当前位置：首页 > news >正文

【Hive实战】 HiveMetaStore的指标分析

news 文章来源：https://blog.csdn.net/weixin_43820556/article/details/140020059 2025/5/18 23:49:35

HiveMetaStore的指标分析（一）

文章目录

HiveMetaStore的指标分析（一）
- 背景
- - 目标部署架构
- hive-site.xml相关配置
- - 元数据服务的指标相关配置
- 源码部分（hive2.3系）
- - `JvmPauseMonitor.java`
  - `HiveMetaStore`的内部类`HMSHandler`
  - MetricsFactory的init(conf)方法
  - `CodahaleMetrics.java`
  - - 具体指标对象
  - 指标导出
  - - JsonFileReporter输出的文件内容示例
  - 其他
- 腾讯云的hive-metastore指标
- 参考资料

背景

对当前单独部署的HiveMetaStore服务进行指标监控。

目标部署架构

验证步骤

场景一：

Metastore服务开启监控，指标输出方式采用默认。HiveServer2采用直连数据库的方式创建MetaStoreClient，其配置文件中也开启了metastore指标监控，同时开启WebUI。

现象：每个HiveServer2服务都可以通过WebUI看到指标dump。但是，每个HiveServer2的实际访问的指标并非从Metastore组中获取的指标。是Client端侧的指标，且每个节点之间没有关联。
场景二：

Metastore服务开启监控，指标输出方式采用默认。。HiveServer2采用连接Metastore服务组的方式工作，其配置文件中也开启了metastore指标监控，同时开启WebUI。

现象：每个HiveServer2服务都可以通过WebUI看到指标dump。但是没有Metastore相关的指标。

结论：以上两种方式，通过HiveServer2的WebUI服务都无法获取到单独的Metastore的服务指标。

场景三：

单纯的开启Metastore服务的监控，并将指标输出json文件中。

现象：每个Metastore服务都生成自己的json文件，但是目前的版本在更新问价的时候会无法.json文件，只会定时的更新.json.tmp文件。

说明，以目标部署架构为例，单纯的MetaStore服务的指标是单纯的自己输出的。要么读取json文件，通过开启服务的JMX，在通过分别访问各个Metastore节点的JMX服务获取指标。

hive-site.xml相关配置

元数据服务的指标相关配置

开启指标功能

hive.metastore.metrics.enabled ：true
指定指标功能实现类

hive.service.metrics.class：org.apache.hadoop.hive.common.metrics.metrics2.CodahaleMetrics
指标输出的类型

hive.service.metrics.reporter："JMX,CONSOLE,JSON_FILE,HADOOP2"
指标输出的JSON文件位置

hive.service.metrics.file.location：“/tmp/report.json”
指标输出的JSON文件更新频率

hive.service.metrics.file.frequency： 5s
指标输出到hadoop2组件指标中的名称

hive.service.metrics.hadoop2.component："hivemetestore"
指标输出到hadoop2组件指标中的时间间隔

hive.service.metrics.hadoop2.frequency：30s

源码部分（hive2.3系）

在HiveMetaStore.java文件中main方法内，会根据配置去决定是否启动指标服务类。

      //Start Metrics for Standalone (Remote) Mode - hive.metastore.metrics.enabledif (conf.getBoolVar(ConfVars.METASTORE_METRICS)) {try {MetricsFactory.init(conf);} catch (Exception e) {// log exception, but ignore inability to startLOG.error("error in Metrics init: " + e.getClass().getName() + " "+ e.getMessage(), e);}}Lock startLock = new ReentrantLock();Condition startCondition = startLock.newCondition();AtomicBoolean startedServing = new AtomicBoolean();// 方法中会启动JvmPauseMonitor监控器startMetaStoreThreads(conf, startLock, startCondition, startedServing);// 方法中去实例化了HMSHandler，用户处理客户端过来的请求startMetaStore(cli.getPort(), ShimLoader.getHadoopThriftAuthBridge(), conf, startLock,startCondition, startedServing);

