Ambari-Metrics配置指南

1.常规配置项

属性	默认值	说明
timeline.metrics.service.operation.mode (timelineServer里面存储实际Metric数据hbase的模式，默认为embedded,即hbase数据存储在本地文件系统中)	embedded	改成distributed则为分布模式，同时要修改ams-hbase-site中的hbase.cluster.distributed=true配置项
phoenix.spool.directory (该目录存储发送失败或者重启后未存储到hbase的metric数据)	/tmp	程序会监控该文件夹。当出现新文件时会读取该文件并获取数据.
phoenix.query.maxGlobalMemoryPercentage	25	通过phoenix进行表查询时所能使用的总体内存占比。
timeline.metrics.hbase.compression.scheme	SNAPPY	metric存入到hbase中的压缩方式，默认为SNAPPY该项只能在建表之前改变，即一开始进行配置
timeline.metrics.hbase.data.block.encoding:blockEncoding	FASTDIFF	将重复的row/family/qualifier/进行压缩的方式，减少block的空间占用
timeline.metrics.service.cluster.aggregator.appIds （那些具有聚集主机级别的metric的应用程序列表，用“，”分隔，比如mem_free的app_id一般都为HOST，但是设置了此项之后，比如增加了datanode，那么则会在集群级别的统计中，统计app_id=datanode的mem_free.	例：datanode,nodemanager,hbase	例如统计datanode所消耗的bytes_read,mem_free
timeline.metrics.service.default.result.limit （默认是限制取一天的metrics）	5760	metrics结果集最大返回行数，这个是这样计算的，假设每分钟4个metric，一个小时就是240，一天就是5760条。
timeline.metrics.service.resultset.fetchSize	2000	通过jdbc进行聚集查询的结果集本地大小
timeline.metrics.service.checkpointDelay	60	第一次进行checkpoint或者当checkpoint太旧的时候，推迟进行checkpoint的时间
timeline.metrics.host.aggregate.splitpoints	…….	主机级别聚集表的预分区的分隔点设置
timeline.metrics.cluster.aggregate.splitpoints	……	集群级别聚集表的预分区的分隔点设置
timeline.metrics.sink.report.interval (monitor向timeline发送metric的间隔时间)	60	在hadoop-metrics2.property里面表现为：*.sink.timeline.sendInterval=60000，在monitor的配置目录中体现为：send_interval = 60
timeline.metrics.sink.collection.period hadoop-sink采集hadoop的metric的间隔时间，即同一个hadoop-metric采集的时间间隔	60	在hadoop-metrics2.property里面表现为：*.sink.timeline.period=60以及*.period=60，修改此值后两个项同步修改

2. 主机级别的聚集统计（以host为单位）相关配置

2.1 实际存储Metrics——表: METRIC_RECORD

此表是实际存储Metrics数据的表，其配置不具备Interval的相关配置项，因为其接收Monitor和HadoopSink发送过来的实际数据，其时间间隔依据Monitor和Hadoop Sink的采集发送Metrics的间隔时间，在配置项中仅有其清理时间。

timeline.metrics.host.aggregator.ttl (metric_record表是存储实际metrics数据的表)

86400

metric_record表的清理时间，默认为1天

2.2 分钟级对应——表：METRIC_RECORD_MINUTE

属性	默认值	说明
timeline.metrics.host.aggregator.minute.disabled	False	是否不开启此聚集统计
timeline.metrics.host.aggregator.minute.interval	120	聚集统计时间
timeline.metrics.host.aggregator.minute.ttl	604800	表数据清理时间
timeline.metrics.host.aggregator.minute.checkpointCutOffMultiplier（由来：聚集线程存储了上一次进行聚集的时间点(checkpoint)，以后每次决定聚集时，先要满足这样的条件，即(currentTime - lastRunTime) < multipler * aggregation_interval）	2	此值*interval=最大延迟值，即如果聚集的最近一次checkpoint的间隔时间超过最大延迟值，则这个checkpoint会被视为无效。
timeline.metrics.aggregator.checkpoint.dir	/var/lib/	存储聚集checkpoint的目录

