11、选择合适的OpenTelemetry仪器及自定义指标输出

选择合适的OpenTelemetry仪器及自定义指标输出

1. 选择合适的OpenTelemetry仪器

在应用程序中生成指标时,要选择合适的OpenTelemetry仪器。在追踪中,追踪器生成跨度来创建分布式追踪;而在指标方面,仪表并不直接生成指标,而是由仪器来完成,仪表的作用是生成仪器。OpenTelemetry提供了多种不同的仪器来记录测量值。

选择正确的仪器取决于以下因素:
- 记录的测量类型
- 测量是否必须同步进行
- 记录的值是否单调

同步仪器在需要记录测量值时会调用仪器上的方法;异步仪器则在创建时配置回调方法。每个仪器都有名称和类型属性,还可以指定单位和描述。

以下是OpenTelemetry提供的一些常见仪器:
| 仪器名称 | 特点 | 适用场景 |
| ---- | ---- | ---- |
| 计数器(Counter) | 递增的单调仪器,仅支持非负增长 | 记录请求数量、处理的订单数、CPU时间利用率等 |
| 异步计数器(Asynchronous counter) | 异步使用,用于表示持续增长的数据,同步报告成本高或适合按固定间隔记录 | 进程使用的CPU时间、总网络字节传输量等 |
| 上下计数器(Up/down counter) | 非单调,可以记录上升和下降的值 | 库存数量等 |
| 异步上下计数器(Asynchronous up/down counter) | 按固定间隔递增或递减值,记录的值具有可加性 | 商店中顾客数量的变化、组织跨业务部门的净收入等 |
| 直方图(Histogram) | 使用桶对数据进行分组,可

MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值