Consultar datos de ATP en New Relic

Avance

Todavía estamos trabajando en esta característica, ¡pero nos encantaría que la probaras!

Esta función se proporciona actualmente como parte de una vista previa de conformidad con nuestras políticas de prelanzamiento.

ATP recopila métricas de procesos a través del hostmetricsreceiver de OpenTelemetry y las enriquece con metadatos de filtrado inteligente. Puede consultar estos datos para:

Monitoree los estados de los procesos e identifique stuck o procesos problemáticos
Monitoree cómo los umbrales dinámicos de ATP se adaptan a sus patrones de carga de trabajo
Mida la eficiencia del filtrado para entender la efectividad de la reducción de datos
Detecte anomalías y comportamiento inusual de los procesos
Configurar alertas para el monitoreo de procesos críticos

Todas las métricas de procesos están disponibles en el espacio de nombres process.* en New Relic, con los metadatos específicos de ATP almacenados en el campo process.atp.

Monitoreo del estado del proceso

Esta consulta muestra un desglose de todos los procesos que se ejecutan en su host, categorizados por su estado de ejecución. Es esencial para identificar procesos stuck o el agotamiento de recursos.

FROM Metric
SELECT uniqueCount(process.pid) as 'Process Count'
FACET process.state, CASES(
  WHERE process.state = 'R' AS 'Running',
  WHERE process.state = 'S' AS 'Sleeping (Interruptible)',
  WHERE process.state = 'D' AS 'Uninterruptible Sleep (Disk I/O)',
  WHERE process.state = 'Z' AS 'Zombie',
  WHERE process.state = 'T' AS 'Stopped',
  WHERE process.state = 'I' AS 'Idle Kernel Thread',
  WHERE process.state = 'X' AS 'Dead',
  WHERE process.state = 'W' AS 'Paging'
)

Monitoreo de inteligencia de ATP

Esta consulta muestra los valores actuales de los umbrales dinámicos comparados con las métricas reales del proceso, lo que le ayuda a entender qué tan cerca están los procesos de activar acciones de ATP.

FROM Metric
SELECT
  latest(numeric(jparse(`process.atp`)[threshold_details][`process.cpu.utilization`][threshold])) * 100 AS 'Process CPU Utilization',
  latest(numeric(jparse(`process.atp`)[threshold_details][`process.memory.usage`][threshold])) AS 'Memory Usage'
WHERE host.name = 'YOUR_HOST_NAME'
TIMESERIES MAX

Cómo usar esta consulta:

Reemplace YOUR_HOST_NAME con su nombre de host real
Puede modificar los nombres de las métricas en la función jparse para rastrear los umbrales de otras métricas
Busque patrones donde los valores reales se acerquen consistentemente a los valores de umbral

Esta consulta mide la eficacia con la que ATP reduce el volumen de telemetría mientras retiene datos críticos.

FROM Metric
SELECT latest(numeric(jparse(`process.atp`)['filtering_summary']['efficiency_ratio'])) * 100 as 'Filtering Efficiency'
WHERE metricName like 'process.%'
AND `process.atp` IS NOT NULL

Consultas de detección de anomalías

Esta consulta visualiza con qué frecuencia ATP detecta anomalías en diferentes ejecutables, ayudándole a identificar qué procesos son más propensos a un comportamiento inusual.

FROM Metric
SELECT latest(numeric(jparse(`process.atp`, 'filtering_summary.stage_hits.anomaly_detection'))) AS 'Anomaly Count'
WHERE metricName like 'process.%'
FACET process.executable.name
TIMESERIES MAX

Esta consulta resalta procesos específicos que han experimentado anomalías de uso de memoria detectadas por ATP.

FROM Metric
SELECT max(process.memory.usage) as 'Memory Usage'
WHERE metricName = 'process.memory.usage'
AND numeric(jparse(`process.atp`)['filtering_summary']['stage_hits']['anomaly_detection']) > 0
AND process.atp IS NOT NULL
FACET process.pid, process.executable.name, host.name
TIMESERIES MAX

Esta consulta muestra los procesos que han experimentado anomalías en la utilización de la CPU.

FROM Metric
SELECT max(process.cpu.utilization) * 100 as 'CPU Utilization'
WHERE metricName like 'process.cpu.utilization'
AND numeric(jparse(`process.atp`)['filtering_summary']['stage_hits']['anomaly_detection']) > 0
AND process.atp IS NOT NULL
FACET process.pid, process.executable.name, host.name
TIMESERIES MAX

Nota: Puede modificar estas consultas para monitorear anomalías en cualquier otra métrica de proceso cambiando el filtro metricName.

Monitoreo de desempeño

Esta consulta rastrea la tasa de cambio de contexto por proceso. Las altas tasas de cambio de contexto a menudo indican contención de CPU o multihilo ineficiente.

SELECT rate(sum(process.context_switches), 1 minute) AS 'Context Switches/min'
FROM Metric
WHERE metricName = 'process.context_switches'
FACET process.executable.name, process.pid
TIMESERIES MAX

Configuración de alertas

Utilice esta consulta para crear una alerta que se active cuando la telemetría de procesos deje de fluir por completo, lo que indica una posible falla del agente o problemas de red. Para obtener más información sobre la configuración de alertas, consulte Creación de condiciones de alerta.

FROM Metric
SELECT count(*)
WHERE metricName LIKE 'process.%'

ATP para host

Obtenga información sobre la configuración de ATP para su entorno de host.

ATP para Kubernetes

Aprenda a configurar el ATP para su entorno de Kubernetes.

Características-avanzadas

Aprenda a habilitar funciones avanzadas para su implementación de ATP.

Te ofrecemos esta traducción automática para facilitar la lectura.

Avance

Monitoreo del estado del proceso

Distribución de procesos por estado

Monitoreo de inteligencia de ATP

Seguimiento de umbrales dinámicos

Eficiencia de filtrado de ATP

Consultas de detección de anomalías

Conteo de anomalías a lo largo del tiempo

Anomalías en el uso de memoria

Anomalías de uso de CPU

Monitoreo de desempeño

Cambios de contexto por minuto

Configuración de alertas

Alerta de brecha de datos

ATP para host

ATP para Kubernetes

Características-avanzadas

Te ofrecemos esta traducción automática para facilitar la lectura.

Consultar datos de ATP en New Relic

Avance

Monitoreo del estado del proceso .css-21sua1{background:none;border:none;width:0;padding:0;}

Monitoreo de inteligencia de ATP

Seguimiento de umbrales dinámicos

Eficiencia de filtrado de ATP

Consultas de detección de anomalías

Conteo de anomalías a lo largo del tiempo

Anomalías en el uso de memoria

Anomalías de uso de CPU

Monitoreo de desempeño

Cambios de contexto por minuto

Configuración de alertas

Alerta de brecha de datos

Recursos relacionados

ATP para host

ATP para Kubernetes

Características-avanzadas

Monitoreo del estado del proceso