1. 介绍

Graphite是一个Github项目，没有自己的独立域名网站，文档也host在专门存放文档的网站上。

Graphite 专注于两个最简单的任务: 作为一个便捷且Scalable的Network Service，以精度随时间递减的方式存储Metrics数据，并支持以丰富的函数获取它们，以图片或者JSON的格式。

Graphite基于Python，由三部分组成：

  • Carbon：基于Twist的TCP Server，负责接收数据，用简单到死的文本协议，因为够简单，所以Yammer Codahale Metrics、Netflix Servo、StatsD、Collectd、Logstash，人人都有一个到Graphite的插件。
  • Whisper: 类库，将数据存储成RRD(round-robin-databas)文件，数据粒度随时间递减，可以存储更长时间的其据。其继承者是Ceres，不再固定文件大小。
  • Graphite-Web：基于Django的Web应用，支持Restful的URL获取图片或JSON数据，URL里可以带各种有用的函数。

基于Python的单点性能可能不高，但Graphite有Cache、HA、Scalable方面的专门设计。

2. Install Graphite 0.9.12 on Windows

3. Functions & URL

3.1 URL示例

Image: http://localhost:8080/render?from=-10minutes&target=system.loadavg_1min&width=500&height=300
Json: http://localhost:8080/render?from=-10minutes&target=system.loadavg_1min&format=json
CSV: http://localhost:8080/render?from=-10minutes&target=system.loadavg_1min&format=csv

3.2 重要函数

Graphite的魅力在于它有非常多让人眼花缭乱的函数，每当有什么需求时，都可以先尝试翻看一下它的函数列表。这里稍微列举一些。

1. url上的通配符：
url中可以带有星星或选择符，会选择出多个counter来，也就诞生了一系列其他需求：

&target=rest.getUser.count.*          
&target=rest.get*.count.succeeded     
&target=rest.getUser.count.{succeeded,failed}
&target=rest.server[1-20].getUser.count

注意，因为url中的每个.代表了实际存储文件的一个目录层次，graphite的代码也是用unix的fnmatch一层层目录的推进匹配，所以不能用rest.* 选出 rest.getUser.count

  • 将星星代表的多个counter通过某个方式选出一个值来，比如 maxSeries，sumSeries，averageSeries。sumSeries(rest.getUser.count.*)，将星代表的counter相加成一个值。
  • groupByNode，url中有两颗星星，将第1颗星星代表的多个Series组合，而第2颗代表的则分开来显示。
    groupByNode(ganglia.by-function...cpu.load5,2,"sumSeries")，第一颗星代表服务器，第2颗星代表服务器，此函数将显示每台Server上所有函数的CPU总和。averageSeriesWithWildcards，sumSeriesWithWildcards也有类似效果。
  • aliasByNode，将星星中的counter的名称做Alias，比如aliasByNode(rest.getUser.count.*, 1)，alias就是succeeded或failed。更高级是aliasSub，可以用正则表达式取出counter名称里的某部分做alias。
  • exclude，单独剔除某个Counter，比如exclude(servers*.threads,"server02")
  • 只显示某些counter，比如highestAverage，highestMax，只显示值最高(还可以是最低)的几个counter，又或者currentAbove，currentBelow，以last值(还可以是max,min,avg值)做条件过滤。
  • asPercent，以几个counter相对的百分比来显示。

2. 图形增强：

  • legendValue(rest.getuser.latency, 'avg', 'max')，图形下面显示数据的最大小值、平均值(可以是last, avg, total, min, max)。
  • threshold(60, "latency 60ms threshold","red")，在图形里显示警戒线。
  • consolidateBy(rest.getuser.latency, 'max')，如果看一周的曲线，图上的每个点包含了多个datapoint的数据，不用本函数，默认行为是算平均值，可以用本函数设为取max,min,sum等。

3. 其他：

  • summarize(rest.getuser.latency, "1min")，按1分钟进行聚合而不是原来的10秒。聚合的方式默认是sum，也可以是avg,max,last。
  • 将自增长的Counter转化为TPS： perSecond(rest.getuser.totalCount)，但当前版本此函数好像不存在，一个解决方式是：scaleToSeconds(deriviative(rest.getuser.totalCount),1) ,第一个函数先算出两个点之间的差值，第二个平均到每秒。
  • integral(rest.getUser.count)，显示所有datapoint的逐渐累积值。
  • hitcount, 将rate换算成totalCount，能跨越各种时间长度。
  • Timeshift, 可以比较当前数值和一周前的数值(两条线)： &target=alias(summarize(rest.getuser.count, "1min"), "today")&target=alias(summarize(rest.getuser.count, "1min"),"1w"), "last week")。
  • movingAverage， 几个datapoint的移动平均值。

