假設(shè)每隔30分鐘監(jiān)測一次汽車?yán)锍塘敛埽?dāng) RRD 收到 COUNTER 類型的數(shù)據(jù)時(shí)橄杨，并不會(huì)像 GAUGE 類型那樣直接存儲(chǔ)秘症，而是計(jì)算變化率：

汽車?yán)锍瘫O(jiān)測

計(jì)算原理： (12121km - 12100km) / (10:30 - 10:00) = 11000m / 1800s = 6.11m/s

所以，RRD 對于 COUNTER 類型的數(shù)據(jù)源存儲(chǔ)的是變化率式矫，對于上述里程表而言就是行駛速度乡摹。

（注：第一個(gè)存儲(chǔ)值為 UNKNOWN，因?yàn)闆]有更早的數(shù)據(jù)采转，所以沒有變化可言）

3聪廉、ABSOLUTE

ABSOLUTE 類型存儲(chǔ)的也是變化率，假設(shè)我們正在微信和好友聊天故慈，每五分鐘我們會(huì)看一下有沒有新消息板熊，如果有的話就立即處理，這樣未讀提醒就會(huì)變?yōu)?察绷，然后下一個(gè)五分鐘后繼續(xù)看未讀新消息數(shù)邻邮，會(huì)得到這樣一個(gè)監(jiān)測表：

微信未讀消息監(jiān)測

微信未讀消息

計(jì)算原理：120條 / 300秒 = 0.4條/秒

這樣我們就可以知道一段時(shí)間內(nèi)聊天快慢的情況，數(shù)值越大表示5分鐘內(nèi)收到的未讀消息越多克婶，聊天也就越火熱筒严。

4、DERIVE

DERIVE 類型存儲(chǔ)的也是變化率情萤，和 COUNTER 類型不同的是鸭蛙，監(jiān)測值可以增長也可以下降，例如水庫的水位監(jiān)測：

水庫水位監(jiān)測

可以看到水位一時(shí)升高筋岛，一時(shí)降低娶视，通過計(jì)算變化率能夠監(jiān)測某一時(shí)段水位正在升高還是降低，以及相應(yīng)的速度睁宰。

[RRA:CF:xff:step:rows]

RRA (Round Robin Archive) 是用來定義 RRD 數(shù)據(jù)庫歸檔模型肪获，RRDTool 繪圖展示監(jiān)測情況的時(shí)候就從 RRA 中獲取數(shù)據(jù)。

為什么不直接獲取存儲(chǔ)的原始數(shù)據(jù)來繪圖呢柒傻？

這得從監(jiān)測場景的實(shí)際需求出發(fā)孝赫，通常我們對最近一小時(shí)或一天的監(jiān)測數(shù)據(jù)最關(guān)心，對于一個(gè)月或者一年以上的監(jiān)測數(shù)據(jù)有個(gè)大概的認(rèn)知就可以红符。

假設(shè)我們每秒監(jiān)測一次某臺(tái)服務(wù)器 CPU 使用率青柄，那么一年后將獲得：

1 x 60秒 x 60分鐘 x 24小時(shí) x 365天 = 31536000

個(gè)監(jiān)測值。

如果這么多數(shù)據(jù)點(diǎn)在一張圖表上展示预侯，即使一個(gè)數(shù)據(jù)點(diǎn)只占一個(gè)像素致开，你也可以想象得多長的圖片才能完整展示監(jiān)測數(shù)據(jù)。

但是萎馅，如果我們把每60秒監(jiān)測的60個(gè)原始數(shù)據(jù)點(diǎn)計(jì)算出一個(gè)平均值 AVERAGE(d1,d2,d3,...,d60) 的話双戳，那么將有：

1 x 60分鐘 x 24小時(shí) x 365天 = 525600

個(gè)平均值。

這樣數(shù)據(jù)量就比使用原始值降低了60倍糜芳！這種經(jīng)過計(jì)算平均值后得到的數(shù)據(jù)稱為歸檔值飒货。

雖然喪失了一定的精度千诬，但是并不影響我們觀察一年來的變化趨勢。

同理膏斤，如果我們把每小時(shí)監(jiān)測的3600個(gè)原始數(shù)據(jù)點(diǎn)計(jì)算一個(gè)歸檔平均值的話徐绑，數(shù)據(jù)點(diǎn)就只有24 x 365 = 8760個(gè)了。這就是繪圖展示監(jiān)測情況的時(shí)候要使用 RRA 歸檔數(shù)據(jù)的原因莫辨。

RRD 提供的歸檔方法有4種傲茄，除了上述的計(jì)算平均值 AVERAGE 方法外，還有：

計(jì)算最大值 MAX(d1,d2,d3,...dn) = 最大的那個(gè)監(jiān)測值

計(jì)算最小值 MIN(d1,d2,d3,...dn) = 最小的那個(gè)監(jiān)測值

計(jì)算最后值 LAST(d1,d2,d3,...dn) = 最后的那個(gè)監(jiān)測值

這里還涉及到兩個(gè)基本概念：

PDP (Primary Data Point) 原始數(shù)據(jù)點(diǎn)

CDP (Consolidation Data Point) 歸檔數(shù)據(jù)點(diǎn)

由上述介紹可以知道：一個(gè) CDP 由多個(gè) PDP 經(jīng)過歸檔函數(shù)計(jì)算得到沮榜。

在定義 RRA 的時(shí)候盘榨，一般的語法為：

RRA:CF:xff:steps:rows

表示使用{AVERAGE | MIN | MAX | LAST}中的一個(gè)歸檔函數(shù)? CF (Consolidation Function)。

xff 是 xfiles 因子(factor)蟆融，表示超過多少比率的有效 PDP 才可以計(jì)算出 CDP草巡，通常為0.5。

如果我們設(shè)置 xff 為 0.5型酥，即有大于50%的有效監(jiān)測值就可以在這些有效值上計(jì)算出歸檔值山憨，否則這段時(shí)間內(nèi)的歸檔值記為 UNKNOWN。

例如弥喉，我們監(jiān)測的10個(gè)時(shí)間點(diǎn)中郁竟，因?yàn)槟承┰蚱渲?個(gè)無法獲取監(jiān)測值，即監(jiān)測值為 UNKNOWN由境，那么還剩6個(gè)有效的監(jiān)測值棚亩，這時(shí)候有效率為60%，所以可以獲得歸檔值虏杰。

steps 表示多少個(gè) PDP 計(jì)算出一個(gè) CDP讥蟆，例如，在每秒獲取一個(gè)監(jiān)測值的實(shí)例中纺阔，steps = 60 表示每60個(gè)原始數(shù)據(jù)計(jì)算一個(gè)歸檔數(shù)據(jù)瘸彤，即一分鐘一個(gè)數(shù)據(jù)點(diǎn)；steps = 3600 表示每3600個(gè)原始數(shù)據(jù)計(jì)算一個(gè)歸檔數(shù)據(jù)州弟，即一小時(shí)一個(gè)數(shù)據(jù)點(diǎn)钧栖。

?rows 表示多少個(gè) CDP 組成一個(gè) RRA低零。

通常一個(gè) RRD 數(shù)據(jù)庫可以有多個(gè)不同精度的 RRA婆翔，其中周期( steps * rows)最長的的 RRA 同時(shí)也規(guī)定了 RRD 的周期，這就是開頭說的：RRD 數(shù)據(jù)庫在創(chuàng)建的時(shí)候就已經(jīng)定義好大小掏婶。

使用命令創(chuàng)建一個(gè)名為 test.rrd 的 RRD 數(shù)據(jù)庫：

rrdtool create test.rrd

--step 300

DS:miles:COUNTER:600:0:1024

RRA:AVERAGE:0.5:2:8

RRA:AVERAGE:0.5:4:7

RRD 數(shù)據(jù)庫模型（U 表示 UNKNOWN）

--step 300

表示監(jiān)測時(shí)間間隔為5分鐘啃奴。

DS:miles:COUNTER:600:0:1024

表示數(shù)據(jù)源的名稱 為 miles，數(shù)據(jù)源類型(DST) 為 COUNTER雄妥，數(shù)據(jù)源的 heartbeat 周期為 600秒最蕾，如果一個(gè) heartbeat 時(shí)間周期內(nèi)監(jiān)測數(shù)據(jù)還沒有獲取到依溯，那么 RRD 自動(dòng)將監(jiān)測值設(shè)置為 UNKNOWN，數(shù)據(jù)源的最小值為0瘟则，最大值為1024黎炉，如果獲得的監(jiān)測值不在這個(gè)范圍， RRD 自動(dòng)將監(jiān)測值設(shè)置為 UNKNOWN醋拧。

RRA:AVERAGE:0.5:2:8

定義了一個(gè) RRA :歸檔函數(shù)是求平均值 AVERAGE慷嗜，xff 因子是 0.5，每2個(gè)監(jiān)測值 PDP 將計(jì)算一個(gè)歸檔值 CDP丹壕，總共存儲(chǔ) 8 個(gè) CDP庆械，所以這個(gè) RRA 的時(shí)間周期是 300s x 2 x 8 = 4800s。

如上圖示例可知菌赖，CDP(RRA1-AVG) 的各項(xiàng)值為?

(1+2)/2 = 1.5

(3+4)/2 = 3.5

......

