markus 1.2.0

目标

Markus通过以下方法更容易在您的程序中生成度量：

• 提供多个后端（datadog statsd，statsd，logging，logging rollup， 等等）用于将数据发送到不同的位置
• 同时向多个后端发送度量值
• 为简单的测试提供测试框架
• 提供一个分离的体系结构，使编写代码更容易生成 无需担心创建和配置 metrics客户端已经完成了——类似于python日志python日志 这样的模块

我在mozilla的崩溃接收管道的收集器中使用它。彼得用过 它也用来建立我们的符号查找服务器。

安装

要安装Markus，请运行：

$ pip install markus

（可选）安装 markus.backends.datadog.DatadogMetrics后端：

$ pip install markus[datadog]

快速启动

与使用日志库类似，每个python模块都可以创建 MetricsInterface（松散地等同于python日志记录器） 包括在模块导入时，并使用该时间生成度量。

例如：

import markus

metrics = markus.get_metrics(__name__)

使用__name__创建MetricsImplementation将导致 生成前缀由__name__确定的所有stats键 是指向该模块的点式python路径。

然后您可以在模块中的任何位置使用MetricsImplementation：

@metrics.timer_decorator('chopping_vegetables')
def some_long_function(vegetable):
    for veg in vegetable:
        chop_vegetable()
        metrics.incr('vegetable', 1)

在应用程序启动时，使用要用于的后端配置markus 发布度量及其所需的任何选项。

例如，让我们配置指标以发布到日志和数据狗：

import markus

markus.configure(
    backends=[
        {
            # Log metrics to the logs
            'class': 'markus.backends.logging.LoggingMetrics',
        },
        {
            # Log metrics to Datadog
            'class': 'markus.backends.datadog.DatadogMetrics',
            'options': {
                'statsd_host': 'example.com',
                'statsd_port': 8125,
                'statsd_namespace': ''
            }
        }
    ]
)

编写测试时，请使用MetricsMock简化测试：

import markus
from markus.testing import MetricsMock


def test_something():
    with MetricsMock() as mm:
        # ... Do things that might publish metrics

        # This helps you debug and write your test
        mm.print_records()

        # Make assertions on metrics published
        assert mm.has_metric(markus.INCR, 'some.key', value=1)

历史记录