Prometheus 四大度量指标和应用

Posted 2023-03-19

参考技术A

Gauge 类型代表一个可以任意变化的指标数据，其可增可减。在应用场景中，像是 Go 应用程序运行时的 Goroutine 的数量 就可以用该类型来表示，在系统中统计 CPU、Memory 等等时很常见，而在业务场景中， 业务队列的数量 也可以用 Gauge 来统计，实时观察队列数量，及时发现堆积情况,因为其是浮动的数值，并非固定的，侧重于反馈当前的情况

Histogram 类型将会在一段时间范围内对数据进行采样（通常是请求持续时间或响应大小等等），并将其计入可配置的存储桶（bucket）中，后续可通过指定区间筛选样本，也可以统计样本总数。

Histogram 类型在应用场景中非常的常用，因为其代表的就是分组区间的统计，而在分布式场景盛行的现在， 链路追踪 系统是必不可少的，那么针对不同的链路的分析统计就非常的有必要，例如像是对 RPC、SQL、HTTP、Redis 的 P90、P95、P99 进行计算统计，并且更进一步的做告警，就能够及时的发现应用链路缓慢，进而发现和减少第三方系统的影响。

Summary 类型将会在一段时间范围内对数据进行采样，但是与 Histogram 类型不同的是 Summary 类型将会存储分位数（在客户端进行计算），而不像 Histogram 类型，根据所设置的区间情况统计存储。提供三种摘要指标: 样本值的分位数分布情况,所有样本值的大小总和,样本总数

简单是展示配合 grafana 的 http_durations_histogram_seconds_bucket 的效果

prometheus 指标类型

四大指标类型(metrics type)

1. Counter(计数器)
2. Gauge(度量值)
3. Hisogram(直接图)
4. Summary (摘要)

四类指标均是在客户端定义的，服务端并无类型区别，统一按时间序列存储

指标名称	特点	举例	常用函数
Counter	计数量，只增不减少	服务的请求次数	rate topk increase irate
Gauge	度量值，可增可减少	用户在线人数、队列排队线程数、内存、CPU占用	delta predict_linear
Histogram	数据分布柱状图，基于bucket统计；bucket 代表样本取值或聚会范围分段；取值可以是频率或频数；分位数计算(服务端计算)；	小于1秒请求次数， 小于0.5s请求次数	histogram_quantile
Summary	直接存储分位数(客户端计算)	95%的请求平均响应时间