2.3 小时级对应——表：METRIC_RECORD_HOURLY

属性	默认值	说明
timeline.metrics.host.aggregator.hourly.disabled	False	是否不开启此聚集统计
timeline.metrics.host.aggregator. hourly .interval	3600	聚集统计时间
timeline.metrics.host.aggregator. hourly .ttl	2592000	表数据清理时间
timeline.metrics.host.aggregator.hourly.checkpointCutOffMultiplier（由来：聚集线程存储了上一次进行聚集的时间点(checkpoint)，以后每次决定聚集时，先要满足这样的条件，即(currentTime - lastRunTime) < multipler * aggregation_interval）	2	此值*interval=最大延迟值，即如果聚集的最近一次checkpoint的间隔时间超过最大延迟值，则这个checkpoint会被视为无效。
timeline.metrics.aggregator.checkpoint.dir	/var/lib/	存储聚集checkpoint的目录

2.4 天级对应——表：METRIC_RECORD_DAILY

属性	默认值	说明
timeline.metrics.host.aggregator.daily.disabled	False	是否不开启此聚集统计
timeline.metrics.host.aggregator. daily .interval	86400	聚集统计时间
timeline.metrics.host.aggregator. daily .ttl	31536000	表数据清理时间
timeline.metrics.host.aggregator.daily.checkpointCutOffMultiplier（由来：聚集线程存储了上一次进行聚集的时间点(checkpoint)，以后每次决定聚集时，先要满足这样的条件，即(currentTime - lastRunTime) < multipler * aggregation_interval）	2	此值*interval=最大延迟值，即如果聚集的最近一次checkpoint的间隔时间超过最大延迟值，则这个checkpoint会被视为无效。
timeline.metrics.aggregator.checkpoint.dir	/var/lib/	存储聚集checkpoint的目录

3. 集群级别的聚集统计（以MetricName为单位）相关配置

3.1 分钟级对应——表：METRIC_AGGREGATE_MINUTE

属性	默认值	说明
timeline.metrics.cluster.aggregator.minute.disabled	False	是否不开启此聚集统计
timeline.metrics.cluster.aggregator.minute.interval	120	聚集统计时间
timeline.metrics.cluster.aggregator.minute.ttl	2592000	表数据清理时间
timeline.metrics.cluster.aggregator.minute.timeslice.interval （实则是METRIC_AGGREGATE的间隔时间）	30	Lowest resolution of desired data for cluster level minute aggregates
timeline.metrics.cluster.aggregator.minute.checkpointCutOffMultiplier（由来：聚集线程存储了上一次进行聚集的时间点(checkpoint)，以后每次决定聚集时，先要满足这样的条件，即(currentTime - lastRunTime) < multipler * aggregation_interval）	2	此值*interval=最大延迟值，即如果聚集的最近一次checkpoint的间隔时间超过最大延迟值，则这个checkpoint会被视为无效。
timeline.metrics.aggregator.checkpoint.dir	/var/lib/	存储聚集checkpoint的目录

3.2 小时级对应——表：METRIC_AGGREGATE_HOURLY     

属性	默认值	说明
timeline.metrics.cluster.aggregator.minute.disabled	False	是否不开启此聚集统计
timeline.metrics.cluster.aggregator.minute.interval	3600	聚集统计时间
timeline.metrics.cluster.aggregator.minute.ttl	31536000	表数据清理时间
timeline.metrics.cluster.aggregator.minute.checkpointCutOffMultiplier（由来：聚集线程存储了上一次进行聚集的时间点(checkpoint)，以后每次决定聚集时，先要满足这样的条件，即(currentTime - lastRunTime) < multipler * aggregation_interval）	2	此值*interval=最大延迟值，即如果聚集的最近一次checkpoint的间隔时间超过最大延迟值，则这个checkpoint会被视为无效。
timeline.metrics.aggregator.checkpoint.dir	/var/lib/	存储聚集checkpoint的目录

3.3 天级对应——表：METRIC_AGGREGATE_DAILY

属性	默认值	说明
timeline.metrics.cluster.aggregator.daily.disabled	False	是否不开启此聚集统计
timeline.metrics.cluster.aggregator. daily.interval	86400	聚集统计时间
timeline.metrics.cluster.aggregator.daily.ttl	63072000	表数据清理时间
timeline.metrics.cluster.aggregator.daily.checkpointCutOffMultiplier（由来：聚集线程存储了上一次进行聚集的时间点(checkpoint)，以后每次决定聚集时，先要满足这样的条件，即(currentTime - lastRunTime) < multipler * aggregation_interval）	2	此值*interval=最大延迟值，即如果聚集的最近一次checkpoint的间隔时间超过最大延迟值，则这个checkpoint会被视为无效。
timeline.metrics.aggregator.checkpoint.dir	/var/lib/	存储聚集checkpoint的目录