Prometheus 时序数据

一 时序索引

        Prometheus 存储的是时序数据，时间戳（timestamp）来源于服务端本地的系 统时间。Prometheus 使用 Unix 时间戳（即自 1970 年 1 月 1 日 00:00:00 UTC 起经过的秒数）表示时间。

        数 据 格 式 ：

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

（{...}里的就是标签部分），显然数据格式就是 由指标名字和一组 KV 标签构成，其实还得加上时间戳，构成三元组（metric，label set，timestamp）。

二 时序格式的优缺点

优点：

        1）高灵活性 。Prometheus 的时序格式采用了 K-V 方式来描述指标数据，使得用户可使用任意数量和类型的标签来对数据进行分类和聚合。这种灵活性使得 Prometheus 可以适应多种场景和需求；

        2）高存储效率 。Prometheus 采用了块压缩和切分等技术，使得它在存储时序数据方面非常高效，可以 支持长期存储大量数据 ，且不会因数据规模增加而导致 性能下降；

        3）查询速度 快。基于 prometheus 的时序数据，Prometheus 的查询引擎使用了一些优化方法可 快速 地处理大量的时序数据。

缺点：

        1） 数据冗余 。在 Prometheus 的时序格式中，每条指标数据都包含了一个完整的 label set，这样可能会导致数据冗余问题。如果数据的标签数过多，则会增加 存储和传输的负担，降低效率；

        2）标签维护 麻烦，标签的数量和选择会影响到查询性能和存储空间的占用。 同时，如果标签的命名不规范或者标签值发生变化，可能会导致查询结果出现错误；

        3）不支持原始数据 ：是由于 Prometheus 的时序格式采用了块压缩和切分等技术，这可能会导致一些高精度的计算或者统计分析无法进行。

三 时序概念

        标签：也来⾃ 于 采集数据 ，可 ⾃定义 ，也可直接使 ⽤ 默认的 exporter 提供的标签项，其中 instance 标签最为重要，因为与机器实例相关联。

        时序的名字即指标名字仅可由 ASCII 字符、数字、下划线及冒号构成，必须满足正则表达式 

[a-zA-Z_:][a-zA-Z0-9_:]*

且名字应具有清晰化语义化 。如 http_requests_total 即 HTTP 请求总数。 而标签能区分不同的实例，标签名称仅可由 ASCII 字符、数字及下划线构成， 其中“_”开头一般属于 prometheus 保留字。

        另外，Target 是一个监控目标，通常是一个 URL，比如想监测一个 Redis 实例，那么通过配置实例 URL 和端口就可以让这个实例成为一个 target。

        Job 是一组相关 Target 的集合。通常是针对不同特点应用、容器或服务，比 如监控一个 Redis 存储服务，那么就需要检测所有 Redis 实例的总体性能情况。

四 类型概念

        Prometheus 有 4 种指标数据类型，其中最常用的是 Gauge 和 Counter。即时序数据指标类型。

Counter

        中文意思为计数器，表示单调累增的指标数据，数值只能在重启或重置为零。

        通常记录服务的请求数、已完成的任务数等。这里的递增很关键，官网的建议不要用Counter 来显示可能减小的数值，如果有用 Gauge 类型。通常 Counter 类型数据会在命名上以 “_total”为后缀，但这并不是强制的。

Gauge

        中文意思是仪表，表⽰ 搜集的数据是 ⼀ 个瞬时的值。不像 Counter 那样持续增长，而是比较无状态、无规律的、使用起来相对简单，通常适用：内存使用情况、并发请求等。 不需要increase()、rate()之类的函数计算单位时间段的增量。

Histogram

        中文意思为直方图，主要⽤ 于表 ⽰ ⼀段时间序列范围 内对数据进 ⾏ 采样（通常是请求持

续时间、响应 ⼤ ⼩ 等）。常命名格式为由

<base_name>_bucket{le="<upper inclusive bound>"}， 
<base_name>_sum，<base_name>_count，<base_name>_bucket{le="+Inf"}

组成。不过 Histogram 计算基于线性分布，桶的区间越大数据会越不准确。

Summary

        要⽤ 于表 ⽰⼀ 段时间内数据采样结果（通常是请求持续时间、响应 ⼤⼩ 等），它直接存储了 quantile 数据，⽽ 不是根据统计区间计算出来的。由

<base_name>{quantile=" <φ>"}， <base_name>_sum， <base_name>_count

组成，Summary 和 Histogram 是比较类似的。相比于 Histogram 少了存储 bucket 的存储空间，但需要在计算上产生压力。