如何在CloudWatch的仪表板上显示AWS服务的正常运行时间百分比？

Question

我想构建一个仪表板，显示我公司 Elastic Beanstalk 服务每月的正常运行时间百分比。

因此，我使用 boto3 get_metric_data 检索 Environment Health CloudWatch 指标数据并计算我的服务非严重时间的百分比。

from datetime import datetime
import boto3

SEVERE = 25

client = boto3.client('cloudwatch')

metric_data_queries = [
    {
        'Id': 'healthStatus', 
        'MetricStat': {
            'Metric': {
                'Namespace': 'AWS/ElasticBeanstalk',
                'MetricName': 'EnvironmentHealth',
                'Dimensions': [
                    {
                        'Name': 'EnvironmentName', 
                        'Value': 'ServiceA'
                    }
                ]
            },
            'Period': 300,
            'Stat': 'Maximum'
        },
        'Label': 'EnvironmentHealth',
        'ReturnData': True
    }
]

response = client.get_metric_data(
    MetricDataQueries=metric_data_queries,
    StartTime=datetime(2019, 9, 1),
    EndTime=datetime(2019, 9, 30),
    ScanBy='TimestampAscending'
    )

health_data = response['MetricDataResults'][0]['Values']
total_times = len(health_data)
severe_times = health_data.count(SEVERE)
print(f'total_times: {total_times}')
print(f'severe_times: {severe_times}')
print(f'healthy percent: {1 - (severe_times/total_times)}')

现在我想知道如何在 CloudWatch 的仪表板上显示百分比。我的意思是我想展示如下内容：

有谁知道如何将我计算的健康百分比上传到CloudWatch的仪表板？

或者还有其他工具更适合显示我的服务的正常运行时间吗？

Answer 1

您可以使用 CloudWatch 指标进行数学计算： https://docs.aws.amazon.com/AmazonCloudWatch/latest/monitoring/using-metric-math.html

您可以使用

metric_data_queries

中的指标创建指标数学表达式，并在图表上获取结果。指标数学还可以与 GetMetricData API 配合使用，因此您可以将所做的计算移至 MetricDataQuery 中，并直接从 CloudWatch 获取所需的数字。

看起来您需要一个数字来说明上个月指标值等于 25 的数据点的百分比。

您可以这样计算（这是图表的来源，您可以在源选项卡上的 CloudWatch 控制台中使用，确保区域与您的区域匹配并且指标名称与您的指标匹配）：

{
  "metrics": [
    [
      "AWS/ElasticBeanstalk",
      "EnvironmentHealth",
      "EnvironmentName",
      "ServiceA",
      {
        "label": "metric",
        "id": "m1",
        "visible": false,
        "stat": "Maximum"
      }
    ],
    [
      {
        "expression": "25",
        "label": "Value for severe",
        "id": "severe_c",
        "visible": false
      }
    ],
    [
      {
        "expression": "m1*0",
        "label": "Constant 0 time series",
        "id": "zero_ts",
        "visible": false
      }
    ],
    [
      {
        "expression": "1-AVG(CEIL(ABS(m1-severe_c)/MAX(m1)))",
        "label": "Percentage of times value equals severe",
        "id": "severe_pct",
        "visible": false
      }
    ],
    [
      {
        "expression": "(zero_ts+severe_pct)*100",
        "label": "Service Uptime",
        "id": "e1"
      }
    ]
  ],
  "view": "singleValue",
  "stacked": false,
  "region": "eu-west-1",
  "period": 300
}

解释那里发生了什么（上面每个元素的用途是什么，按 id）：

• m1 - 这是您的原始指标。将统计数据设置为

  Maximum

  。
• severe_c - 您要用于 SEVERE 值的常量。
• zero_ts - 创建所有值均为零的恒定时间序列。这是必需的，因为常量无法绘制成图表，并且最终值将是常量。因此，为了绘制它，我们只需将常数添加到这个零时间序列中。
• severe_pct - 这是您实际计算等于 SEVERE 的值百分比的地方。

  • m1-severe_c

    - 将值等于 SEVERE 的数据点设置为 0。

  • ABS(m1-severe_c)

    - 使所有值均为正值，将 SEVERE 数据点保持为 0。

  • ABS(m1-severe_c)/MAX(m1)

    - 除以最大值可确保所有值现在都在 0 到 1 之间。

  • CEIL(ABS(m1-severe_c)/MAX(m1))

    - 将所有不同于 0 的值捕捉到 1，将 SEVERE 保持为 0。

  • AVG(CEIL(ABS(m1-severe_c)/MAX(m1))

    - 因为指标现在全是 1 和 0，其中 0 表示严重，因此取平均值即可得出非严重数据点的百分比。

  • 1-AVG(CEIL(ABS(m1-severe_c)/MAX(m1)))

    - 最后您需要严重值的百分比，并且由于值要么严重，要么不严重，因此从 1 中减去即可得到所需的数字。
• e1 - 最后一个表达式为您提供了 0 到 1 之间的常数。您需要 0 到 100 之间的时间序列。这个表达式为您提供了：

  (zero_ts+severe_pct)*100

  。这并不是您返回的唯一结果，所有其他表达式都有

  "visible": false

  。

Answer 2

聚会已经很晚了，但也许对其他人也有好处。

Dejan 的解决方案对我来说不起作用，而且我也无法完全理解它想要实现的目标。从那时起，Cloudwatch 或 Elastic beanstalk 可能发生了一些变化。

尝试以下指标，这应该正确显示正常运行时间：

{
"sparkline": true,
"metrics": [
    [ "AWS/ElasticBeanstalk", "EnvironmentHealth", "EnvironmentName", "<env-name>", { "label": "metric", "id": "m1", "visible": false, "stat": "Maximum" } ],
    [ { "expression": "m1 >= 15", "label": "Value for higher than warning", "id": "warning_or_higher", "visible": false } ],
    [ { "expression": "m1 < 15", "label": "Value for lower than warning", "id": "ok", "visible": false } ],
    [ { "expression": "100*RUNNING_SUM(ok)/(RUNNING_SUM(ok)+RUNNING_SUM(warning_or_higher))", "label": "Uptime", "id": "uptime", "visible": true } ]
],
"view": "timeSeries",
"stacked": true,
"region": "<region>",
"period": 300,
"stat": "Average"
}

RUNNING_SUM

确保您返回一个时间序列，而不仅仅是一个值。

1. m1

   - 是环境健康值，可以是：0 - 正常、1 - 信息、5 - 未知、10 - 无数据、15 - 警告、20 - 降级、25 - 严重

2. m1 >= 15

   - 返回一个时间序列，如果条件为 true，则值为 1，否则返回 0。我检查了大于 15 的任何内容，因此检查了状态“警告”、“降级”、“严重”。通过更改此值，您可以更改您考虑的状态

3. m1 < 15

   - 这基本上只是第二个被否定的指标。这就是你所谓的“好吧”
4. 公式本身：将有利的结果（即环境还好）除以所有结果的总和（即环境还好+环境不好）。您会得到一个介于 0 和 1 之间的值，因此乘以 100 即可得到百分比。