Prometheus指标

1 指标类型

prometheus的指标有四种类型，分别是Counter，Gauge，Histogram，Summary。

• Counter
  只增不减的计数器，用于描述某个指标的累计状态，比如请求量统计，http_requests_total

• Gauge
  可增可减的计量器，用于描述某个指标当前的状态，比如系统内存余量，node_memory_MemFree_bytes

• Histogram
  直方图指标用于描述指标的分布情况，比如对于请求响应时间，总共10w个请求，小于10ms的有5w个，9小于50ms的有9w个，小于100ms的有9.9w个

• Summary
  和直方图类似，summary也是用于描述指标分布情况，不过表现形式不同，比如还是对于请求响应时间，summary描述则是，总共10w个请求，50%小于10ms，90%小于50ms，99%小于100ms

  Histogram的使用场景会比较多一些，因为对服务端资源需求更少，但是在查询时histogram的资源消耗会比summary相对于更多。其实也就是summary把资源消耗转移到了服务端，指标的分布数据是计算好再导出的。

2 常用聚合函数

sum 求和
min 最小值
max 最大值
avg 平均值
stddev 标准差
stdvar 方差
count 统计元素数量
count_values 统计等于某个值的元素数量
bottomk 最小的k个元素
topk 最大的k个元素
quantile 元素分布的分位数

以上这些聚合函数使用时，有些可以针对所有指标做聚合，有些还可以指定以某个label做聚合，也可以去掉某个label后做聚合，

假如我们以hostname为粒度，统计各个hostname的请求数量，

sum by (hostname) (http_requests_total)

如果统计时，不想关注请求状态码，可以忽略该label后做聚合

sum without(statu_code) (http_requests_total)

3 常用函数

• absent()
  用于检查某个指标是否缺失，缺失时返回1，比如查询myjob是否启动，当myjob存在时，返回空，不存在时返回1

absent(job="myjob")

• delta()
  返回指定时间段的差值，取的是第一个和最后一个值，不管中间的数据

delta(http_requests_total{job="myjob"}[1h]) 

• histogram_quantile()
  计算histogram指标的分布情况，比如计算90%数据指标分布线

histogram_quantile(0.9, sum by (job, le) (rate(http_request_duration_seconds_bucket[10m])))

而聚合函数quantile()一般计算的是gauge指标的分布，比如计算100机器的90%内存使用分布，

quantile(0.9, node_memory_MemFree_bytes)

也可以理解为，histogram_quantile的操作对象是针对node_memory_MemFree_bytes聚合后的histogram数据，

• rate() and irate()
  都是用于计算元素变化速率，irate取的是在指定时间范围内的最近两个数据点，而rate则是取指定时间范围内所有数据点做平均，所以irate常用于变化快的指标，rate则用于缓慢变化的指标，这样指标才不容易失真

rate(http_requests_total{job="myjob"}[1m])
irate(http_requests_total{job="myjob"}[1m])

---

参考文档：

1. https://prometheus.io/docs/prometheus/latest/querying/operators/
2. https://prometheus.io/docs/prometheus/latest/querying/functions/