`JvmPauseMonitor.java`

用来监控JVM的暂停情况。通过Daemon线程，默认每隔500ms计算一次。jvm暂停统计级别分为warn和info级别。如果暂停超过1000ms则info级别次数+1，如果超过10000ms，则warn级别+1。

  private class Monitor implements Runnable {@Overridepublic void run() {Stopwatch sw = new Stopwatch();// 获取GC情况，GC次数和GC耗时msMap<String, GcTimes> gcTimesBeforeSleep = getGcTimes();while (shouldRun) {sw.reset().start();try {// 监控线程自我休眠500msThread.sleep(SLEEP_INTERVAL_MS);} catch (InterruptedException ie) {return;}// 上次查询时间-减去休眠就是暂停的耗时long extraSleepTime = sw.elapsed(TimeUnit.MILLISECONDS) - SLEEP_INTERVAL_MS;Map<String, GcTimes> gcTimesAfterSleep = getGcTimes();// warnThresholdMs默认10000msif (extraSleepTime > warnThresholdMs) {++numGcWarnThresholdExceeded;LOG.warn(formatMessage(extraSleepTime, gcTimesAfterSleep, gcTimesBeforeSleep));// 指标jvm.pause.info-threshold进行+1incrementMetricsCounter(MetricsConstant.JVM_PAUSE_WARN, 1);} // infoThresholdMs默认1000ms else if (extraSleepTime > infoThresholdMs) {++numGcInfoThresholdExceeded;LOG.info(formatMessage(extraSleepTime, gcTimesAfterSleep, gcTimesBeforeSleep));// 指标jvm.pause.warn-threshold进行+1incrementMetricsCounter(MetricsConstant.JVM_PAUSE_INFO, 1);}// jvm.pause.extraSleepTime 累计时间? msincrementMetricsCounter(MetricsConstant.JVM_EXTRA_SLEEP, extraSleepTime);totalGcExtraSleepTime += extraSleepTime;gcTimesBeforeSleep = gcTimesAfterSleep;}}private void incrementMetricsCounter(String name, long count) {Metrics metrics = MetricsFactory.getInstance();if (metrics != null) {try {metrics.incrementCounter(name, count);} catch (Exception e) {LOG.warn("Error Reporting JvmPauseMonitor to Metrics system", e);}}}}

`HiveMetaStore`的内部类`HMSHandler`

startFunction和endFunction是包裹以下元数据的操作，进行指标的采集控制。由这两个包裹的方法，除了本身的Timer指标(增加前缀api_)外，还会增加counters类型指标，不过在Timer指标名的基础上再增加active_calls_前缀，即active_calls_api_。

以下指标还会增加前缀api_，

库相关
1. create_database
2. get_database
3. alter_database
4. drop_database
5. get_databases
6. get_all_databases
表相关
1. create_table
2. drop_table
3. get_table
4. get_tables
5. get_tables_by_type
6. get_all_tables
7. get_table_metas
8. get_multi_table
9. get_table_names_by_filter
10. get_table_statistics_req
11. alter_table
分区相关
1. append_partition
2. append_partition_by_name
3. drop_partition_by_name
4. get_partitions_ps
5. get_partitions_ps_with_auth
6. get_partitions_names_ps
7. add_partitions
8. add_partition
9. drop_partition
10. get_partition
11. alter_partition
12. get_partition_with_auth
13. get_partitions_pspec
14. get_partition_names
15. get_partition_by_name
16. get_partitions_by_expr
17. get_num_partitions_by_filter
18. get_num_partitions_by_expr
19. get_partitions_by_names
20. get_partitions_by_filter
21. get_partitions_by_filter_pspec
22. get_partitions_statistics_req
其他
1. create_type
2. get_type
3. drop_type
4. drop_constraint
5. add_primary_key
6. add_foreign_key
7. get_column_privilege_set
8. add_index
9. alter_index
10. drop_index_by_name
11. get_index_by_name
12. get_index_names
13. get_indexes
14. get_column_statistics_by_table
15. get_fields_with_environment_context
16. get_schema_with_environment_context
17. get_column_statistics_by_partition
18. write_column_statistics
19. write_partition_column_statistics
20. delete_column_statistics_by_partition
21. delete_column_statistics_by_table
22. get_config_value
23. delete_column_statistics_by_partition
24. cancel_delegation_token
25. renew_delegation_token
26. get_delegation_token
27. add_token
28. remove_token
29. get_token for+XXX
30. get_all_token_identifiers.
31. add_master_key.
32. update_master_key.
33. remove_master_key.
34. get_master_keys.
35. partition_name_has_valid_characters
36. get_functions
37. get_all_functions
38. get_function
39. get_aggr_stats_for
40. get_foreign_keys

例如get_database操作

    public Database get_database(final String name) throws NoSuchObjectException, MetaException {startFunction("get_database", ": " + name);Database db = null;Exception ex = null;try {db = get_database_core(name);firePreEvent(new PreReadDatabaseEvent(db, this));} catch (MetaException e) {ex = e;throw e;} catch (NoSuchObjectException e) {ex = e;throw e;} finally {endFunction("get_database", db != null, ex);}return db;}

