31 lines
2.7 KiB
Markdown
31 lines
2.7 KiB
Markdown
Prometheus提供了4中不同的Metrics类型: Counter, Gauge, Histogram, Summary。
|
||
|
||
#### Counter:只增不减的计数器
|
||
```
|
||
计数器可以用于记录只会增加不会减少的指标类型,比如记录应用请求的总量，cpu使用时间等。
|
||
对于Counter类型的指标，只包含一个inc()方法，用于计数器+1。
|
||
一般而言，Counter类型的metrics指标在命名中我们使用_total结束，如http_requests_total。
|
||
```
|
||
#### Gauge: 可增可减的仪表盘
|
||
```
|
||
对于这类可增可减的指标，可以用于反应应用的当前状态。
|
||
例如在监控主机时，主机当前空闲的内存大小，可用内存大小。或者容器当前的cpu使用率,内存使用率。
|
||
对于Gauge指标的对象则包含两个主要的方法inc()以及dec(),用户添加或者减少计数。
|
||
```
|
||
#### Histogram：自带buckets区间用于统计分布统计图[直方图]
|
||
```
|
||
主要用于在指定分布范围内(Buckets)记录大小或者事件发生的次数。
|
||
```
|
||
#### Summary: 客户端定义的数据分布统计图
|
||
```
|
||
Summary和Histogram非常类型相似，都可以统计事件发生的次数或者大小，以及其分布情况。
|
||
Summary和Histogram都提供了对于事件的计数_count以及值的汇总_sum。 因此使用_count,和_sum时间序列可以计算出相同的内容，例如http每秒的平均响应时间：rate(basename_sum[5m]) / rate(basename_count[5m])。
|
||
同时Summary和Histogram都可以计算和统计样本的分布情况，比如中位数，9分位数等等。其中 0.0<= 分位数Quantiles <= 1.0。
|
||
不同在于Histogram可以通过histogram_quantile函数在服务器端计算分位数。 而Sumamry的分位数则是直接在客户端进行定义。因此对于分位数的计算。 Summary在通过PromQL进行查询时有更好的性能表现，而Histogram则会消耗更多的资源。相对的对于客户端而言Histogram消耗的资源更少。
|
||
```
|
||
|
||
Prometheus采用时序数据库存储数据，所有的存储都是按时间序列去实现的，相同的 metrics(指标名称) 和 label(一个或多个标签) 组成一条时间序列，不同的label表示不同的时间序列。为了支持一些查询，有时还会临时产生一些时间序列存储。
|
||
|
||
每条时间序列是由唯一的 指标名称 和 一组 标签 （key=value）的形式组成。指标名称 一般是给监测对像起一名字，例如 http_requests_total 这样，它有一些命名规则，可以包字母数字_之类的的。通常是以应用名称开头_监测对像_数值类型_单位这样。
|
||
|
||
如果以传统数据库的理解来看这条语句，则可以考虑 http_requests_total是表名，标签是字段，而timestamp是主键，还有一个float64字段是值了（Prometheus里面所有值都是按float64存储）
|