《Splunk智能运维实战》——3.7 制作请求方法、浏览量和响应时间的时间图

3.7 制作请求方法、浏览量和响应时间的时间图

让特定单值展示在仪表盘对于理解关键指标很有帮助,但是在网站各种指标如何互相影响方面,它难以提供足够的运维智能。通过在特定时间段内标绘诸如请求方法、总浏览数量和平均响应时间等数据,可以理解这些数字之间是否存在关联。这对了解如下情况是很有帮助的,如页面的平均响应时间是否因为网站的活动POST请求数目而增加,或者是否一类请求在特定时间占了请求总数目的大部分。

本节将通过编写Splunk搜索,使用timechart命令来标绘给定时间内一些值的变化。随后会用折线图来形象地呈现这些值。

做好准备

要进行本节操作,我们需要运行Splunk Enterprise服务器,导入和第1章相同的样本数据。我们已经很熟悉Splunk搜索栏、时间选择器和“可视化”标签了。

虽然不强制要求,但我们最好先完成之前所有章节的学习。

如何操作

按照下列步骤创建方法请求、浏览数和响应时间的时间表。

  1. 登录Splunk服务器。
  2. 选择默认的“搜索和报表”应用程序。
  3. 设定时间选择器为“过去7天”,在Splunk搜索栏输入下列搜索,然后单击放大镜图标或按Enter键。
  4. Splunk返回下列值的时间序列图表:GET和POST请求的平均响应时间、GET和POST请求的总数量和网页访问的总数。
  5. 点击“可视化”标签,从可视化类型下拉菜单选择“折线图”来用折线图呈现数据。
  6. 单击“保存为”,选择“报表”,保存此次搜索结果。将报表命名为cp03_method_view_reponse然后单击“保存”。在下一页,单击“添加至仪表盘”。
  7. 将其添加至Website Monitoring仪表盘。选择“现有”标签,从下拉菜单中选择Website Monitoring仪表盘。在“面板标题”字段,输入Website Response Performance,选择由“报表”支持面板,单击“保存”。
  8. 下一页会确认仪表盘已经创建成功并且已经添加了面板。可点击“浏览仪表盘”进行查看。折线图可视化现在会位于之前所添加面板的下方。
  9. 排列仪表盘,让折线图面板位于前一步创建的柱状图的右侧。点击“编辑”按钮,从下拉菜单中选择“编辑面板”。移动折线图到相应位置。
  10. 最后,点击“完成”来保存对仪表盘的修改。

工作原理

让我们把搜索结果一段段分开。

可视化标签使用timechart命令的时间序列输出并覆盖指定的可视化图表。本例中,用折线图可视化覆盖。

更多内容

本节中,查看了整个Web服务器环境呈现的值。然而,当网络流量均衡到多个服务器时,更好的办法是按各自主机来计算值。

按主机显示请求方法、浏览数量和响应时间

轻松实现按发生事件的主机显示这些事件更详细的视图,只需在之前的Splunk搜索末尾添加by语句。如下所示:

现在即可按事件来源的主机分别统计值。在分布式环境中,该方法有助于找到延迟和不规则量。

另参见

时间: 2024-10-25 18:21:55

《Splunk智能运维实战》——3.7 制作请求方法、浏览量和响应时间的时间图的相关文章

《Splunk智能运维实战》——2.8 列出浏览次数最多的产品

2.8 列出浏览次数最多的产品 我们的Web访问日志收集了用户浏览并添加到购物车的产品ID(日志中的item字段). 了解人们浏览最多的产品对销售和营销策略甚至是产品方向都很有影响.但是,电子商务网站上的产品被用户浏览不见得就能售出. 本节会通过编写Splunk搜索语句,将用户成功浏览次数排名前十的产品和每种产品成功添加到购物车的次数制成图表.比如,如果一种产品浏览次数很多,但产品没被添加到购物车,则说明哪里出了问题,可能是产品价格太高了. 做好准备 本节操作需要运行Splunk Enterpr

《Splunk智能运维实战》——导读

前 言 在这个以科技为中心的世界里,各式各样的机器产生了大量的数据.Splunk因此推出了业内领先的大数据智能运维平台--Splunk Enterprise.这个强大的平台能让用户将机器数据转化为可操作的.非常重要的运维智能. 本书融合了各种实用方法,旨在提供指导和实用知识,以便使读者掌握Splunk Enterprise 6的各种功能,从数据中提取出强大而重要的运维智能. 本书通过简单易学.循序渐进的操作技巧,教授读者如何有效地收集.分析并创建所在环境的运营数据报表.这些技巧将展示如何加快智能

