Ambari-Metrics配置指南

1.正常配置項

屬性	預設值	說明
timeline.metrics.service.operation.mode (timelineServer裡面存儲實際Metric資料hbase的模式，預設為embedded,即hbase資料存儲在本地檔案系統中)	embedded	改成distributed則為分布模式，同時要修改ams-hbase-site中的hbase.cluster.distributed=true配置項
phoenix.spool.directory (該目錄存儲發送失敗或者重新開機後未存儲到hbase的metric資料)	/tmp	程式會監控該檔案夾。當出現新檔案時會讀取該檔案并擷取資料.
phoenix.query.maxGlobalMemoryPercentage	25	通過phoenix進行表查詢時所能使用的總體記憶體占比。
timeline.metrics.hbase.compression.scheme	SNAPPY	metric存入到hbase中的壓縮方式，預設為SNAPPY該項隻能在建表之前改變，即一開始進行配置
timeline.metrics.hbase.data.block.encoding:blockEncoding	FASTDIFF	将重複的row/family/qualifier/進行壓縮的方式，減少block的空間占用
timeline.metrics.service.cluster.aggregator.appIds （那些具有聚集主機級别的metric的應用程式清單，用“，”分隔，比如mem_free的app_id一般都為HOST，但是設定了此項之後，比如增加了datanode，那麼則會在叢集級别的統計中，統計app_id=datanode的mem_free.	例：datanode,nodemanager,hbase	例如統計datanode所消耗的bytes_read,mem_free
timeline.metrics.service.default.result.limit （預設是限制取一天的metrics）	5760	metrics結果集最大傳回行數，這個是這樣計算的，假設每分鐘4個metric，一個小時就是240，一天就是5760條。
timeline.metrics.service.resultset.fetchSize	2000	通過jdbc進行聚集查詢的結果集本地大小
timeline.metrics.service.checkpointDelay	60	第一次進行checkpoint或者當checkpoint太舊的時候，推遲進行checkpoint的時間
timeline.metrics.host.aggregate.splitpoints	…….	主機級别聚集表的預分區的分隔點設定
timeline.metrics.cluster.aggregate.splitpoints	……	叢集級别聚集表的預分區的分隔點設定
timeline.metrics.sink.report.interval (monitor向timeline發送metric的間隔時間)	60	在hadoop-metrics2.property裡面表現為：*.sink.timeline.sendInterval=60000，在monitor的配置目錄中展現為：send_interval = 60
timeline.metrics.sink.collection.period hadoop-sink采集hadoop的metric的間隔時間，即同一個hadoop-metric采集的時間間隔	60	在hadoop-metrics2.property裡面表現為：*.sink.timeline.period=60以及*.period=60，修改此值後兩個項同步修改

2. 主機級别的聚集統計（以host為機關）相關配置

2.1 實際存儲Metrics——表: METRIC_RECORD

此表是實際存儲Metrics資料的表，其配置不具備Interval的相關配置項，因為其接收Monitor和HadoopSink發送過來的實際資料，其時間間隔依據Monitor和Hadoop Sink的采集發送Metrics的間隔時間，在配置項中僅有其清理時間。

timeline.metrics.host.aggregator.ttl (metric_record表是存儲實際metrics資料的表)

86400

metric_record表的清理時間，預設為1天

2.2 分鐘級對應——表：METRIC_RECORD_MINUTE

屬性	預設值	說明
timeline.metrics.host.aggregator.minute.disabled	False	是否不開啟此聚集統計
timeline.metrics.host.aggregator.minute.interval	120	聚集統計時間
timeline.metrics.host.aggregator.minute.ttl	604800	表資料清理時間
timeline.metrics.host.aggregator.minute.checkpointCutOffMultiplier（由來：聚集線程存儲了上一次進行聚集的時間點(checkpoint)，以後每次決定聚集時，先要滿足這樣的條件，即(currentTime - lastRunTime) < multipler * aggregation_interval）	2	此值*interval=最大延遲值，即如果聚集的最近一次checkpoint的間隔時間超過最大延遲值，則這個checkpoint會被視為無效。
timeline.metrics.aggregator.checkpoint.dir	/var/lib/	存儲聚集checkpoint的目錄

