gauge对应的JAVA类型_java prometheus的数据类型介绍

一、简介

Prometheus将所有采集到的样本数据以时间序列(time-series)的方式保存在内存数据库中，并定时保存在硬盘上。时间序列中的每一个样本由以下三部分组成。

指标(metric): metric name和描述当前样本特征的labelsets组成，参考格式如 {=, ...}；，其中metric name的命名规则为：应用名称开头_监测对像_数值类型_单位

时间截(timestamp):一个精确到毫秒的时间截；

样本值(value):一个float64的浮点类型数据表示当前的样本值。

二、Prometheus的四种数据类型

2.1 Counter(计数器类型)

Counter类型的指标的工作方式和计数器一样，只增不减(除非系统发生了重置)。Counter一般用于累计值，例如记录请求次数、任务完成数、错误发生次数。counter主要有两个方法：

//将counter值加1.

Inc()

// 将指定值加到counter值上，如果指定值< 0会panic.

Add(float64)

在Prometheus自定义的metrics监控中，Counter的使用可以参考如下：

public class PrometheusMetricsInterceptor extends HandlerInterceptorAdapter {

static final Counter requestCounter = Counter.build()

.name("io_namespace_http_requests_total").labelNames("path", "method", "code") //metric name建议使用_total结尾

.help("Total requests.").register();

@Override

public void afterCompletion(HttpServletRequest request, HttpServletResponse response, Object handler, Exception ex) throws Exception {

String requestURI = request.getRequestURI();

String method = request.getMethod();

int status = response.getStatus();

requestCounter.labels(requestURI, method, String.valueOf(status)).inc(); //调用inc()函数，每次请求发生时计数+1

super.afterCompletion(request, response, handler, ex);

}

}

Counter类型数据可以让用户方便的了解事件产生的速率的变化，在PromQL内置的相关操作函数可以提供相应的分析，比如以HTTP应用请求量来进行说明：

//通过rate()函数获取HTTP请求量的增长率

rate(http_requests_total[5m])

//查询当前系统中，访问量前10的HTTP地址

topk(10, http_requests_total)

1

2

3

4

2.2 Gauge(仪表盘类型)

Gauge是可增可减的指标类，可以用于反应当前应用的状态。比如在监控主机时，主机当前的内容大小(node_memory_MemFree)，可用内存大小(node_memory_MemAvailable)。或者时容器当前的cpu使用率，内存使用率。

Gauge指标对象主要包含两个方法inc()以及dec()，用户添加或者减少计数。

在Prometheus自定义的metrics监控中，Gauge的使用可以参考如下：

public class PrometheusMetricsInterceptor extends HandlerInterceptorAdapter {

...省略的代码

static final Gauge inprogressRequests = Gauge.build()

.name("io_namespace_http_inprogress_requests").labelNames("path", "method", "code")

.help("Inprogress requests.").register();

@Override

public boolean preHandle(HttpServletRequest request, HttpServletResponse response, Object handler) throws Exception {

...省略的代码

inprogressRequests.labels(requestURI, method, String.valueOf(status)).inc();// 计数器+1

return super.preHandle(request, response, handler);

}

@Override

public void afterCompletion(HttpServletRequest request, HttpServletResponse response, Object handler, Exception ex) throws Exception {

...省略的代码

inprogressRequests.labels(requestURI, method, String.valueOf(status)).dec();// 计数器-1

super.afterCompletion(request, response, handler, ex);

}

}

对于Gauge类型的监控指标，通过PromQL内置函数delta()可以获取样本在一段时间内的变化情况，比如：

dalta(cpu_temp_celsius{host="zeus"}[2h]) //计算CPU温度在两小时内的差异

predict_linear(node_filesystem_free{job="node"}[1h], 4*3600) //预测系统磁盘空间在4小时之后的剩余情况

2.3 Histogram(直方图类型)

Histogram 由 < basename>_bucket{le="< upper inclusive bound>"}，< basename>_bucket{le="+Inf"}, < basename>_sum，_count 组成，主要用于表示一段时间范围内对数据进行采样(通常是请求持续时间或响应大小)，并能够对其指定区间以及总数进行统计，通常它采集的数据展示为直方图。

在Prometheus自定义的metrics监控中，Histgram的使用可以参考如下：

以请求响应时间requests_latency_seconds为例，比如我们需要记录http请求响应时间符合在分布范围{0.005，0.01，0.025，0.05，0.075，0.1，0.25，0.5，0.75，1，2.5，5，7.5，10}中的次数时

public class PrometheusMetricsInterceptor extends HandlerInterceptorAdapter {

static final Histogram requestLatencyHistogram = Histogram.build().labelNames("path", "method", "code")

.name("io_namespace_http_requests_latency_seconds_histogram").help("Request latency in seconds.")

