API参考—数据监控—DescribeInstancePerformance

简介: 调用DescribeInstancePerformance接口查看实例监控信息详情。

请求参数

名称 类型 是否必选 示例值 描述
Action String DescribeInstancePerformance

系统规定参数。取值为DescribeInstancePerformance

DbInstanceName String pxc-****************

实例ID。

RegionId String cn-hangzhou

实例所在地域。

NodeId String pxi-**************

实例的节点ID。

Keys String cpu,old

需要查询的监控项,取值范围如下:

  • lqps:逻辑QPS
  • lrt:逻辑RT
  • con:前端连接数
  • active:活跃线程数
  • netin: 网络流量(输入)
  • netout:网络流量(输出)
  • cpu:CPU使用率
  • old:内存使用率

说明 允许同时查看多个监控项信息,多个监控项间需用英文逗号(,)分隔,更多关于实例监控项信息,请参见计算资源监控

StartTime String 2020-08-12 04:59:02

监控开始时间(目标实例所在时区的时间),格式为yyyy-mm-dd hh:mm:ss

EndTime String 2020-08-12 10:59:02

监控终止时间(目标实例所在时区的时间),格式为yyyy-mm-dd hh:mm:ss

说明 监控终止时间需晚于监控开始时间。

返回数据

名称 类型 示例值 描述
Data Struct

监控数据。

Message String ****

请求返回消息。

说明 请求成功时该参数为空,请求失败时会返回请求异常信息(如错误码等)。

RequestId String 88DC5709-8BEC-4D17-A6D5-4DACA9******

请求ID。

Success Boolean true

请求是否成功。

示例

请求示例


http(s)://polardbx.cn-hangzhou.aliyuncs.com/?Action=DescribeInstancePerformance
&DbInstanceName=pxc-****************
&RegionId=cn-hangzhou
&<公共请求参数>

正常返回示例

XML 格式


<code>200</code>

<data>
<RequestId>88DC5709-8BEC-4D17-A6D5-4DACA9</RequestId>
<Data>
<PerformanceItems>
<Measurement>cpu,old</Measurement>
<MetricName>cpu</MetricName>
</PerformanceItems>
<PerformanceItems>
<Measurement>cpu,old</Measurement>
<MetricName>old</MetricName>
</PerformanceItems>
</Data>
<Success>true</Success>
</data>
<httpStatusCode>200</httpStatusCode>
<requestId>88DC5709-8BEC-4D17-A6D5-4DACA9</requestId>
<successResponse>true</successResponse>

JSON 格式


{
"code": "200",
"data": {
"RequestId": "88DC5709-8BEC-4D17-A6D5-4DACA9",
"Data": {
"PerformanceItems": [{
"Measurement": "cpu,old",
"MetricName": "cpu",
"Points": []
}, {
"Measurement": "cpu,old",
"MetricName": "old",
"Points": []
}]
},
"Success": true
},
"httpStatusCode": "200",
"requestId": "88DC5709-8BEC-4D17-A6D5-4DACA9",
"successResponse": true
}
            </div>
相关文章
|
Java API 开发工具
如何用阿里云 oss 下载文件
阿里云对象存储服务(OSS)提供了多种方式下载文件,以下讲解下各种方式的下载方法
11030 2
|
消息中间件 存储 Kafka
Flink---11、状态管理(按键分区状态(值状态、列表状态、Map状态、归约状态、聚合状态)算子状态(列表状态、广播状态))
Flink---11、状态管理(按键分区状态(值状态、列表状态、Map状态、归约状态、聚合状态)算子状态(列表状态、广播状态))
|
2月前
|
监控 应用服务中间件 nginx
基于Zabbix的SLA监控体系构建与实践
本文由Zabbix社区专家褚凤彬分享,详解SLA在Zabbix中的应用。通过Trigger与Service联动,构建Web应用的多层级监控体系,并介绍SLA计算规则、维护期处理及升级注意事项,助力企业精准掌控服务可用性。
368 36
|
2月前
|
人工智能 API 开发者
用Dify搭建自动化工作流,我每天节省了3小时
作为一名开发者,我曾深陷重复工作。直到用Dify搭建AI自动化工作流,每天节省3小时。本文分享如何通过可视化编排实现客服、文档、代码的智能自动化,附部署、优化与避坑实战经验。
用Dify搭建自动化工作流,我每天节省了3小时
|
12月前
|
存储 缓存 Java
Java 并发编程——volatile 关键字解析
本文介绍了Java线程中的`volatile`关键字及其与`synchronized`锁的区别。`volatile`保证了变量的可见性和一定的有序性,但不能保证原子性。它通过内存屏障实现,避免指令重排序,确保线程间数据一致。相比`synchronized`,`volatile`性能更优,适用于简单状态标记和某些特定场景,如单例模式中的双重检查锁定。文中还解释了Java内存模型的基本概念,包括主内存、工作内存及并发编程中的原子性、可见性和有序性。
339 5
Java 并发编程——volatile 关键字解析
|
关系型数据库 MySQL Java
连接MySQL 8.0时报错caching_sha2_password解决方案
连接MySQL 8.0时报错caching_sha2_password解决方案
970 0
|
机器学习/深度学习 算法 调度
AdEMAMix: 一种创新的神经网络优化器
9月发布的一篇论文中,Pagliardini等人提出了AdEMAMix,一种新的优化算法,旨在克服Adam及其变体(如AdamW)在利用长期梯度信息方面的局限性。通过结合两种不同衰减率的指数移动平均(EMA),AdEMAMix能够更有效地利用历史梯度信息。实验结果显示,AdEMAMix在语言建模和视觉任务中均显著优于AdamW,不仅能加速模型收敛,还能提高学习稳定性。尽管引入了额外计算步骤,但开销极小,展示了在大规模神经网络训练中的潜力。论文详细探讨了其核心思想、实验设置及未来研究方向。
394 8
AdEMAMix: 一种创新的神经网络优化器
|
存储 人工智能 物联网
LoRA大模型微调的利器
LoRA模型是小型的Stable Diffusion模型,它们对checkpoint模型进行微小的调整。它们的体积通常是检查点模型的10到100分之一。因为体积小,效果好,所以lora模型的使用程度比较高。
LoRA大模型微调的利器
|
机器学习/深度学习 数据采集 存储
【机器学习】K-近邻算法(KNN)全面解析
K-近邻算法(K-Nearest Neighbors, KNN)是一种基于实例的学习方法,属于监督学习范畴。它的工作原理简单直观:给定一个训练数据集,对新的输入实例,KNN算法通过计算其与训练集中每个实例的距离,找出距离最近的K个邻居,然后根据这些邻居的类别(对于分类任务)或值(对于回归任务)来预测新实例的类别或值。KNN因其简单高效和无需训练过程的特点,在众多领域中得到广泛应用,如模式识别、推荐系统、图像分类等。
1475 0
|
缓存 开发工具 git
git放弃本地修改:
git放弃本地修改操作
584 0
git放弃本地修改: