Las funciones se utilizan para enviar métricas con un check personalizado del Agent. Existen diferentes funciones disponibles según el tipo de métrica. Dependiendo de la función utilizada, el tipo de envío y el tipo de métrica real almacenada en Datadog pueden variar.

Funciones

self.monotonic_count(name, value, tags=None, hostname=None, device_name=None)

self.count(name, value, tags=None, hostname=None, device_name=None)

self.gauge(name, value, tags=None, hostname=None, device_name=None)

self.rate(name, value, tags=None, hostname=None, device_name=None)

self.histogram(name, value, tags=None, hostname=None, device_name=None)

Tutorial

Sigue los pasos que se indican a continuación para crear un check del Agent personalizado que envíe todos los tipos de métricas periódicamente:

1. Crea el directorio metrics_example.d/ en la carpeta conf.d/ en la raíz de tu directorio de configuración del Agent.

2. En la carpeta metrics_example.d/, crea un archivo de configuración vacío llamado metrics_example.yaml con el siguiente contenido:

   instances: [{}]
   

3. Subiendo un nivel desde la carpeta conf.d/, ve a la carpeta checks.d/. Crea un archivo de check personalizado llamado metrics_example.py con el siguiente contenido:

   import random
   
   from datadog_checks.base import AgentCheck
   
   __version__ = "1.0.0"
   
   class MyClass(AgentCheck):
       def check(self, instance):
           self.count(
               "example_metric.count",
               2,
               tags=["env:dev","metric_submission_type:count"],
           )
           self.count(
               "example_metric.decrement",
               -1,
               tags=["env:dev","metric_submission_type:count"],
           )
           self.count(
               "example_metric.increment",
               1,
               tags=["env:dev","metric_submission_type:count"],
           )
           self.rate(
               "example_metric.rate",
               1,
               tags=["env:dev","metric_submission_type:rate"],
           )
           self.gauge(
               "example_metric.gauge",
               random.randint(0, 10),
               tags=["env:dev","metric_submission_type:gauge"],
           )
           self.monotonic_count(
               "example_metric.monotonic_count",
               2,
               tags=["env:dev","metric_submission_type:monotonic_count"],
           )
   
           # Calling the functions below twice simulates
           # several metrics submissions during one Agent run.
           self.histogram(
               "example_metric.histogram",
               random.randint(0, 10),
               tags=["env:dev","metric_submission_type:histogram"],
           )
           self.histogram(
               "example_metric.histogram",
               random.randint(0, 10),
               tags=["env:dev","metric_submission_type:histogram"],
           )
   

4. Reinicia el Agent.

5. Comprueba que tu check personalizado se está ejecutando correctamente con el subcomando de estado del Agent. Busca metrics_example en la sección Checks:

   =========
   Collector
   =========
   
     Running Checks
     ==============
   
       (...)
   
       metrics_example (1.0.0)
       -----------------------
         Instance ID: metrics_example:d884b5186b651429 [OK]
         Total Runs: 2
         Metric Samples: Last Run: 8, Total: 16
         Events: Last Run: 0, Total: 0
         Service Checks: Last Run: 0, Total: 0
         Average Execution Time : 2ms
   
       (...)
   

6. Comprueba que tus métricas están informando a Datadog en tu página Resumen de métricas.

Leer más

Más enlaces, artículos y documentación útiles:

Escritura de un check personalizado del AgentDOCUMENTACIÓN