如何使用 OpenCensus 检测 Prometheus Gauge？

Posted 2023-02-16

【中文标题】如何使用 OpenCensus 检测 Prometheus Gauge？

【英文标题】：How to instrument Prometheus Gauge using OpenCensus?

【发布时间】：2021-01-23 03:45:22

【问题描述】：

我正在尝试找到一种在 Golang 中使用 OpenCencus 来检测 Prometheus Gauge 指标的方法。目标是跟踪活动会话的数量。所以值可以增加和减少，也可以在服务器重启时重置为 0。

他们有一个例子https://opencensus.io/quickstart/go/metrics/，但我无法将任何与 Gauge 相关联并重置为 0。

您能否建议我应该使用哪个 Measure 和 View 来检测可以增加、减少和重置为 0 的 Gauge？

【参考方案1】：

https://opencensus.io/stats/view/

我没有尝试过，但LastValue 可能（！？）转换为 Prometheus Gauge。

Count 为您提供测量次数并产生一个（增加的）计数器。所以，这对你没有帮助。

唯一的其他选择是Sum 和Distribution。

如果LastValue 没有产生一个仪表，您可能需要使用Distribution。

更新：LastValue == Gauge

破解了给出的例子：

package main

import (
    "context"
    "fmt"
    "log"
    "math/rand"
    "net/http"
    "os"
    "time"

    "contrib.go.opencensus.io/exporter/prometheus"
    "go.opencensus.io/stats"
    "go.opencensus.io/stats/view"
    "go.opencensus.io/tag"
)

var (
    MLatencyMs = stats.Float64("latency", "The latency in milliseconds", "ms")
)
var (
    KeyMethod, _ = tag.NewKey("method")
)

func main() 

    port := os.Getenv("PORT")
    if port == "" 
        port = "8080"
    

    view1 := &view.View
        Name:        "dist",
        Measure:     MLatencyMs,
        Description: "The dist of the latencies",
        TagKeys:     []tag.KeyKeyMethod,
        Aggregation: view.Distribution(0, 10, 100, 1000, 10000, 100000),
    

    view2 := &view.View
        Name:        "last",
        Measure:     MLatencyMs,
        Description: "The last of the latencies",
        TagKeys:     []tag.KeyKeyMethod,
        Aggregation: view.LastValue(),
    

    if err := view.Register(view1, view2); err != nil 
        log.Fatalf("Failed to register the views: %v", err)
    

    pe, err := prometheus.NewExporter(prometheus.Options
        Namespace: "distlast",
    )
    if err != nil 
        log.Fatalf("Failed to create the Prometheus stats exporter: %v", err)
    

    go func() 
        mux := http.NewServeMux()
        mux.Handle("/metrics", pe)
        log.Fatal(http.ListenAndServe(fmt.Sprintf(":%s", port), mux))
    ()

    rand.Seed(time.Now().UnixNano())
    ctx := context.Background()

    for 
        n := rand.Intn(100)
        log.Printf("[loop] n=%d\n", n)
        stats.Record(ctx, MLatencyMs.M(float64(time.Duration(n))))
        time.Sleep(1 * time.Second)
    

然后go run . 产生：

2020/10/15 14:03:25 [loop] n=77
2020/10/15 14:03:26 [loop] n=62
2020/10/15 14:03:27 [loop] n=48
2020/10/15 14:03:28 [loop] n=76
2020/10/15 14:03:29 [loop] n=20
2020/10/15 14:03:30 [loop] n=46
2020/10/15 14:03:31 [loop] n=47
2020/10/15 14:03:32 [loop] n=64
2020/10/15 14:03:33 [loop] n=15
2020/10/15 14:03:34 [loop] n=8

localhost:8080/metrics 上的指标收益率：

# HELP distlast_dist The dist of the latencies
# TYPE distlast_dist histogram
distlast_dist_bucketmethod="",le="10" 1
distlast_dist_bucketmethod="",le="100" 10
distlast_dist_bucketmethod="",le="1000" 10
distlast_dist_bucketmethod="",le="10000" 10
distlast_dist_bucketmethod="",le="100000" 10
distlast_dist_bucketmethod="",le="+Inf" 10
distlast_dist_summethod="" 463.00000000000006
distlast_dist_countmethod="" 10
# HELP distlast_last The last of the latencies
# TYPE distlast_last gauge
distlast_lastmethod="" 8

注意distlast_last 的值为8，对应于n=8，distlast_dist_sum 的值为463。