大家好！👋 今天，我们将深入探讨系统和应用程序监控的必备工具 Prometheus 的核心组成部分——指标类型。无论您是初次接触 Prometheus，还是已经在使用它，这都是一个巩固概念的绝佳机会！🚀
要准确掌握系统状态，决定收集哪些数据以及如何收集至关重要。Prometheus 为此提供了 四种核心指标类型：计数器 (Counter)、仪表盘 (Gauge)、直方图 (Histogram) 和摘要 (Summary)。接下来，我们将逐一深入了解每种类型的特点以及何时使用它们！
1. 计数器 (Counter) 📈: 只增不减的数字
计数器顾名思义，是一种记录累积值的指标类型。其最大特点是值只能增加。它就像汽车的总里程表，只向前进，从不后退。当然，系统重启时可以重置为0。
- 🤔 何时使用？
- Web 服务器的总 HTTP 请求次数
- API 调用成功或失败的次数
- 任务完成数量
- 错误发生的总次数
- 示例: http_requests_total
- 此指标表示服务启动以来收到的所有 HTTP 请求的总数。
- 💡 核心要点！
- 计数器主要用于计算随时间变化的速率（rate），从而提取出“每秒请求数”等有意义的数据，而不是其自身的绝对值。为此，通常会结合使用 PromQL 的 rate() 或 irate() 函数。
2. 仪表盘 (Gauge) 🌡️: 显示实时状态的温度计
仪表盘是一种表示当前状态测量值的指标类型。与计数器不同，它的值可以增加也可以减少。就像温度计会根据环境温度上升或下降一样。
- 🤔 何时使用？
- 当前使用的内存量
- 活跃用户会话数
- 队列中积压的任务数量
- CPU 使用率
- 示例: memory_usage_bytes, cpu_temperature_celsius
- memory_usage_bytes 表示应用程序当前使用的内存量，cpu_temperature_celsius 表示当前 CPU 温度。这些值会随时变化。
- 💡 核心要点！
- 当您希望像快照一样了解系统的当前状态时，它非常有用。
3. 直方图 (Histogram) 📊: 数据分布一目了然
直方图是一种稍微复杂的指标类型，用于测量观测数据的分布。当需要了解值的分布时，例如请求处理时间（latency）或响应大小（response size），它非常有用。
直方图将数据划分到预定义的多个桶（bucket）中。例如，可以划分为小于等于0.1秒、小于等于0.5秒、小于等于1秒等桶，每当处理一个请求时，相应桶的计数就会增加1。
- 🤔 何时使用？
- API 请求的响应时间分布
- HTTP 请求的大小分布
直方图在内部创建以下多个时间序列数据：
- _bucket{le=”<上限值>“}: 每个桶的上限值（le, less than or equal）以下或等于该值的累积数量
- _sum: 所有观测值的总和
- _count: 观测事件的总次数
- 示例: http_request_duration_seconds
- 通过此指标，可以计算出“所有请求中有95%在多少秒内处理完成？”这样的百分位数(percentile)。
- 💡 核心要点！
- 对于跨多个实例聚合数据并计算百分位数非常有用。可以在服务器端使用 PromQL 的 histogram_quantile() 函数灵活地计算分位数。
4. 摘要 (Summary) 📝: 用于精确百分位数的摘要
摘要与直方图类似，也用于测量数据的分布。但它们的工作方式存在重要差异。与在服务器端计算百分位数的直方图不同，摘要是在客户端（应用程序）直接计算并暴露百分位数（quantile）。
- 🤔 何时使用？
- 当您需要精确地了解响应时间的中位数（50th percentile）、95th percentile、99th percentile 等时。
摘要创建以下时间序列数据：
- {quantile=”<分位数>“}: 对应于设定分位数的值
- _sum: 所有观测值的总和
- _count: 观测事件的总次数
- 示例: http_request_duration_seconds (作为摘要类型)
- 此指标直接提供百分位数，例如 http_request_duration_seconds{quantile=”0.95″}。
- 💡 核心要点！
- 由于百分位数是在客户端直接计算的，因此百分位数本身非常精确。但是，它有一个很大的缺点，即无法聚合多个实例的数据（例如，计算平均值）。因此，在大多数情况下，建议使用更灵活的直方图进行聚合。
🧐 指标类型一览
| 指标类型 | 特点 | 主要用例 | PromQL 函数示例 |
| 计数器 | 单调递增的累积值 | 请求次数、错误数 | rate(), increase() |
| 仪表盘 | 可增可减的当前值 | 内存使用量、CPU 温度 | avg_over_time() |
| 直方图 | 数据分布（服务器计算分位数） | 响应时间分布、请求大小 | histogram_quantile() |
| 摘要 | 数据分布（客户端计算分位数） | 精确的单实例分位数 | 直接查询 |
结论
至此，我们已经了解了 Prometheus 的四种核心指标类型。充分理解每种类型的特点和用途，并根据实际情况选择合适的指标，是构建高效监控系统的第一步。
- 如果需要简单计数，请使用计数器！
- 如果想了解当前状态值，请使用仪表盘！
- 如果需要数据分布和聚合，请使用直方图！
- 如果需要精确的单个百分位数，请使用摘要！
希望本指南能对您的 Prometheus 之旅有所帮助！😊
标签: Prometheus, Monitoring, Metric Types, Counter, Gauge, Histogram, Summary, Observability, DevOps
发表回复