使用 rrdtool RRD PDP 或 RRA 合并功能计算平均读数的差异？
Differences of using the rrdtool RRD PDP or RRA consolidation function to calculate the average reading?
我正在以 1 分钟的间隔更新 rrdtool 循环数据库。我想将五次更新的平均值作为一个 RRA 条目存储在 rrdtool RRD 中。一种方法是这样的：
$ rrdtool create foo.rrd --start 1000000500 --step 60 \
> DS:ping:GAUGE:120:0:1000 RRA:AVERAGE:0.5:5:12; \
> rrdtool update foo.rrd 1000000560:10 1000000620:20 \
> 1000000680:30 1000000740:40 1000000800:50
它累积五个读数并将它们的平均值存储为 RRA 中的条目。但是，可以用这个实现同样的效果：
$ rrdtool create bar.rrd --start 1000000500 --step 300 \
> DS:ping:GAUGE:600:0:1000 RRA:AVERAGE:0.5:1:12; \
> rrdtool update bar.rrd 1000000560:10 1000000620:20 \
> 1000000680:30 1000000740:40 1000000800:50
如上所示，step 是 300 秒，但由于 RRD PDP 接受间隔之间的值并计算平均值，因此两个示例都将 30((10+20+30+40+50)/5) 存储在 RRA 中。我可以说的一个区别是，第一个示例需要至少三个更新才能将条目存储到 RRA，而对于第二个示例，300 秒内的单个更新就足够了。还有其他区别吗？
这两个例子实际上并不是一回事，尽管在某些情况下它们可能看起来是一样的。
首先，你有一个 60s 的步长，你的 RRA 存储了每个 CDP 中 5 个 PDP 的平均值。
第二步，你有一个 300 秒的步骤，你的 RRA 将每个 PDP 存储为一个 CDP。
这里有一些区别：
- 第一种，每2分钟至少需要一个样本（PDP）；所以三个来涵盖 RRA 中的每个 CDP。在第二种情况下，每个 CDP 都需要一个样本。
- 首先，每个样本的数据标准化发生超过 60 秒 window。在第二个中，它发生了 300 秒 window。这将使样本不定期到达时看起来不一样。
- 第一个，你最多可以有 120 秒没有数据，然后才会得到一个 Unknown；第二个，最多 600 秒。
虽然两者的 RRA 结果几乎相同，但您选择哪种取决于传入数据的性质（您获取样本的频率、这些样本的不规则程度）以及您的存储和显示要求（如果您需要存储或显示更高的粒度）。如果您有频繁的样本，第一个选项更准确；第二个是更少的存储和更少的工作，但如果您的更新比这一步更频繁，可能会牺牲一些数据。
请注意，如果您有其他 RRA 类型而不仅仅是 AVG，则步长较小会使计算更准确。
一般来说，我建议您将步长设置为接近预期的平均采样频率，并根据数据的规律性设置延迟。根据您需要如何查看和显示数据，以及您需要保留历史记录多长时间，设置您的 RRA 合并。创建与正常显示汇总相对应的 RRA，以最大程度地减少即时计算量。
我正在以 1 分钟的间隔更新 rrdtool 循环数据库。我想将五次更新的平均值作为一个 RRA 条目存储在 rrdtool RRD 中。一种方法是这样的：
$ rrdtool create foo.rrd --start 1000000500 --step 60 \
> DS:ping:GAUGE:120:0:1000 RRA:AVERAGE:0.5:5:12; \
> rrdtool update foo.rrd 1000000560:10 1000000620:20 \
> 1000000680:30 1000000740:40 1000000800:50
它累积五个读数并将它们的平均值存储为 RRA 中的条目。但是，可以用这个实现同样的效果：
$ rrdtool create bar.rrd --start 1000000500 --step 300 \
> DS:ping:GAUGE:600:0:1000 RRA:AVERAGE:0.5:1:12; \
> rrdtool update bar.rrd 1000000560:10 1000000620:20 \
> 1000000680:30 1000000740:40 1000000800:50
如上所示，step 是 300 秒，但由于 RRD PDP 接受间隔之间的值并计算平均值，因此两个示例都将 30((10+20+30+40+50)/5) 存储在 RRA 中。我可以说的一个区别是，第一个示例需要至少三个更新才能将条目存储到 RRA，而对于第二个示例，300 秒内的单个更新就足够了。还有其他区别吗？
这两个例子实际上并不是一回事，尽管在某些情况下它们可能看起来是一样的。
首先，你有一个 60s 的步长，你的 RRA 存储了每个 CDP 中 5 个 PDP 的平均值。
第二步，你有一个 300 秒的步骤，你的 RRA 将每个 PDP 存储为一个 CDP。
这里有一些区别：
- 第一种，每2分钟至少需要一个样本（PDP）；所以三个来涵盖 RRA 中的每个 CDP。在第二种情况下，每个 CDP 都需要一个样本。
- 首先，每个样本的数据标准化发生超过 60 秒 window。在第二个中，它发生了 300 秒 window。这将使样本不定期到达时看起来不一样。
- 第一个，你最多可以有 120 秒没有数据，然后才会得到一个 Unknown；第二个，最多 600 秒。
虽然两者的 RRA 结果几乎相同，但您选择哪种取决于传入数据的性质（您获取样本的频率、这些样本的不规则程度）以及您的存储和显示要求（如果您需要存储或显示更高的粒度）。如果您有频繁的样本，第一个选项更准确；第二个是更少的存储和更少的工作，但如果您的更新比这一步更频繁，可能会牺牲一些数据。
请注意，如果您有其他 RRA 类型而不仅仅是 AVG，则步长较小会使计算更准确。
一般来说，我建议您将步长设置为接近预期的平均采样频率，并根据数据的规律性设置延迟。根据您需要如何查看和显示数据，以及您需要保留历史记录多长时间，设置您的 RRA 合并。创建与正常显示汇总相对应的 RRA，以最大程度地减少即时计算量。