StatsD 是什麼#
StatsD 是一個用 Node.js 寫成的 Daemon，由 Etsy 在 2011 年開源，主要工作是接收應用程式或 Exporter 發送的指標（計數、計時、瞬時值等），再將其轉送到後端儲存。最常見的搭配是 Graphite。雖然 Etsy 是 StatsD 廣為人知的推手，但其實它的設計靈感來自 Flickr 在 2008 年用 Perl 寫的同名工具，Etsy 是重新優化實作的版本。
Etsy 在 2010 年實現了持續部署（Continuous Deployment），把網站部署從原本需要四人合力、耗時一小時的流程縮短到一人兩分鐘搞定。為了在快速部署下不犧牲品質，他們需要即時的 Metrics 來判斷服務狀態，於是重寫 StatsD。
Metrics 類型#
StatsD 的指標格式大致為：
<metric_name>:<value>|<type>主要有三種類型：
- Counter 計數：從 0 開始，可加正整數但不可減少；常用於請求總數、錯誤次數。每當 StatsD 把資料送往後端時，內部值會被重置為 0。例如：
request_total:1|c。 - Timer 計時：用於量測操作所需時間（毫秒），並可衍生平均、最大、最小、百分位數等統計值。例如：
request_duration:100|ms。 - Gauge 量測：可任意增減的數值，常用於記憶體使用、活躍使用者數量。可指定值
active_users:100|g、增加值active_users:+20|g或減少值active_users:-10|g。
為什麼用 UDP#
StatsD 預設透過 UDP 收指標。Etsy 一開始就強調，UDP 的好處是：
- 速度快、訊息送出後不等回應，對應用程式效能影響極小。
- 即便 StatsD 故障，應用程式不會被卡住或受影響。
代價是 UDP 不保證送達，可能造成指標丟失或不完整。但因為指標多半是輔助性質、丟失部分資料對主要業務影響有限，這個權衡通常可以接受。
StatsD Library#
StatsD 本身只負責「收」，指標的生成與送出仍要靠應用程式。常見的 Library：
- Python：pystatsd、datadog。
- Node.js：hot-shots。
- Java：java-dogstatsd-client。
DataDog 與 DogStatsD#
DataDog 是一家提供監控服務的 SaaS 公司。他們在 StatsD 的基礎上重新設計了 DogStatsD，沿用 UDP 傳輸但增加了：
- Histogram、Distribution 等更多指標類型。
- Tagging 功能，類似 Prometheus 的 Label。
讓 DataDog 的指標收集與分析更接近 Prometheus 的使用體驗。
StatsD Exporter#
如果想保留 UDP 收指標的高效能，又希望沿用 Prometheus 作為儲存與查詢，可以用 Prometheus 團隊開發的 StatsD Exporter：它以 UDP 接收 StatsD 格式的資料，再轉成 Prometheus 格式供 Prometheus 抓取。若需要更完整的 Label 支援，建議搭配 DogStatsD 的 Library 一起使用。
工具名稱結尾常見的
D指的是 Daemon，意指背景常駐執行的程式，例如本章的 StatsD、收集 Log 的 Fluentd 等。
Lab 摘要#
範例 11-statsd 提供兩種啟動方式。
StatsD + Graphite#
docker-compose up -d主要服務：
- FlaskAPI：
http://localhost:8000 - Graphite Web UI：
http://localhost - Grafana：
http://localhost:3000，預設admin/admin
可透過瀏覽器或 k6 對 FlaskAPI 發送 Request：
k6 run --vus 1 --duration 300s k6-script.js確認指標：在 Graphite Web UI 展開 Metrics > stats > timers > flask > request_durations_seconds > count。
關閉：
docker-compose downStatsD Exporter + Prometheus#
docker-compose -f docker-compose.exporter.yaml up -d主要服務：
- FlaskAPI：
http://localhost:8000 - StatsD Exporter：
http://localhost:9102/metrics - Prometheus：
http://localhost:9090 - Grafana：
http://localhost:3000，內建 Provisioning Dashboard：Flask Monitoring。
關閉：
docker-compose -f docker-compose.exporter.yaml downLab 達成的目標：
- 透過 StatsD 收集 Flask API 的 Metrics。
- StatsD + Graphite：使用
graphiteapp/docker-graphite-statsd把 StatsD 與 Graphite 一起跑起來；Flask API 用標準 StatsD Librarypystatsd產生 Metrics。 - StatsD Exporter + Prometheus：用 StatsD Exporter 將 StatsD 資料轉成 Prometheus Metrics；Flask API 改用 DataDog 重寫的 DogStatsD Library 產生 Metrics。
小結#
近年較少聽到有人新採用 StatsD，但在某些情境下它仍有其價值：
- 應用程式對效能極度敏感、無法承受同步暴露
/metrics。 - 應用程式無法提供 HTTP Endpoint 供 Prometheus 抓取。
- 沿用既有工具的內建 StatsD 輸出（例如 Gunicorn 的內建監控）。
雖然 StatsD 沒有列在 CNCF 的 Observability Tool 中，但在維運老前輩心中仍是很有感情的選項，也是接觸監控的人很常遇到的第一個工具。
原文出處#
- 原書/iThome：https://ithelp.ithome.com.tw/articles/10327856