3.3 URL参数

  1. 时间
    关于时间各种定义见URL文档。可以定义绝对时间，比如from=04:00_19890601。可以定义一些奇葩的写法，比如&from=6pm+today等于今天六点以后，&from=january+1等于1月1号以后，&from=monday等于离现在最近的周一以后。 from默认是24小时以前，until默认是now。
  2. noCache=true
    结果默认会按local_settings.py中的DEFAULT_CACHE_DURATION 缓存60秒，如果要每10秒刷新看一次最新值，应设置noCache=true。 另外，如果有配置memcached，缓存在memcached中，否则在Graphite-WebApp里。
  3. drawNullAsZero=true
    没有流量，没有数据点插入时，在Graphite里数据是Null，图中的曲线会有断点，设置url参数drawNullAsZero=true会把断点变成0。另外函数中也有keepLastValue()，让null等于最后一次的值，或者transformNull(webapp.pages.*.views,-1)，可以让默认值为-1。

4. Carbon & Whisper

4.1 端口与协议

  • Carbon默认在2003端口启动TCP的，接收plain text数据，可配成UDP。
  • Carbon默认在2004端口，接收以Python的Pickle格式的数据。
  • Carbon默认在7002端口，支持Cache数据的查询。

4.2 数据写入流程

Metric数据来临时，将写入不同的whisper文件，carbon.conf中有MAX_UPDATES_PER_SECOND=500的限制，如果海量数据来临时，数据就不会立刻写到文件里，而是被Buffer起来。然后系统会按照谁有最多的没写入的data point排序，利用Whisper比RRDTool可以一次写入多个data point的优势，一次写入多个data point到一个数据文件。

当Graphite-Web画图时，不但会去读whisper文件，还会通过7002端口，查询Carbon中没来得及写入文件的Buffer。

如果数据来临的间隔低于Graphite刷新的间隔，Graphite只会取最后一个值。比如retentions = 10s:1d，而客户端每5秒发来一条数据，前一条数据会被丢弃。

4.2 数据压缩流程

数据的分布定义storage-schemas.conf中，默认是按10秒一个数据的方式，存一天的数据。一天前的数据就没了。

[default_1min_for_1day]
pattern = .*
retentions = 10s:1d

Statsd建议改成从现在到6个小时前每10秒一个数据，从7个小时前到7天前每1分钟一个数据，7天前到5年前每10分钟一个数据，5年前的数据丢弃。

[stats]
pattern = ^stats.*
retentions = 10s:6h,1min:7d,10min:5y

将10秒的数据降为1分钟数据时，默认是算平均值，但也可以按合计值，最大值，最小值等，一切尽在storage-aggregation.conf。

[sum]
pattern = \.count$
xFilesFactor = 0
aggregationMethod = sum

[default_average]
pattern = .*
xFilesFactor = 0.5
aggregationMethod = average

4.3 Whisper文件操作

因为文件不是顺序写，所以硬盘使用SSD的性能更好。 C:\Python27\Scripts\Whisper-* 脚本，可以对Whisper文件 查看、更新、Info、 在retention更改后重新更改大小。

5. DashBoard

5.1 overview

官方的DashBoard不算太好，因此有下列的替代品:
1. Grafana 和ElasticSearch的Kibana同一个风格，是目前最好的DashBoard。 2. 其他的Dashboard都不太好，比如Descartes是Graphite的维护者Jason Dixon 做的一个替代官方DashBoard，Ruby编写。三方的Dashboard小结3. 自己定制一个动态页面，用URL嵌入Graphite吐出来的图片。
4. 获取Graphite的Json，在浏览器用D3.js引擎重新渲染，Giraffe是一个典型的实现，Demo，当然，也可以完全自己用D3.js定制。

Grafana既有用户体验良好的Dashboard，也支持用户动态创建编辑保存DashBoard，是最省心省力的选择。

5.2 Grafana

5.2.1 安装

Grafana是一个纯粹的html/js 应用，丢进任何Web容器里即可。不过Grafana需要ajax 查询Graphite-Web内容，会有跨域访问的限制，需要修改Graphite Web的容器支持跨域访问，不过我的做法是直接把Grafana丢进Graphite webapp目录，修改一下webapp\graphite\urls.py文件，比如添加一句 ··· ('^grafana/(?P.*)$', 'django.views.static.serve', {'document_root' : settings.GRAPHITE_ROOT+'/webapp/grafana'}), ···

