Prometheus数据模型

Prometheus采用多维数据模型，底层存储为时间序列（time series）。时间序列由metric名称、一组key/value标签组成，同一组时间序具有相同的metric名称和标签组合。时间序的样本数据包含一个float64的值，以及毫秒级别的unix时间戳。

时间序的格式为：

<metric name>{<label name>=<label value>, …}

例如，metric名称为http_requests_total和标签为method=“POST” 和 handler="/messages" 的时间序可以这样写：

http_requests_total{method=“POST”, handler="/messages"} 100

数据模型

Prometheus的数据类型可分为Counter, Gauge, Histogram, Summary四种类型。

Counter

Counter是一个累积指标，用于表示单调增加的统计数据，其值在重启时被重置为零或只能递增。可以用Counter表示服务的请求数量，完成的任务或错误的数量，不能使用Counter来表示可以减少的值。

# HELP http_requests_total Counter of HTTP requests.
# TYPE http_requests_total counter http_requests_total{code=“200”,handler="/api/v1/query"} 7
http_requests_total{code=“400”,handler="/api/v1/query"} 2
http_requests_total{code=“200”,handler="/metrics"} 32

表示http_requests_total{code=“200”,handler="/api/v1/query"}的请求总数为7，http_requests_total{code=“200”,handler="/metrics"} 的请求总数为32.

• 统计请求总数

可以对Counter进行聚合，例如统计 http_requests_total{handler="/api/v1/query"} 最近5分钟的请求总数，并且按handler聚合。

sum(increase(http_requests_total{handler="/api/v1/query"}[5m])) by (handler)

[]为范围向量选择器，[5m]表示选择5分钟内的数据，http_requests_total{handler="/api/v1/query"}[5m] 指返回http_requests_total{handler="/api/v1/query"} 5分钟内的数据，

http_requests_total{handler="/api/v1/query"}[5m]:

http_requests_total{code=“200”,handler="/api/v1/query"}
51 @1598945717.441
51 @1598945777.374
51 @1598945837.307
51 @1598945897.239
52 @1598945957.171
http_requests_total{code=“400”,handler="/api/v1/query"}
4 @1598945717.441
4 @1598945777.374
4 @1598945837.307
4 @1598945897.239
4 @1598945957.171

• increase聚合范围向量

increase() 计算范围向量中时间序列的增加, increase(http_requests_total{ handler="/api/v1/query"}[5m])表示统计5分钟内的请求增量。

increase(http_requests_total{handler="/api/v1/query"}[5m]):

{code=“200”,handler="/api/v1/query"} 6.2570652695335145
{code=“400”,handler="/api/v1/query"} 0

• sum按维度聚合

sum()聚合函数，sum(…) by (handler)保留hander维度，code维度的数据被聚合成一个值。

sum(increase(http_requests_total{handler="/api/v1/query"}[5m])) by (handler):

{handler="/api/v1/query"} 7.508415682577556

Gauge

Gauge表示可以上下浮动的数据，通常用于测量温度或当前内存使用情况等测量值。

# HELP go_goroutines Number of goroutines that currently exist.
# TYPE go_goroutines gauge
go_goroutines 61

表示当前go协程的数量为61.

Histogram

Histogram生成直方图数据，需要预先设定统计桶，通常包含以下几个时间序：

• 观察桶的累积计数器，<basename>_bucket{le="<upper inclusive bound>"}
• 所有观察值的总和，<basename>_sum
• 已观察到的事件数量，<basename>_count

例子：

# HELP prometheus_http_response_size_bytes Histogram of response size for HTTP requests.
# TYPE prometheus_http_response_size_bytes histogram
prometheus_http_response_size_bytes_bucket{handler="/api/v1/label/:name/values",le=“100”} 0
prometheus_http_response_size_bytes_bucket{handler="/api/v1/label/:name/values",le=“1000”} 0
prometheus_http_response_size_bytes_bucket{handler="/api/v1/label/:name/values",le=“10000”} 5
prometheus_http_response_size_bytes_bucket{handler="/api/v1/label/:name/values",le=“100000”} 5
prometheus_http_response_size_bytes_bucket{handler="/api/v1/label/:name/values",le=“1e+06”} 5
prometheus_http_response_size_bytes_bucket{handler="/api/v1/label/:name/values",le=“1e+07”} 5
prometheus_http_response_size_bytes_bucket{handler="/api/v1/label/:name/values",le=“1e+08”} 5
prometheus_http_response_size_bytes_bucket{handler="/api/v1/label/:name/values",le=“1e+09”} 5
prometheus_http_response_size_bytes_bucket{handler="/api/v1/label/:name/values",le="+Inf"} 5
prometheus_http_response_size_bytes_sum{handler="/api/v1/label/:name/values"} 8440
prometheus_http_response_size_bytes_count{handler="/api/v1/label/:name/values"} 5

prometheus_http_response_size_bytes 配置了以下几个统计桶：100，1000，10000，100000，1e+06，1e+07，1e+08，1e+09，+Inf，统计总数为5，总和为8440，数据具体分布情况在prometheus_http_response_size_bytes_bucket中。Histogram可以在服务端进行聚合，统计出分布百分位数，如统计出P90,P99等数据，但精度受配置的桶影响。

统计最近一小时内prometheus_http_response_size_bytes的P95:

histogram_quantile(0.95, rate(prometheus_http_response_size_bytes[1h]))

Summary

Summary在客户端统计出精确的百分位数据，Summary需要配置统计的百分位。和Histogram类似，通常包含了多个时间序列：

• φ-quantiles(0 ≤ φ ≤ 1)，<basename>{quantile="<φ>"}
• 所有观察值的总和，<basename>_sum
• 已观察到的事件数量，<basename>_count

例子：

# HELP go_gc_duration_seconds A summary of the pause duration of garbage collection cycles.
# TYPE go_gc_duration_seconds summary
go_gc_duration_seconds{quantile=“0”} 2.43e-05
go_gc_duration_seconds{quantile=“0.25”} 3.97e-05
go_gc_duration_seconds{quantile=“0.5”} 5.91e-05
go_gc_duration_seconds{quantile=“0.75”} 0.0001494
go_gc_duration_seconds{quantile=“1”} 0.0016843
go_gc_duration_seconds_sum 0.1152793
go_gc_duration_seconds_count 1189

Histogram和Summary的对比

-	Histogram	Summary
必需的配置	挑选适合于预期观察值范围的桶	选择期望的φ-quantiles和滑动窗口
客户端性能	观察值非常廉价，因为它们只需要增加计数器	由于流式分位数计算，观察代价很高
服务端性能	服务端必须计算分位数	服务端成本低
时间序列数量(包括_sum和 _count序列)	每个配置桶一个时间序列	每个预配置的分位数一个时间序列
分位数误差	桶的宽度影响分位数的误差	精确的分位数
φ-quantile规范和滑动时间窗口	Prometheus表达式	由客户端预配置
聚合和滑动时间窗口	Prometheus表达式	通常不能聚合。

如果需要值的范围和分布，那么就选择直方图。如果需要精确的分位数，那么选择摘要图。

参考

• https://prometheus.io/docs/introduction/overview/