RRA:AVERAGE:0.5:4:7

定義了一個(gè) RRA :歸檔函數(shù)是求平均值 AVERAGE缭乘，xff 因子是 0.5，每4個(gè)監(jiān)測值 PDP 將計(jì)算一個(gè)歸檔值 CDP琉用，總共存儲(chǔ) 7 個(gè) CDP堕绩，所以這個(gè) RRA 的時(shí)間周期是 300s x 4 x 7 = 8400s。

如上圖示例可知邑时，CDP(RRA2-AVG) 的各項(xiàng)值為

(1+2+3+4)/4 = 2.5

(5+6+7+8)/4 = 6.5

......

上述兩個(gè) RRA 中逛尚，最長時(shí)間周期為 8400s，由于 RRD 定義的監(jiān)測周期為 300s刁愿，所以這個(gè) RRD 將存儲(chǔ) 8400/300 = 28個(gè)監(jiān)測值绰寞。

因?yàn)?RRA 的長度 rows 也是定義好的，所以隨著時(shí)間推移铣口，監(jiān)測值越來越多的時(shí)候滤钱，RRA 的內(nèi)容也隨之變化：

時(shí)間推移

當(dāng) RRDTool 繪制監(jiān)測圖表的時(shí)候，會(huì)優(yōu)先選取精度(solution)高的 RRA 數(shù)據(jù)脑题，上圖示例中件缸，顯然 RRA1-AVG 的精度要高于 RRA2-AVG，或者說更接近原始數(shù)據(jù)叔遂。

但是他炊，一個(gè)前提條件是所選的 RRA 能夠覆蓋我們希望圖表展示的時(shí)間周期，上圖示例中 RRA1-AVG 只覆蓋了 第5-20個(gè)監(jiān)測點(diǎn)已艰，所以當(dāng)我們希望看到從第1-20個(gè)監(jiān)測點(diǎn)的數(shù)據(jù)時(shí)痊末，只能選擇 RRA2-AVG 了，雖然它精度不如 RRA1-AVG哩掺，但至少它覆蓋到了我們希望看到的時(shí)間周期凿叠。

所以，在實(shí)際應(yīng)用場景中，我們通常會(huì)定義多個(gè) RRA盒件，覆蓋時(shí)間周期短的精度高蹬碧，比如最近一天的監(jiān)測值；覆蓋時(shí)間周期長的精度低炒刁，比如最近一年的監(jiān)測值恩沽。

以上是 RRD 數(shù)據(jù)庫的內(nèi)部存儲(chǔ)原理，那么如何更新它的存儲(chǔ)值呢翔始？

通常飒筑，我們會(huì)借用外部程序，如 Shell绽昏、Python协屡、Ruby等腳本語言，獲取被監(jiān)測對象的數(shù)值全谤，然后使用 RRDTool update 命令存儲(chǔ)監(jiān)測值肤晓，例如：

rrdtool update test.rrd 920804700:12345 920805000:12357 920805300:12363 ......

表示時(shí)間點(diǎn)920804700時(shí)，被監(jiān)測對象數(shù)值為12345

表示時(shí)間點(diǎn)920805000時(shí)认然，被監(jiān)測對象數(shù)值為12357

表示時(shí)間點(diǎn)920805300時(shí)补憾，被監(jiān)測對象數(shù)值為12363

......

最后，要展示監(jiān)測數(shù)據(jù)了卷员，RRDTool 內(nèi)置了繪圖表功能盈匾，你可以直接使用類似以下的命令行輸出一張 png 圖片：

rrdtool graph myrouter-day.png --start -86400?

DEF:inoctets=myrouter.rrd:input:AVERAGE?

DEF:outoctets=myrouter.rrd:output:AVERAGE?

AREA:inoctets#00FF00:"In traffic"?

LINE1:outoctets#0000FF:"Out traffic"

上述命令表示：創(chuàng)建一張名為 myrouter-day.png 的圖片，監(jiān)測時(shí)間從一天前(60x60x24=86400)開始的路由器進(jìn)出流量統(tǒng)計(jì)毕骡。其中流進(jìn)流量使用區(qū)域圖(AREA)削饵，顏色為綠色(#00FF00)；流出流量使用一個(gè)像素寬的曲線圖(LINE1)未巫，顏色為藍(lán)色(#0000FF)窿撬。

但是，RRDTool 也可以將數(shù)值輸出叙凡，然后我們使用第三方的繪圖工具劈伴，繪制監(jiān)測圖，這樣可以在 WEB 上更靈活的展示監(jiān)測數(shù)值握爷。

如下圖所示跛璧，就是 Open-Falcon 使用 RRDTool 存儲(chǔ)監(jiān)測數(shù)據(jù)，然后獲取監(jiān)測數(shù)據(jù)在網(wǎng)頁上繪制趨勢圖：

服務(wù)器負(fù)載監(jiān)測

綜上新啼，就是 RRDTool 的原理簡介追城，如果你沒有看懂的話，請隨意吐槽师抄。

作者微博/微信 @Ceelog漓柑，轉(zhuǎn)載請注明出處 ;)