API参考—数据监控—DescribeInstanceDbPerformance

简介: 调用DescribeInstanceDbPerformance接口查看数据库监控信息详情。

请求参数

名称 类型 是否必选 示例值 描述
Action String DescribeInstanceDbPerformance

系统规定参数。取值为DescribeInstanceDbPerformance

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

实例ID。

DbName String db2

数据库名称。

RegionId String cn-hangzhou

实例所在地域。

Keys String lqps,active,running_count

需要查询的监控项,取值范围如下:

  • lqps:QPS
  • active:连接数
  • running_count:活跃线程数

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。

StartTime String 2020-08-19 11:02:50

监控开始时间(目标数据库所在时区的时间),格式为yyyy-mm-dd hh:mm:ss

EndTime String 2020-08-19 11:03:50

监控终止时间(目标数据库所在时区的时间),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 5C07B700-A7CC-4F81-8861-86F840******

请求ID。

Success Boolean true

请求是否成功。

{

"code": "200",

"data": {

"RequestId": "5C07B700-A7CC-4F81-8861-86F84053A418",

"Data": {

"PerformanceItems": { "Measurement": "lqps,active,running_count", "MetricName": "lqps", "Points": [

}, {

"Measurement": "lqps,active,running_count",

"MetricName": "active",

"Points":

}, {

"Measurement": "lqps,active,running_count",

"MetricName": "running_count",

"Points":

}]

},

"Success": true

},

"httpStatusCode": "200",

"requestId": "5C07B700-A7CC-4F81-8861-86F84053A418",

"successResponse": true

}

示例

请求示例


http(s)://polardbx.cn-hangzhou.aliyuncs.com/?Action=DescribeInstanceDbPerformance
&DbInstanceName=pxc-****************
&DbName=db2
&RegionId=cn-hangzhou
&<公共请求参数>

正常返回示例

XML格式


<code>200</code>

<data>
<RequestId>5C07B700-A7CC-4F81-8861-86F84053A418</RequestId>
<Data>
<PerformanceItems>
<Measurement>lqps,active,running_count</Measurement>
<MetricName>lqps</MetricName>
</PerformanceItems>
<PerformanceItems>
<Measurement>lqps,active,running_count</Measurement>
<MetricName>active</MetricName>
</PerformanceItems>
<PerformanceItems>
<Measurement>lqps,active,running_count</Measurement>
<MetricName>running_count</MetricName>
</PerformanceItems>
</Data>
<Success>true</Success>
</data>
<httpStatusCode>200</httpStatusCode>
<requestId>5C07B700-A7CC-4F81-8861-86F84053A418</requestId>
<successResponse>true</successResponse>

JSON格式


{
"code": "200",
"data": {
"RequestId": "5C07B700-A7CC-4F81-8861-86F840",
"Data": {
"PerformanceItems": [{
"Measurement": "lqps,active,running_count",
"MetricName": "lqps",
"Points": []
}, {
"Measurement": "lqps,active,running_count",
"MetricName": "active",
"Points": []
}, {
"Measurement": "lqps,active,running_count",
"MetricName": "running_count",
"Points": []
}]
},
"Success": true
},
"httpStatusCode": "200",
"requestId": "5C07B700-A7CC-4F81-8861-86F840",
"successResponse": true
}
            </div>
相关文章
|
8天前
|
数据采集 人工智能 安全
|
17天前
|
云安全 监控 安全
|
3天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
291 164
|
2天前
|
机器学习/深度学习 自然语言处理 机器人
阿里云百炼大模型赋能|打造企业级电话智能体与智能呼叫中心完整方案
畅信达基于阿里云百炼大模型推出MVB2000V5智能呼叫中心方案,融合LLM与MRCP+WebSocket技术,实现语音识别率超95%、低延迟交互。通过电话智能体与座席助手协同,自动化处理80%咨询,降本增效显著,适配金融、电商、医疗等多行业场景。
303 155
|
4天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:六十九、Bootstrap采样在大模型评估中的应用:从置信区间到模型稳定性
Bootstrap采样是一种通过有放回重抽样来评估模型性能的统计方法。它通过从原始数据集中随机抽取样本形成多个Bootstrap数据集,计算统计量(如均值、标准差)的分布,适用于小样本和非参数场景。该方法能估计标准误、构建置信区间,并量化模型不确定性,但对计算资源要求较高。Bootstrap特别适合评估大模型的泛化能力和稳定性,在集成学习、假设检验等领域也有广泛应用。与传统方法相比,Bootstrap不依赖分布假设,在非正态数据中表现更稳健。
233 113
|
11天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
808 6