《Splunk智能运维实战》——第1章 游戏时间——导入数据 1.1 简介

第1章 游戏时间--导入数据 1.1 简介 加快运维智能的机器数据有很多不同的形式,来源也各不相同.Splunk可从多种来源收集并索引数据,其中包括Web服务器或商业应用程序创建的日志文件,网络设备生成的系统日志数据,及自定义开发脚本输出的数据.即便数据一开始看上去很复杂,我们也可以借助Splunk轻松地实时收集.索引.转化和呈现数据. 本章将学习一些基本的技巧,掌握如何将所需的数据导入Splunk,介绍如何使用样本数据集来构建自己的Splunk智能运维应用程序.该数据集是由一个虚拟的三层式电子

《Splunk智能运维实战》——1.7 为本书加载样本数据

1.7 为本书加载样本数据 Splunk索引的数据大部分都是实时接收的,但在一些情况下,我们想向Splunk导入一组数据,以便回填缺失丢失或不完整的数据,或者仅仅利用Splunk的搜索和报表工具. 本节将学习如何在Splunk服务器上一次性批量加载本地数据.我们将加载样本数据,并在随后的章节使用它来构建Splunk智能运维应用程序. 样本数据由两个文件组成.第一个文件是access_log,它代表Web层的数据,模拟的是Apache Web服务器.第二个文件是app_log,它代表应用程序层的数

《Splunk智能运维实战》——1.9 定义事件类型和标签

1.9 定义事件类型和标签 Splunk中的事件类型是将数据中共同类型的事件归类的一种方法,这样可以使它们更易于搜索和制作报表.使用事件类型有助于把类似的事件归为同一类.事件类型本质上将数个搜索条件变为字段/值对.标签有助于更高效地搜索事件数据组.我们可以为包括事件类型在内的任何字段/值组合分配标签. 比如,Windows登录事件可以被赋予事件类型windows_logon,UNIX登录事件可以被赋予事件类型unix_logon,VPN登录事件可以被赋予事件类型vpn_logon.以上三种事件类

《Splunk智能运维实战》——第3章 仪表盘和可视化——让数据闪光 3.1 简介

第3章 仪表盘和可视化--让数据闪光 3.1 简介 前一章介绍了Splunk的搜索处理语言(SPL)以及如何使用SPL来搜索数据并制作报表.本章将以这些知识为基础,使用Splunk的可视化功能让数据更直观.我们将学习如何通过Splunk UI创建仪表盘并添加前一章制作的报表.我们将再创建两个仪表盘,以供本书其他章节使用. 可视化是数据得以最佳呈现的基础.按照人们熟悉的方式可视化数据,就能让用户更好地了解被展示的内容,并正确地理解该如何应对.当使用Splunk来进行智能运维时,会发现几乎所有的报表

《Splunk智能运维实战》——3.10 使用条形图按类别显示平均花销

3.10 使用条形图按类别显示平均花销 整个这一章我们都在制作可视化图表来洞察电子商务网站的智能运维.这对于理解消费者的看法以及驱使他们前来网站的因素也会很有帮助.这一类型的信息通常对产品经理和市场经理来说最有帮助.了解一种产品是否越来越受欢迎,并且/或者这是否会最终给网站带来更多的消费者和更重的负载,也会很有益处. 本节中,将编写Splunk搜索,按照产品类别计算平均花销.随后会在新的Product Monitoring(产品监控)仪表盘上用条形图来形象地呈现这些值. 做好准备 要进行本节操作

《Splunk智能运维实战》——1.4 使用脚本输入

1.4 使用脚本输入 智能运维所需的数据并非全部来自日志文件或网络端口.Splunk也可获取命令或脚本的输出,并将其与其他数据一起索引. 脚本输入是针对较难获取数据的一种有效方法.如果收集第三方提供的命令行程序输出的数据,Splunk可定期运行该命令来索引结果.通常来说,脚本输入常用于从某个源抓取信息,而网络输入则等待数据从某个源不断推送. 本节将介绍如何配置Splunk,使其每隔一段时间执行命令并将输出的数据导入Splunk. 做好准备 要进行本节的操作,需要运行Splunk Enterpri

《Splunk智能运维实战》——1.8 定义字段提取内容

1.8 定义字段提取内容 Splunk内置了许多功能,能识别多种常见的源类型,因此能自动识别出数据中的字段.Splunk默认也会提取日志数据中的所有键值对和JSON格式日志中的所有字段.但是原始日志数据中的字段不能直接解释,必须提供给Splunk相关信息使这些字段易于搜索. 随后章节要用到的样本数据包含了作为字段提交给Splunk的数据.大部分原始数据包含Splunk能自动提取的键值对,但需要告知Splunk如何提取代表页面响应时间的这一特殊字段.要进行该操作,需要添加自定义字段提取内容,以便告