
# 查看应用指标统计信息
应用指标统计界面提供自动化数据统计功能，实时收集应用的性能指标和资源使用情况。这使运维人员能够快速识别性能瓶颈，从而提升系统的稳定性和可靠性，并实现资源的高效利用和成本优化。
#### 前提条件
- 已[开通AgentArts服务](https://support.huaweicloud.com/qs-agentarts0/agentarts_04_0000.html)。
- 登录用户为空间所有者、空间管理员、运维工程师，详细信息请参考[管理团队空间成员](https://support.huaweicloud.com/usermanual-agentarts0/agentarts_05_0216.html)。
 
#### 查看应用指标统计信息
1. 登录[AgentArts智能体开发平台](https://console.huaweicloud.com/versatile/#/home/overview)，在左侧导航栏"个人空间"区域，选择目标空间。
2. 在左侧导航栏中选择"运营运维 \> 观测"，在"应用指标统计"页签中可以查看智能体和工作流上报的指标信息。 
   ![](https://support.huaweicloud.com/usermanual-agentarts0/public_sys-resources/note_3.0-zh-cn.png)
   应用指标统计仅统计当前空间下的智能体和工作流应用产生的数据。使用他人共享应用所产生的数据将不会纳入统计范围。
   图1应用指标统计   
   ![](https://support.huaweicloud.com/usermanual-agentarts0/zh-cn_image_0000002538384544.png)
   
   
 
#### 应用指标统计信息说明
应用指标统计界面包含以下信息，如[图1]所示。
表1应用指标统计参数说明 
| 参数         | 说明                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                    | 示例                                                                                          |
|:---|:---|:---|
| 使用次数       | 所选应用中上报的Root Span的总数。                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                 | 473次                                                                                        |
| 模型调用错误率    | Model Span的状态错误率，即错误状态的Model Span数量占总Model Span数量的比例。                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                 | 0.00%                                                                                       |
| Span错误率    | Span的状态错误率，即错误状态的Span数量占总Span数量的比例。                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                   | 1.56%                                                                                       |
| 模型调用平均耗时   | 模型调用的平均耗时，即Model Span的总耗时除以Model Span的总数量。                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                            | 12.96s                                                                                      |
| 模型Tokens消耗 | Model Span数据里输入和输出所消耗Tokens的总量。                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                       | 517.67千Tokens                                                                               |
| Tokens消耗   | Tokens消耗分为以下两种类型： - **Input Tokens消耗**：大模型调用过程中，输入数据所消耗的Tokens数量。  - **Output Tokens消耗**：大模型调用过程中，输出数据所消耗的Tokens数量。   在界面中可以选择以下单位显示Tokens消耗：个Tokens、千Tokens、百万Tokens。                                                                                                                                                                                                                                                                                                                                                        | Input Tokens：369.71千Tokens Output Tokens：147.96千Tokens |
| Trace上报量   | 显示上报的Root Span的总数，反映系统中请求的总体规模和趋势。                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                    | 443条                                                                                        |
| 模型调用平均耗时   | 显示模型调用的平均耗时，反映模型调用的性能和稳定性。                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                            | 12.96s                                                                                      |
| 链路整体耗时     | 显示Root Span的耗时，反映整个请求的处理时长。 在界面中可以选择以下单位显示链路整体耗时消耗：Avg、Max、Min、P50、P90、P99。 **Avg（Average，平均值）** ：表示一组**数据的平均值**，即所有数据值相加后除以数据的总数。 **Max（Maximum，最大值）** ：表示一组数据中的**最大值**。 **Min（Minimum，最小值）** ：表示一组数据中的**最小值**。 **P50（50thPercentile，第50百分位数，也称为中位数）** ：表示一组数据按从小到大排序后，**位于中间位置的数值**，有50%的数据小于或等于它，50%的数据大于它的数值。 **P90（90thPercentile，第90百分位数）** ：表示一组数据按从小到大排序后，**有90%的数据小于或等于它，10%的数据大于它**的数值。 **P99（99thPercentile，** **第** **99百分位数）** ：表示一组数据按从小到大排序后，**有99%的数据小于等于它，1%的数据大于等于它**的数值。 | 9.12s                                                                                       |
| 服务请求成功率    | 显示成功状态的Root Span数量占总Root Span数量的占比，反映服务的整体可用性和稳定性。                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                    | 100%                                                                                        |
| 模型请求成功率    | 大模型调用过程中，成功状态的Model Span数量占总Model Span数量的占比，反映模型调用的成功率和稳定性。                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                           | 100%                                                                                        |
   
#### 使用过滤器筛选信息
应用指标统计界面支持多维度灵活筛选，帮助运维人员快速定位和分析目标数据。
表2过滤维度 
| 过滤条件    | 说明                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                 |
|:---|:---|
| 数据来源    | 按照数据来源过滤数据。支持以下三种分类： - **ALL**：单智能体应用、工作流应用和多智能体应用所有的数据统计信息。  - **单智能体应用**：单智能体应用下的所有应用的数据统计信息。  - **工作流应用**：工作流应用下的所有应用的数据统计信息。  - **多智能体应用**：多智能体应用下的所有应用的数据统计信息。   |
| Agent应用 | 支持在选择了数据来源之后，可以在筛选条件下进一步选择不同的应用。                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                   |
| 时间      | 支持根据上报的时间筛选数据记录。                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                   |
   
