有用户都无法使用性能监控和可观察性操作。

       要解决这个问题，有几个选项：

       使用以下命令临时更改设置：

       sudo sysctl -w kernel.perf_event_paranoid=-1

       或者，如果你只想允许使用用户空间事件：

       sudo sysctl -w kernel.perf_event_paranoid=0

       请注意，降低 perf_event_paranoid 的值可能会增加系统安全风险。

       问题2

       错误信息表明，由于 /proc/sys/kernel/kptr_restrict 设置的值，内核符号（kallsyms）和模块的地址映射被限制了。

       当你尝试使用perf record 收集性能数据时，如果无法解析内核样本，将无法得到有关内核函数和模块的详细信息。

       为了解决这个问题，你可以采取以下步骤：

       你可以临时更改 kptr_restrict 的值，以允许 perf 工具访问内核指针。

       这将设置 kptr_restrict 为 0，允许所有用户访问内核指针。

       如果你的系统上有 vmlinux 文件，perf 工具可以使用它来解析内核样本。

       确保 vmlinux 文件与当前运行的内核版本相匹配。

       如果 vmlinux 文件不存在或过时，你可能需要更新它。

       降低 kptr_restrict 的值会降低系统的安全性。

PromQL全解析

       PromQL（Prometheus Query Language）是专为Prometheus tsdb设计的查询语言，结合Grafana进行数据展示和告警规则配置。

       PromQL支持四种主要指标类型：Instant vector（瞬时向量）、Instance vector（实例向量）、Range vector（范围向量）和Scalar（标量）。

       瞬时向量表示一个时间序列的集合，每个时间序列只包含最近一个点。实例向量表示一个时间序列集合，每个序列可有多个点。范围向量表示一定时间范围内的序列，每个序列可能包含多个点。标量表示单一数值，通常由实例向量简化而来。

       选择器和标签选择器用于过滤和匹配数据，如查询Prometheus中HTTP状态码为的请求数量，或状态码为4xx或5xx、handler为/api/v1/query的请求数量。

       范围选择器允许查询特定时间范围内的数据，如过去5分钟Prometheus健康检查的采样记录。

       时间偏移通过offset功能实现，可以查询5分钟前的数据。

       @修饰符允许直接跳转到指定Unix时间戳，需开启相关启动参数。

       PromQL支持数学运算符，包括两个标量、瞬时向量与标量、两个瞬时向量之间的计算。运算符与各类编程语言中的基本一致。

       比较运算符允许在标量之间进行比较，并在运算符后跟bool修饰，结果为0或1。瞬时向量与标量比较可用于查询节点状态等。

       逻辑运算符适用于向量，实现类似于标签选择的功能。

       聚合运算符用于计算指标的总和、最大、最小、平均值等。内置聚合运算符包括sum、min、max、avg等。

       PromQL支持函数，如ceil()、floor()、round()等进行取整操作，clamp()、clamp_max()、clamp_min()进行值截取，changes()、resets()进行值变化和复位统计。

       日期与时间管理函数提供操作日期和时间的能力，如day_of_month()、day_of_week()、hours_in_month()等。

       直方图分位数计算函数histogram_quantile()用于计算指定分位数的样本最大值。

       差异与增长率计算函数delta()、idelta()、increase()、rate()和irate()用于计算变化率。

       对于label管理，PromQL提供了label_join()和label_replace()函数。

       PromQL预测功能包括predict_linear()，用于基于线性回归预测值。转换函数如absent()、absent_over_time()和scalar()、vector()用于数据转换。

       sgn()函数用于将样本值转换为1或-1或0。

       排序函数sort()和sort_desc()用于对向量元素进行排序。

       PromQL提供一系列数学函数，如abs()、sqrt()、deriv()、exp()、ln()、log2()、log()和holt_winters()，用于数学计算和数据平滑。

       三角函数和弧度转换提供角度与弧度之间的转换。

       通过上述功能，PromQL为Prometheus提供了强大的查询和数据处理能力。