Pāriet uz galveno saturu
Latviešu— Izvēlēties valodu
Izvēlne

Analīze par izmantošanu

Nodarbība 9 no 14 Atjaunota 2026. gada 29. jūlijs Programmētājs
Šajā lapā
  1. Izprasti savu API patēriņu
  2. Analīzes galapunkts
  3. Pieprasījuma parametri
  4. Praktiski piemēri
  5. Galvenās atziņas

Izprasti savu API patēriņu

Lietošanas panelis xAI konsolē Rēķins tev pastāsta, cik daudz tu esi iztērējis; šis galapunkts atklāj, kāpēc. Tā ir atšķirība starp novērošanu un rīcību: patēriņš tiek sadalīts pa modeļiem, pa periodiem un tavā izvēlētajā granularitātē, ļaujot saistīt pieaugumu ar konkrētu modeli konkrētā laikā.

Tā sintakse ir bagātāka nekā pārējai Vadības API — trīs parametru bloki, ko kombinēt, — taču viss reducējas uz trim jautājumiem: par kādu periodu, kādā granularitātē un kādu mērījumu. Šī nodarbība tos aplūko šajā secībā. Tā ļauj analizēt patēriņu pa modeļiem, pa periodiem un ar dažādām laika granularitātēm — būtiski dati izmaksu optimizēšanai un infrastruktūras plānošanai.

7
Laika vienības
9
Agregācijas
POST
HTTP metode
groupBy
Sadalījums pa modeļiem

Analīzes galapunkts

Lietošanas analīze notiek, veicot POST pieprasījumu:

POST /v1/billing/teams/{teamId}/usage

Pieprasījuma struktūra

{
  "analyticsRequest": {
    "timeRange": {
      "startTime": "2026-03-01 00:00:00",
      "endTime": "2026-04-01 00:00:00",
      "timezone": "UTC"
    },
    "timeUnit": "DAY",
    "values": [
      {"name": "tokens", "aggregation": "SUM"}
    ],
    "groupBy": ["model"]
  }
}

Šis pieprasījums prasa kopējo tokenus patēriņu dienā, sadalītu pa modeļiem, 2026. gada martam UTC laikā. Uztver to kā veidni: praksē no viena ziņojuma uz nākamo mainīsi tikai trīs lietas — periodu, laika vienību un metrika, kamēr pārējā struktūra paliek nemainīga.

Pieprasījuma parametri

timeRange

Nosaka analīzes periodu:

  • startTime : perioda sākums (formāts YYYY-MM-DD HH:MM:SS)
  • endTime : perioda beigas (tas pats formāts)
  • timezone : laika josla datumu interpretācijai (piemēram, UTC, Europe/Paris)

timeUnit

Rezultātu laika granularitāte. Pieejamās opcijas ir:

  • MONTH : ikmēneša agregācija
  • CALENDAR_WEEK : kalendārās nedēļas agregācija
  • DAY : ikdienas agregācija
  • HOUR : stundas agregācija
  • QUARTER_HOUR : ceturtdaļstundas agregācija
  • MINUTE : minūtes agregācija
  • SECOND : sekundes agregācija

Izvēlies granularitāti, balstoties uz parādības ilgumu, ko meklē, nevis uz analizētā perioda garumu. Mēneša ziņojums labi lasās ar DAY; desmit minūšu pieaugums šajā mērogā pilnībā pazūd un parādās tikai ar QUARTER_HOUR. Pārāk zema līmeņa izvēlei arī ir cena — atgriezto punktu apjoms strauji pieaug, līdz ar to pieaug arī troksnis.

values

Agregācijas funkcijas izvēle maina uzdoto jautājumu, un tieši šeit percentilēm jāpievērš uzmanība. AVG attiecībā uz latentumu dod mierinošu vidējo rādītāju, ko neviens faktiski nepiedzīvo; P99 norāda gaidīšanas laiku, ko piedzīvojuši tavi nelaimīgākie lietotāji — tie, kas sūdzas. Izmaksām izmanto SUM; veiktspējai izmanto percentili.

"values": [
  {"name": "tokens", "aggregation": "SUM"},
  {"name": "tokens", "aggregation": "AVG"},
  {"name": "latency", "aggregation": "P99"}
]

Pieejamās agregācijas funkcijas:

  • SUM : kopējā summa
  • AVG : vidējais
  • MIN : minimālā vērtība
  • MAX : maksimālā vērtība
  • P50 : mediāna (50. percentils)
  • P90 : 90. percentils
  • P99 : 99. percentils
  • COUNT : gadījumu skaits
  • COUNT_DISTINCT : atšķirīgu vērtību skaits

groupBy

Sadalīt rezultātus pēc dimensijas. Pašlaik ir pieejama grupēšana pēc model, ļaujot redzēt atsevišķu patēriņu katram modelim (grok-4.20-0309-reasoning, grok-4.3 u.c.).

Praktiski piemēri

Ikdienas patēriņš kārtējā mēnesī

curl -X POST "https://management-api.x.ai/v1/billing/teams/$TEAM_ID/usage" \
  -H "Authorization: Bearer $MANAGEMENT_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "analyticsRequest": {
      "timeRange": {
        "startTime": "2026-04-01 00:00:00",
        "endTime": "2026-05-01 00:00:00",
        "timezone": "Europe/Paris"
      },
      "timeUnit": "DAY",
      "values": [{"name": "tokens", "aggregation": "SUM"}],
      "groupBy": ["model"]
    }
  }'

Pieprasījumu skaits stundā

curl -X POST "https://management-api.x.ai/v1/billing/teams/$TEAM_ID/usage" \
  -H "Authorization: Bearer $MANAGEMENT_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "analyticsRequest": {
      "timeRange": {
        "startTime": "2026-04-03 00:00:00",
        "endTime": "2026-04-04 00:00:00",
        "timezone": "Europe/Paris"
      },
      "timeUnit": "HOUR",
      "values": [{"name": "requests", "aggregation": "COUNT"}],
      "groupBy": ["model"]
    }
  }'

P99 latentums pa modeļiem

curl -X POST "https://management-api.x.ai/v1/billing/teams/$TEAM_ID/usage" \
  -H "Authorization: Bearer $MANAGEMENT_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "analyticsRequest": {
      "timeRange": {
        "startTime": "2026-04-01 00:00:00",
        "endTime": "2026-04-04 00:00:00",
        "timezone": "UTC"
      },
      "timeUnit": "DAY",
      "values": [
        {"name": "latency", "aggregation": "P99"},
        {"name": "latency", "aggregation": "AVG"}
      ],
      "groupBy": ["model"]
    }
  }'

Galvenās atziņas

  • Galapunkts POST /v1/billing/teams/{teamId}/usage centralizē visu analīzi
  • Pieejamas 7 laika granularitātes, no SECOND līdz MONTH
  • 9 agregācijas funkcijas: SUM, AVG, MIN, MAX, P50, P90, P99, COUNT, COUNT_DISTINCT
  • Parametrs groupBy: ["model"] sadala rezultātus pa modeļiem
  • Ziņojumiem, kas saskaņoti ar taviem darba laikiem, izmanto laika joslu Europe/Paris