MetricsFactory的init(conf)方法

/*** Initializes static Metrics instance. 目前默认的实现类是 org.apache.hadoop.hive.common.metrics.metrics2.CodahaleMetrics*/
public synchronized static void init(HiveConf conf) throws Exception {if (metrics == null) {Class metricsClass = conf.getClassByName(conf.getVar(HiveConf.ConfVars.HIVE_METRICS_CLASS));Constructor constructor = metricsClass.getConstructor(HiveConf.class);metrics = (Metrics) constructor.newInstance(conf);}
}

`CodahaleMetrics.java`

通过有参构造函数，实例化CodahaleMetrics。里面一共涉及4个指标类型。timers,counters,meters,gauges。

    public CodahaleMetrics(HiveConf conf) {this.conf = conf;//Codahale artifacts are lazily-created.timers = CacheBuilder.newBuilder().build(new CacheLoader<String, com.codahale.metrics.Timer>() {@Overridepublic com.codahale.metrics.Timer load(String key) {Timer timer = new Timer(new ExponentiallyDecayingReservoir());metricRegistry.register(key, timer);return timer;}});counters = CacheBuilder.newBuilder().build(new CacheLoader<String, Counter>() {@Overridepublic Counter load(String key) {Counter counter = new Counter();metricRegistry.register(key, counter);return counter;}});meters = CacheBuilder.newBuilder().build(new CacheLoader<String, Meter>() {@Overridepublic Meter load(String key) {Meter meter = new Meter();metricRegistry.register(key, meter);return meter;}});gauges = new ConcurrentHashMap<String, Gauge>();//register JVM metrics - java虚拟机的相关指标集registerAll("gc", new GarbageCollectorMetricSet());registerAll("buffers", new BufferPoolMetricSet(ManagementFactory.getPlatformMBeanServer()));registerAll("memory", new MemoryUsageGaugeSet());registerAll("threads", new ThreadStatesGaugeSet());registerAll("classLoading", new ClassLoadingGaugeSet());//Metrics reporter -进行指标的输出Set<MetricsReporting> finalReporterList = new HashSet<MetricsReporting>();// 默认的导出类型是JSON_FILE, JMX。List<String> metricsReporterNames = Lists.newArrayList(Splitter.on(",").trimResults().omitEmptyStrings().split(conf.getVar(HiveConf.ConfVars.HIVE_METRICS_REPORTER)));if (metricsReporterNames != null) {for (String metricsReportingName : metricsReporterNames) {try {MetricsReporting reporter = MetricsReporting.valueOf(metricsReportingName.trim().toUpperCase());finalReporterList.add(reporter);} catch (IllegalArgumentException e) {LOGGER.warn("Metrics reporter skipped due to invalid configured reporter: " + metricsReportingName);}}}initReporting(finalReporterList);}

具体指标对象

GarbageCollectorMetricSet：一组用于垃圾收集计数和运行时间的仪表。
BufferPoolMetricSet：一组测量JVM的直接和映射缓冲池的计数、使用情况和容量的指标。这些JMX对象仅在Java 7及以上版本上可用。
MemoryUsageGaugeSet：一组用于JVM内存使用的指标，包括堆与非堆内存的统计信息，以及特定于gc的内存池。
ThreadStatesGaugeSet：一组用于各种状态和死锁检测的线程数量的量规。
ClassLoadingGaugeSet：JVM类加载器使用情况的一组指标。