.register();

private Histogram.Timer histogramRequestTimer;

@Override

public boolean preHandle(HttpServletRequest request, HttpServletResponse response, Object handler) throws Exception {

...省略的代码

histogramRequestTimer = requestLatencyHistogram.labels(requestURI, method, String.valueOf(status)).startTimer();

...省略的代码

}

@Override

public void afterCompletion(HttpServletRequest request, HttpServletResponse response, Object handler, Exception ex) throws Exception {

...省略的代码

histogramRequestTimer.observeDuration();

...省略的代码

}

1

2

3

4

使用Histogram构造器在创建Histogram监控指标时，默认的buckets范围为{0.005，0.01，0.025，0.05，0.075，0.1，0.25，0.5，0.75，1，2.5，5，7.5，10}，如果要修改默认的buckets，可以使用.buckets(double… bukets)覆盖。

Histogram会自动创建3个指标，分别为：

事件发生的总次数，basename_count。

# 实际含义： 当前一共发生了2次http请求

io_namespace_http_requests_latency_seconds_histogram_count{path="/",method="GET",code="200",} 2.0

所有事件产生值的大小的总和，basename_sum。

# 实际含义： 发生的2次http请求总的响应时间为13.107670803000001 秒

io_namespace_http_requests_latency_seconds_histogram_sum{path="/",method="GET",code="200",} 13.107670803000001

1

2

事件产生的值分布在bucket中的次数，basename_bucket{le=“上包含”}

2.4 Summary(摘要类型)

Summary类型和Histogram类型相似，由< basename>{quantile="< φ>"}，< basename>_sum，< basename>_count组成，主要用于表示一段时间内数据采样结果(通常时请求持续时间或响应大小)，它直接存储了quantile数据，而不是根据统计区间计算出来的。Summary与Histogram相比，存在如下区别：

都包含 < basename>_sum和< basename>_count;

Histogram需要通过< basename>_bucket计算quantile，而Summary直接存储了quantile的值。

在Prometheus自定义的metrics监控中，Summary的使用可以参考如下：

public class PrometheusMetricsInterceptor extends HandlerInterceptorAdapter {

static final Summary requestLatency = Summary.build()

.name("io_namespace_http_requests_latency_seconds_summary")

.quantile(0.5, 0.05)

.quantile(0.9, 0.01)

.labelNames("path", "method", "code")

.help("Request latency in seconds.").register();

@Override

public boolean preHandle(HttpServletRequest request, HttpServletResponse response, Object handler) throws Exception {

...省略的代码

requestTimer = requestLatency.labels(requestURI, method, String.valueOf(status)).startTimer();

...省略的代码

}

@Override

public void afterCompletion(HttpServletRequest request, HttpServletResponse response, Object handler, Exception ex) throws Exception {

...省略的代码

requestTimer.observeDuration();

...省略的代码

}

}

Summary类型指标中包含的数据如下：

事件发生总的次数

# 含义：当前http请求发生总次数为12次

io_namespace_http_requests_latency_seconds_summary_count{path="/",method="GET",code="200",} 12.0

事件产生的值的总和

# 含义：这12次http请求的总响应时间为 51.029495508s

io_namespace_http_requests_latency_seconds_summary_sum{path="/",method="GET",code="200",} 51.029495508

1

2

事件产生的值的分布情况

# 含义：这12次http请求响应时间的中位数是3.052404983s

io_namespace_http_requests_latency_seconds_summary{path="/",method="GET",code="200",quantile="0.5",} 3.052404983

# 含义：这12次http请求响应时间的9分位数是8.003261666s

io_namespace_http_requests_latency_seconds_summary{path="/",method="GET",code="200",quantile="0.9",} 8.003261666

参考