我正在学习DropWizard Metrics库（以前称为Coda Hale指标），我对何时应该使用vs感到困惑。根据文档：MetersTimers
米：计量器测量一组事件发生的速率
和：
定时器：计时器基本上是一种事件持续时间的直方图，也是其发生速率的米。
基于这些定义，我无法辨别它们之间的区别。让我感到困惑的是，它没有按照我期望的方式使用。对我来说，就是这样：一个计时器;它应该测量 a 和 之间的时间差值。但似乎这也捕获了事件发生的速率，这感觉就像他们在踩脚趾。TimerTimerstart()stop()TimersMeters
如果我可以看到每个组件输出的示例，这可能有助于我了解何时/何地使用其中任何一个。
您感到困惑的部分原因是 DW 指标计时器是 DW 指标计量器，其中包括 DW 指标计量器。
测量仪专门关注以Hz（每秒事件数）为单位测量的速率。每个计量器都会发布 4（？） 个不同的指标：
您可以通过在代码中的不同点记录一个值来使用计量器 -- DW 指标会自动记下每个呼叫的墙时间以及您为其提供的值，并使用这些值来计算该值增加的速率：
Meter getRequests = registry.meter("some-operation.operations")
getRequests.mark() //resets the value, e.g. sets it to 0
int numberOfOps = doSomeNumberOfOperations() //takes 10 seconds, returns 333
getRequests.mark(numberOfOps) //sets the value to number of ops.
我们预计我们的速率为33.3 Hz，因为发生了333次操作，并且两次调用mark（）之间的时间为10秒。
计时器计算上述 4 个指标（将每个 Timer.Context 视为一个事件），并向其中添加许多其他指标：
每个计时器总共报告了 15 个指标。
简而言之：计时器报告了很多指标，它们可能很难理解，但是一旦你这样做，它们就是发现尖峰行为的一种非常强大的方法。
事实是，仅仅收集两点之间的时间并不是一个非常有用的指标。考虑一下：你有一个这样的代码块：
Timer timer = registry.timer("costly-operation.service-time")
Timer.Context context = timer.time()
costlyOperation() //service time 10 ms
context.stop()
让我们假设 它具有恒定的成本，恒定的负载，并在单个线程上运行。在 1 分钟的报告期内，我们应该期望对此操作进行计时 6000 次。显然，我们不会通过有线6000x报告实际服务时间 - 相反，我们需要一些方法来总结所有这些操作以适应我们所需的报告窗口。DW Metrics 的计时器每分钟自动为我们执行此操作一次（我们的报告周期）。5 分钟后，我们的指标注册表将报告：costlyOperation()
现在，让我们考虑进入一个时间段，在这个时间段内，我们的操作偶尔会在很长一段时间内完全偏离轨道和阻塞：
Timer timer = registry.timer("costly-operation.service-time")
Timer.Context context = timer.time()
costlyOperation() //takes 10 ms usually, but once every 1000 times spikes to 1000 ms
context.stop()
在 1 分钟的收集期内，我们现在将看到不到 6000 次执行，因为每 1000 次执行需要更长的时间。工作到大约5505。在第一分钟（总系统时间 6 分钟）之后，我们现在将看到：
如果您绘制此图，您会发现大多数请求（p50，p75，p99等）在10分钟内完成，但1000个请求（p99）中的一个在1s内完成。这也将被视为平均比率略有下降（约2%）和1分钟平均值（近9%）的大幅减少。
如果你只看一下时间平均值（速率或持续时间），你永远不会发现这些峰值 - 当与许多成功的操作平均时，它们会被拖入背景噪声中。同样，仅仅知道最大值也没有帮助，因为它不会告诉你最大值发生的频率。这就是为什么直方图是跟踪性能的强大工具，以及为什么DW Metrics的计时器同时发布速率和直方图。