指标导出

    /*** Should be only called once to initialize the reporters*/private void initReporting(Set<MetricsReporting> reportingSet) {for (MetricsReporting reporting : reportingSet) {switch (reporting) {case CONSOLE:final ConsoleReporter consoleReporter = ConsoleReporter.forRegistry(metricRegistry).convertRatesTo(TimeUnit.SECONDS).convertDurationsTo(TimeUnit.MILLISECONDS).build();consoleReporter.start(1, TimeUnit.SECONDS);reporters.add(consoleReporter);break;case JMX:final JmxReporter jmxReporter = JmxReporter.forRegistry(metricRegistry).convertRatesTo(TimeUnit.SECONDS).convertDurationsTo(TimeUnit.MILLISECONDS).build();jmxReporter.start();reporters.add(jmxReporter);break;case JSON_FILE:final JsonFileReporter jsonFileReporter = new JsonFileReporter();jsonFileReporter.start();reporters.add(jsonFileReporter);break;case HADOOP2:String applicationName = conf.get(HiveConf.ConfVars.HIVE_METRICS_HADOOP2_COMPONENT_NAME.varname);long reportingInterval = HiveConf.toTime(conf.get(HiveConf.ConfVars.HIVE_METRICS_HADOOP2_INTERVAL.varname),TimeUnit.SECONDS, TimeUnit.SECONDS);final HadoopMetrics2Reporter metrics2Reporter = HadoopMetrics2Reporter.forRegistry(metricRegistry).convertRatesTo(TimeUnit.SECONDS).convertDurationsTo(TimeUnit.MILLISECONDS).build(DefaultMetricsSystem.initialize(applicationName), // The application-level nameapplicationName, // Component nameapplicationName, // Component description"General"); // Name for each metric recordmetrics2Reporter.start(reportingInterval, TimeUnit.SECONDS);break;}}}

在hive2版本有4类导出器

ConsoleReporter：通过调度线程，按周期将指标输出到日志里面。
JmxReporter：一个报告器，用于监听新指标，并将发送其作为名称标注的 MBeans。
JsonFileReporter：通过Timer，定时调度，将指标写入目标文件中。
HadoopMetrics2Reporter：通过调度线程，按周期将指标更新到度量对象dropwizardGauges,dropwizardCounters,dropwizardHistograms,dropwizardMeters,dropwizardTimers中，再由hadoop2的指标系统去获取转换由 dropwizard 收集的当前指标，并将其添加到Hadoop2的指标系统中。

JsonFileReporter输出的文件内容示例

回收
- gc.PS-MarkSweep.count：标记次数
- gc.PS-MarkSweep.time：标记耗时ms
- gc.PS-Scavenge.count：清除次数
- gc.PS-Scavenge.time：清除耗时ms
内存
- memory.heap.committed：JVM 已经提交的 HeapMemory 的大小， byte
- memory.heap.init：JVM 初始 HeapMem 的大小
- memory.heap.usage：已使用内存占比
- memory.heap.max：JVM 配置的 HeapMemory 的大小
- memory.heap.used：已使用堆内存大小， byte
- memory.non-heap.committed：JVM 当前已经提交的 NonHeapMemory 的大小， byte
- memory.non-heap.init：JVM 初始 NonHeapMem 的大小， byte
- memory.non-heap.max：JVM 配置的 NonHeapMemory 的数大小， byte
- memory.non-heap.usage：已使用NonHeapMemory 内存占比
- memory.non-heap.used：JVM 当前已经使用的 NonHeapMemory 的大小， byte
- memory.pools.Code-Cache.usage：代码缓存区使用占比
- memory.pools.Compressed-Class-Space.usage：压缩类空间空间使用占比
- memory.pools.Metaspace.usage：Metaspace 区内存使用占比
- memory.pools.PS-Eden-Space.usage：Eden区内存使用占比
- memory.pools.PS-Old-Gen.usage：Old区内存使用占比
- memory.pools.PS-Survivor-Space.usage：Survivo区内存使用占比
- memory.total.committed：保证可用于堆或非堆的总内存量
- memory.total.init：堆或非堆初始化的内存量
- memory.total.max：堆或非堆配置的最大中内存量
- memory.total.used：堆或非堆使用的总内存量
线程
- threads.count：总线程数
- threads.daemon.count：常驻线程数
- threads.deadlock.count：死锁线程数
counters下active_calls_*系列：正在执行的方法的个数，方法主要在HiveMetaStore的内部类HMSHandler中。
timers下api_系列：执行的方法响应（个数，平均、最大、最小、中位数耗时等等），方法主要在HiveMetaStore的内部类HMSHandler中。