Grafana目前的版本更新非常迅速，可经常留意。

再然后copy config.sample.js 成 config.js，就可以访问http://graphite/grafana/index.html 了

5.2.2 Tips

  • 它要求ElasticsSearch来存储多个DashBoard的定义文件，如果实在没有装ElasticSearch，也可以JSON文件的干活，Export出JSON文件(Save ->Advanced->Export Schema)，然后上传回它的/app/dashboards目录。
  • 一般人不喜欢黑色，可选择白色风格的DashBoard，在右上角的DashBoard Configuration里选择style为light。
  • 和Kibana一样，在时间轴上拖拉一段时间来细化时间的选择是最炫的演示效果。
  • 如果需要动态的DashBoard，也可以用javascript来实现。Scripted dashboards
  • Templating也是它的一大功能，比如可以快速切换多台服务器，Templating。
  • 一些界面相关的function，图形设置里已直接支持，不需要再写成function，比如Legends，Threshold，draw null as zero。
  • Y轴智能单位支持ms和byte的智能转换，比如转换为Kb,Mb,Gb。

6. HA 与 Scalable

Clustering Graphite Blog

Carbon-Relay 支持垂直或者水平的分区，将Metric发送到不同的Carbon-Cache实体上(同名的Metric总是发送到同一个Cache实体)。在carbon.conf的[relay]中配置RELAY_METHOD = consistent-hashing是水平分区，配置RELAY_METHOD = rules，然后配置relay-rules.conf中按Metric Name的正则表达式是垂直分区。
relay-rules.conf示例：

[example]
pattern = ^mydata\.foo\..+
servers = 10.1.2.3, 10.1.2.4:2004  //会复制到所有server上(HA)

Carbon-Relay 如果采用consistent-hashing，还可以在carbon.conf里定义factory=2， 复制数据到两台服务器上的Carbon-Cache，实现HA。

为了使用更多的CPU，一台机器上可以起一个Graphite-Web实例，多个Carbon-Cache实例，而使用同一个Whisper文件目录，因为sharding的原因，两个实例是不会写同一个whiper文件的，此时，Graphite-Web的local_settings.py里的CARBONLINK_HOSTS里要配置多个carbon。

Graphite-Web 先读本地的whisper文件，如果读到了Metric就走正常流程,如果本地没有这个Metric，就通过 local_settings.py里的CLUSTER_SERVERS查询其他Graphite-Web Server。

HA环境下，如果一台机器倒了，再重启之后如何从另一台机器上同步最新数据？Cluster环境下，如果增加后端的Carbon-Cache实例，一致性哈希到每台机上的metric会有变化，如何重新Balance已存在的数据？ 幸亏有一个carbonate项目把这个脏活干了，比如carbon-sync, 看这个命令的名字就感觉亲切。

LOCAL_IP="$1"

for h in $(carbon-hosts) ; do  //访问所有host
  (
    ssh $h -- carbon-list |       //列出该host上所有metric
    carbon-sieve -n $LOCAL_IP |   //再列出本机有的metric
    carbon-sync -s $h             //同步重合的metric
  ) &
done

Carbon-Aggregrator，如果数据从多台服务器过来，但你其实只想看个总数，并不关心每台服务器上的计数，又或者数据过来的时间低于Graphite的datapoint的间隔，你又不想丢弃之前的数据，就可以放一个Carbon-Aggregrator在Carbon-Cache前面，类似StatsD的做一次聚合，把聚合后的数据交给Carbon-Cache，大幅降低其IO。不过Carbon-Aggregrator 只支持Sum和Avg两种计算方式。配置文件在carbon.conf的[aggregator]段落和aggregation-rules.conf

<env>.applications.<app>.all.requests (60) = sum <env>.applications.<app>.*.requests

上例，将多台server过来的数据，做一次60秒的聚合，名字叫<env>.applications.<app>.all.requests。其中<xxx>会用来自动匹配具体的名字，而*就会用来做聚合。

以上内容均为纸上谈兵，待验证。

7. Graphite vs RRDTool

Whisper vs RRDTool

  • Graphite的旧版FAQ和这里已经专门提到了两者的比较。
  • Graphite自承RRDTool的单纯写入速度比它的Whisper快2-3倍，读快2-5倍，因为C与Python的区别。
  • 但Whisper因为有时间戳，可以插入不规则发生的数据和已过去的数据。Whisper还可以同时写入批量数据，见上。

Graphite vs RRDTool

  • 对我们项目来说，Graphite提供TCP写入和Http读取的网络服务，当然比RRDTool基于文件操作灵活，RRDTool的rrdcached和rrdcgi还没去做测试。
  • 对我们项目来说，更重要的是支持正则的灵活配置方式，可以更好的配置Dynamic Counter，或者多个节点上的数据输入，在取数据时可以url里带星号来进行汇总，见上。
  • Graphite支持函数，在用途上更有潜力。

8. 用户

  • 大客户：Github、Instagram、豆瓣、Etsy等
  • 云服务：playfairapp statsd + Graphite

9. 参考资料