时间线¶
概念先解¶
| 名词 | 说明 |
|---|---|
| 日活跃时间线 | 当天产生新指标数据的时间线数量。统计依据为当天有数据产生的时间线。若停止数据采集，新的一天不会收取时间线费用，但之前采集的指标数据仍可查询 |
| 指标集 | 表示某种统计值的集合，类似于关系型数据库中的表（table） |
| 数据点 | 一条指标数据样本，类似于关系型数据库中的行（row） |
| 时间 | 数据点产生的时间戳，即 DataKit 采集到某条指标数据的时间 |
| 指标 | Field，存放随时间戳变化的数值类型数据。例如，CPU 指标集中的 cpu_total、cpu_use、cpu_use_percent 等 |
| 标签 | Tags，存放不随时间戳变化的属性信息。例如，CPU 指标集中的 host、project 等字段，用于标识指标的实际对象属性 |
计费项统计¶
以每小时的时间间隔统计当天新增的时间线数量，最终得到 24 个数据点之后，取最大值作为实际计费数量。
示例¶
以指标集 CPU 为例，基于单个指标 cpu_use_pencent，共存在 6 个数据点。每个数据点包含以下字段：
-
时间字段：
time -
指标：
cpu_use_pencent -
标签：
host和project
数据点的分布如下：
-
第一行和第四行：
host为Hangzhou_test1，project归属于观测云，表示杭州服务器的 CPU 使用率。 -
第二行和第五行：
host为Ningxia_test1，project归属于观测云，表示宁夏服务器的 CPU 使用率。 -
第三行和第六行：
host为Singapore_test1，project归属于观测云_oversea，表示新加坡服务器的 CPU 使用率。
根据上述数据，基于 cpu_use_pencent 指标的时间线组合共有 3 种：
-
"host":"Hangzhou_test1","project":"观测云" -
"host":"Ningxia_test1","project":"观测云" -
"host":"Singapore_test1","project":"观测云_oversea"
要统计当前工作空间内所有指标的时间线数量，只需将实际统计到的各指标时间线数量相加即可得出总数。
费用计算公式¶
日费用 = 实际计费数量 / 1000 × 单价（根据数据存储策略应用对应单价）
假设用户安装了一台主机 DataKit，并启用默认指标数据采集。该主机每天产生 600 条日活跃时间线，可以通过以下步骤进行费用测算：
-
确定安装 DataKit 的主机数量：
例如，安装了 1 台主机
-
计算日活跃时间线数量：
主机数量 × 600 = 日活跃时间线数量
例如，1 台主机 × 600 = 600 条日活跃时间线
-
计算日预估费用：
对应数据存储策略的单价 × 日活跃时间线数量 / 1000
例如，假设单价为 1 元/千条，则费用为 1 元/千条 × 600 条 / 1000 = 0.6 元