{"version" : "3.0.0","gauges" : {"buffers.direct.capacity" : {"value" : 0},"buffers.direct.count" : {"value" : 0},"buffers.direct.used" : {"value" : 0},"buffers.mapped.capacity" : {"value" : 0},"buffers.mapped.count" : {"value" : 0},"buffers.mapped.used" : {"value" : 0},"classLoading.loaded" : {"value" : 6932},"classLoading.unloaded" : {"value" : 0},"gc.PS-MarkSweep.count" : {"value" : 2},"gc.PS-MarkSweep.time" : {"value" : 250},"gc.PS-Scavenge.count" : {"value" : 5},"gc.PS-Scavenge.time" : {"value" : 92},"init_total_count_dbs" : {"value" : 489},"init_total_count_partitions" : {"value" : 51089},"init_total_count_tables" : {"value" : 13733},"memory.heap.committed" : {"value" : 991428608},"memory.heap.init" : {"value" : 1073741824},"memory.heap.max" : {"value" : 991428608},"memory.heap.usage" : {"value" : 0.22776332070498415},"memory.heap.used" : {"value" : 225811072},"memory.non-heap.committed" : {"value" : 62717952},"memory.non-heap.init" : {"value" : 2555904},"memory.non-heap.max" : {"value" : -1},"memory.non-heap.usage" : {"value" : -6.1740872E7},"memory.non-heap.used" : {"value" : 61740872},"memory.pools.Code-Cache.usage" : {"value" : 0.04560165405273438},"memory.pools.Compressed-Class-Space.usage" : {"value" : 0.004726290702819824},"memory.pools.Metaspace.usage" : {"value" : 0.9850643484933036},"memory.pools.PS-Eden-Space.usage" : {"value" : 0.5518231919863521},"memory.pools.PS-Old-Gen.usage" : {"value" : 0.07657499299391471},"memory.pools.PS-Survivor-Space.usage" : {"value" : 0.9316617525540866},"memory.total.committed" : {"value" : 1054146560},"memory.total.init" : {"value" : 1076297728},"memory.total.max" : {"value" : 991428607},"memory.total.used" : {"value" : 287551944},"threads.blocked.count" : {"value" : 0},"threads.count" : {"value" : 27},"threads.daemon.count" : {"value" : 16},"threads.deadlock.count" : {"value" : 0},"threads.deadlocks" : {"value" : [ ]},"threads.new.count" : {"value" : 0},"threads.runnable.count" : {"value" : 4},"threads.terminated.count" : {"value" : 0},"threads.timed_waiting.count" : {"value" : 7},"threads.waiting.count" : {"value" : 16}},"counters" : {"active_calls_api_get_database" : {"count" : 0},"active_calls_api_get_tables" : {"count" : 0},"active_calls_api_init" : {"count" : 0},"active_calls_api_set_ugi" : {"count" : 0},"jvm.pause.extraSleepTime" : {"count" : 6},"open_connections" : {"count" : 1}},"histograms" : { },"meters" : { },"timers" : {"api_get_database" : {"count" : 54,"max" : 99.228759,"mean" : 11.107232182804301,"min" : 10.091598,"p50" : 11.098374,"p75" : 11.503314,"p95" : 12.130782,"p98" : 12.130782,"p99" : 12.130782,"p999" : 12.913863,"stddev" : 0.6771821794059291,"m15_rate" : 0.0,"m1_rate" : 0.0,"m5_rate" : 0.0,"mean_rate" : 0.0,"duration_units" : "milliseconds","rate_units" : "calls/millisecond"},"api_get_tables" : {"count" : 18,"max" : 31.114395,"mean" : 9.939109200622983,"min" : 9.404240999999999,"p50" : 9.841852,"p75" : 10.122354,"p95" : 10.122354,"p98" : 10.122354,"p99" : 10.122354,"p999" : 10.203377999999999,"stddev" : 0.18434488642295546,"m15_rate" : 0.0,"m1_rate" : 0.0,"m5_rate" : 0.0,"mean_rate" : 0.0,"duration_units" : "milliseconds","rate_units" : "calls/millisecond"},"api_init" : {"count" : 1,"max" : 3225.4620339999997,"mean" : 3225.4620339999997,"min" : 3225.4620339999997,"p50" : 3225.4620339999997,"p75" : 3225.4620339999997,"p95" : 3225.4620339999997,"p98" : 3225.4620339999997,"p99" : 3225.4620339999997,"p999" : 3225.4620339999997,"stddev" : 0.0,"m15_rate" : 0.0,"m1_rate" : 0.0,"m5_rate" : 0.0,"mean_rate" : 0.0,"duration_units" : "milliseconds","rate_units" : "calls/millisecond"},"api_set_ugi" : {"count" : 1,"max" : 0.284408,"mean" : 0.284408,"min" : 0.284408,"p50" : 0.284408,"p75" : 0.284408,"p95" : 0.284408,"p98" : 0.284408,"p99" : 0.284408,"p999" : 0.284408,"stddev" : 0.0,"m15_rate" : 0.0,"m1_rate" : 0.0,"m5_rate" : 0.0,"mean_rate" : 0.0,"duration_units" : "milliseconds","rate_units" : "calls/millisecond"}}
}