2.3 小時級對應——表：METRIC_RECORD_HOURLY

屬性	預設值	說明
timeline.metrics.host.aggregator.hourly.disabled	False	是否不開啟此聚集統計
timeline.metrics.host.aggregator. hourly .interval	3600	聚集統計時間
timeline.metrics.host.aggregator. hourly .ttl	2592000	表資料清理時間
timeline.metrics.host.aggregator.hourly.checkpointCutOffMultiplier（由來：聚集線程存儲了上一次進行聚集的時間點(checkpoint)，以後每次決定聚集時，先要滿足這樣的條件，即(currentTime - lastRunTime) < multipler * aggregation_interval）	2	此值*interval=最大延遲值，即如果聚集的最近一次checkpoint的間隔時間超過最大延遲值，則這個checkpoint會被視為無效。
timeline.metrics.aggregator.checkpoint.dir	/var/lib/	存儲聚集checkpoint的目錄

2.4 天級對應——表：METRIC_RECORD_DAILY

屬性	預設值	說明
timeline.metrics.host.aggregator.daily.disabled	False	是否不開啟此聚集統計
timeline.metrics.host.aggregator. daily .interval	86400	聚集統計時間
timeline.metrics.host.aggregator. daily .ttl	31536000	表資料清理時間
timeline.metrics.host.aggregator.daily.checkpointCutOffMultiplier（由來：聚集線程存儲了上一次進行聚集的時間點(checkpoint)，以後每次決定聚集時，先要滿足這樣的條件，即(currentTime - lastRunTime) < multipler * aggregation_interval）	2	此值*interval=最大延遲值，即如果聚集的最近一次checkpoint的間隔時間超過最大延遲值，則這個checkpoint會被視為無效。
timeline.metrics.aggregator.checkpoint.dir	/var/lib/	存儲聚集checkpoint的目錄

3. 叢集級别的聚集統計（以MetricName為機關）相關配置

3.1 分鐘級對應——表：METRIC_AGGREGATE_MINUTE

屬性	預設值	說明
timeline.metrics.cluster.aggregator.minute.disabled	False	是否不開啟此聚集統計
timeline.metrics.cluster.aggregator.minute.interval	120	聚集統計時間
timeline.metrics.cluster.aggregator.minute.ttl	2592000	表資料清理時間
timeline.metrics.cluster.aggregator.minute.timeslice.interval （實則是METRIC_AGGREGATE的間隔時間）	30	Lowest resolution of desired data for cluster level minute aggregates
timeline.metrics.cluster.aggregator.minute.checkpointCutOffMultiplier（由來：聚集線程存儲了上一次進行聚集的時間點(checkpoint)，以後每次決定聚集時，先要滿足這樣的條件，即(currentTime - lastRunTime) < multipler * aggregation_interval）	2	此值*interval=最大延遲值，即如果聚集的最近一次checkpoint的間隔時間超過最大延遲值，則這個checkpoint會被視為無效。
timeline.metrics.aggregator.checkpoint.dir	/var/lib/	存儲聚集checkpoint的目錄

3.2 小時級對應——表：METRIC_AGGREGATE_HOURLY     

屬性	預設值	說明
timeline.metrics.cluster.aggregator.minute.disabled	False	是否不開啟此聚集統計
timeline.metrics.cluster.aggregator.minute.interval	3600	聚集統計時間
timeline.metrics.cluster.aggregator.minute.ttl	31536000	表資料清理時間
timeline.metrics.cluster.aggregator.minute.checkpointCutOffMultiplier（由來：聚集線程存儲了上一次進行聚集的時間點(checkpoint)，以後每次決定聚集時，先要滿足這樣的條件，即(currentTime - lastRunTime) < multipler * aggregation_interval）	2	此值*interval=最大延遲值，即如果聚集的最近一次checkpoint的間隔時間超過最大延遲值，則這個checkpoint會被視為無效。
timeline.metrics.aggregator.checkpoint.dir	/var/lib/	存儲聚集checkpoint的目錄

3.3 天級對應——表：METRIC_AGGREGATE_DAILY

屬性	預設值	說明
timeline.metrics.cluster.aggregator.daily.disabled	False	是否不開啟此聚集統計
timeline.metrics.cluster.aggregator. daily.interval	86400	聚集統計時間
timeline.metrics.cluster.aggregator.daily.ttl	63072000	表資料清理時間
timeline.metrics.cluster.aggregator.daily.checkpointCutOffMultiplier（由來：聚集線程存儲了上一次進行聚集的時間點(checkpoint)，以後每次決定聚集時，先要滿足這樣的條件，即(currentTime - lastRunTime) < multipler * aggregation_interval）	2	此值*interval=最大延遲值，即如果聚集的最近一次checkpoint的間隔時間超過最大延遲值，則這個checkpoint會被視為無效。
timeline.metrics.aggregator.checkpoint.dir	/var/lib/	存儲聚集checkpoint的目錄