【专家篇】TDSQL·监控管理相关接口
1. 接口描述
接口请求域名: mariadb.tencentcloudapi.com 。
本接口(DescribeDBPerformanceDetails)用于查看实例性能数据详情。
默认接口请求频率限制:20次/秒。
推荐使用 API Explorer
API Explorer 提供了在线调用、签名验证、SDK 代码生成和快速检索接口等能力。您可查看每次调用的请求内容和返回结果以及自动生成 SDK 调用示例。
2. 输入参数
以下请求参数列表仅列出了接口请求参数和部分公共参数,完整公共参数列表见 公共请求参数。
本文档展示的是V1签名的参数说明,腾讯云建议您使用安全系数更高的V3签名算法,使用签名方法 v3 时,公共参数需要统一放到 HTTP Header 请求头部中,详情。
| 参数名称 | 必选 | 类型 | 描述 |
|---|---|---|---|
| Action | 是 | String | 公共参数,本接口取值:DescribeDBPerformanceDetails。 |
| Version | 是 | String | 公共参数,本接口取值:2017-03-12。 |
| Region | 是 | String | 公共参数,详见产品支持的 地域列表。 |
| InstanceId | 是 | String | 实例 ID,形如:tdsql-ow728lmc。 |
| StartTime | 是 | Date | 开始日期,格式yyyy-mm-dd |
| EndTime | 是 | Date | 结束日期,格式yyyy-mm-dd |
| MetricName | 否 | String | 拉取的指标名,支持的值为:long_query,select_total,update_total,insert_total,delete_total,mem_hit_rate,disk_iops,conn_active,is_master_switched,slave_delay |
3. 输出参数
| 参数名称 | 类型 | 描述 |
|---|---|---|
| Master | PerformanceMonitorSet | 主节点性能监控数据 |
| Slave1 | PerformanceMonitorSet | 备机1性能监控数据 注意:此字段可能返回 null,表示取不到有效值。 |
| Slave2 | PerformanceMonitorSet | 备机2性能监控数据,如果实例是一主一从,则没有该字段 注意:此字段可能返回 null,表示取不到有效值。 |
| RequestId | String | 唯一请求 ID,每次请求都会返回。定位问题时需要提供该次请求的 RequestId。 |
关于这方面内容,更多可见:
https://cloud.tencent.com/document/product/237/16156
https://cloud.tencent.com/document/product/237/16157
https://cloud.tencent.com/document/product/237/16158
https://cloud.tencent.com/document/product/237/16159
相关推荐
TDSQL产品文档_tdsql_10.3.16.2.0.rar
《TDSQL产品文档Tdsql_10.3.16.2.0》是一款针对腾讯分布式数据库TDSQL的详细技术文档,适用于系统管理员、数据库管理员以及对分布式数据库有需求的技术人员。
腾讯云TDSQL MYSQL使用文档
赤兔管理系统是基于TDSQL数据库定制开发的,它包含多个模块,如实例管理、集群管理、资源管理、监控管理、告警管理、日志管理以及性能分析等。这些模块能够提供全方位的数据库运维管理功能。
基于多策略改进蜣螂算法(MSDBO)的多无人机协同三维避障路径规划研究(Matlab代码实现)
基于多策略改进蜣螂算法(MSDBO)的多无人机协同三维避障路径规划研究(Matlab代码实现)内容概要:本文研究了基于多策略改进蜣螂优化算法(MSDBO)的多无人机协同三维避障路径规划方法,旨在解决复杂环境中多无人机安全、高效飞行的路径规划问题。通过引入多种优化策略对传统蜣螂算法进行改进,提升了算法在搜索能力、收敛速度和避免陷入局部最优方面的性能。研究构建了包含路径长度、飞行高度、威胁规避和转弯成本等多因素的目标函数,并在三维空间中实现了多无人机集群的协同避障航迹规划。文中提供了完整的Matlab代码实现,展示了算法在不同场景下的仿真运行结果,验证了MSDBO算法相较于其他优化算法在路径规划质量上的优越性。; 适合人群:具备一定优化算法基础和Matlab编程能力的研究生、科研人员及从事无人机路径规划相关工作的工程技术人员。; 使用场景及目标:①应用于城市空中交通、灾害救援、军事侦察等需要多无人机协同作业的实际场景;②为解决三维复杂环境下多无人机路径冲突、动态障碍物规避及全局最优路径搜索提供有效的算法支持和技术参考。; 阅读建议:建议读者结合提供的Matlab代码,深入理解MSDBO算法的实现细节与路径规划模型的构建逻辑,可通过修改环境参数或目标函数进一步开展扩展性研究。
【农业信息化】基于C++与Qt的水稻虫情监测系统:田间虫害数据采集、趋势分析与预警模型实现 项目介绍 基于C++与Qt的水稻田间虫情灯数据采集与趋势系统设计与实现(含模型描述及部分示例代码)
内容概要:本文介绍了一个基于C++与Qt开发的水稻田间虫情灯数据采集与趋势分析系统,旨在通过技术手段解决传统人工虫情监测中存在的数据不连续、效率低、实时性差等问题。系统采用分层架构,涵盖设备采集、数据清洗、趋势分析和预警决策四大模型,利用滑动平均、指数平滑和线性回归等算法对虫情数据进行处理与趋势判断,并通过Qt实现可视化界面展示。系统支持多源数据接入、异常检测、多级报警机制以及CSV/MAT格式的数据导出,具备良好的可扩展性与实用性,适用于农业物联网环境下的田间害虫动态监控与科学防治决策支持。; 适合人群:具备C++编程基础和Qt开发经验的软件工程师、农业信息化技术人员、智慧农业系统开发者,以及从事农业物联网、植保信息化研究的相关科研人员;尤其适合有一定工作经验(1-3年)的技术人员进行项目实践与学习参考。; 使用场景及目标:① 实现水稻田间虫情灯数据的自动化采集与长期存储;② 对害虫数量变化进行趋势分析与早期预警,辅助制定精准防控策略;③ 提供直观的可视化界面,支持多设备、多地块的数据对比与历史回溯;④ 为农业科研提供标准化、可追溯的数据集,支撑病虫害预测模型构建与绿色防控研究。; 阅读建议:此资源不仅提供了完整的系统设计思路与模型描述,还包含关键算法的C++实现代码与数据生成示例,建议读者结合代码深入理解各模块的工作机制,并可在本地环境中复现数据采集流程与趋势分析逻辑,进一步拓展至真实硬件对接与部署应用。
agent-autoloop-让你的命令行 Agent 在后台自己接活、自己跟进到底;平时不烦你,遇到拿不准的事才发卡片找你拍板(源码附详细安装部署教程)
平时我们用 Claude Code、Codex 这类命令行 Agent,大多是“人守着终端用”:你输一句话,盯着它跑,等它问你下一步;一旦关掉窗口或者人走开,事情就断了。 Agent Autoloop 是一个极轻量的自动化中台。它把任务调度做成一个零外部依赖的内核,把事件来源、Agent、通知通道,甚至代码上线流水线全部拆成可随时插拔的插件。 一台电脑、一条命令就能跑。 装在你的 Windows、Mac 或 Linux 上,不用买云服务器,也不用开放公网端口。 一行配置接新 Agent。 不需要 SDK,也不需要改 Agent 源码,能接收提示词并打印最后一条回复的命令行工具都能接。 没有后台界面。 需要你拍板时把卡片推到飞书、钉钉、企微、Slack、Discord 或桌面通知;想看全局进展,敲一行命令。