其他

#这个类定义了Hive进程生成的一些指标。
org.apache.hadoop.hive.common.metrics.common.MetricsConstant#可以用来度量和记录一段代码所花费的时间。
org.apache.hadoop.hive.ql.log.PerfLogger

腾讯云的hive-metastore指标

标题	指标名称	指标单位	指标含义
GC 次数	YGC	次	Young GC 次数
	FGC	次	Full GC 次数
GC 时间	FGCT	s	Full GC 消耗时间
	GCT	s	垃圾回收时间消耗
	YGCT	s	Young GC 消耗时间
内存区域占比	S0	%	Survivor 0区内存使用占比
	E	%	Eden 区内存使用占比
	CCS	%	Compressed class space 区内存使用占比
	S1	%	Survivor 1区内存使用占比
	O	%	Old 区内存使用占比
	M	%	Metaspace 区内存使用占比
JVM 内存	MemHeapUsedM	MB	JVM 当前已经使用的 HeapMemory 的数量
	MemHeapCommittedM	MB	JVM 已经提交的 HeapMemory 的数量
	MemHeapMaxM	MB	JVM 配置的 HeapMemory 的数量
	MemHeapInitM	MB	JVM 初始 HeapMem 的数量
	MemNonHeapUsedM	MB	JVM 当前已经使用的 NonHeapMemory 的数量
	MemNonHeapCommittedM	MB	JVM 当前已经提交的 NonHeapMemory 的数量
	MemNonHeapInitM	MB	JVM 初始 NonHeapMem 的数量
文件描述符数	OpenFileDescriptorCount	个	已打开文件描述符数量
	MaxFileDescriptorCount	个	最大文件描述符数
CPU 利用率	ProcessCpuLoad	%	进程 CPU 利用率
	SystemCpuLoad	%	系统 CPU 利用率
CPU 使用时间占比	CPURate	seconds/second	CPU 使用时间占比
工作线程数	DaemonThreadCount	个	守护线程数
	ThreadCount	个	线程总数
CPU 累计使用时间	ProcessCpuTime	ms	CPU 累计使用时间
进程运行时长	Uptime	s	进程运行时长
GC 额外睡眠时间	ExtraSleepTime	ms/s	GC 额外睡眠时间
alter table 请求时间	HIVE.HMS.API_ALTER_TABLE	ms	alter table 请求平均时间
alter table with env context 请求时间	HIVE.HMS.API_ALTER_TABLE_WITH_ENV_CONTEXT	ms	alter table with env context 请求平均时间
create table 请求时间	HIVE.HMS.API_CREATE_TABLE	ms	create table 请求平均时间
create table with env context 请求时间	HIVE.HMS.API_CREATE_TABLE_WITH_ENV_CONTEXT	ms	create table with env context 请求平均时间
drop table 请求时间	HIVE.HMS.API_DROP_TABLE	ms	drop table 平均请求时间
drop table with env context 请求时间	HIVE.HMS.API_DROP_TABLE_WITH_ENV_CONTEXT	ms	drop table with env context 平均请求时间
get table 请求时间	HIVE.HMS.API_GET_TABLE	ms	get table 平均请求时间
get tables 请求时间	HIVE.HMS.API_GET_TABLES	ms	get tables 平均请求时间
get multi table 请求时间	HIVE.HMS.API_GET_MULTI_TABLE	ms	get multi table 平均请求时间
get table req 请求时间	HIVE.HMS.API_GET_TABLE_REQ	ms	get table req 平均请求时间
get database 请求时间	HIVE.HMS.API_GET_DATABASE	ms	get database 平均请求时间
get databases 请求时间	HIVE.HMS.API_GET_DATABASES	ms	get databases 平均请求时间
get all database 请求时间	HIVE.HMS.API_GET_ALL_DATABASES	ms	get all databases 平均请求时间
get all functions 请求时间	HIVE.HMS.API_GET_ALL_FUNCTIONS	ms	get all functions 平均请求时间
当前活跃 create table 请求数	HIVE.HMS.ACTIVE_CALLS_API_CREATE_TABLE	个	当前活跃 create table 请求数
当前活跃 drop table 请求数	HIVE.HMS.ACTIVE_CALLS_API_DROP_TABLE	个	当前活跃 drop table 请求数
当前活跃 alter table 请求数	HIVE.HMS.ACTIVE_CALLS_API_ALTER_TABLE	个	当前活跃 alter table 请求数