prometheus-4种metric类型说明

前提了解

prometheus中存储的数据都是时序型，其数据模型都是如下：
metric_name{label=value,…} value timestamp
下文中说的数据类型只是客户端的封装

prometheus 的4种metric

prometheus的客户端中提供了4种metric，对于服务端来说并没有使用这些metric，服务端只是简单当成是独立的时序数据来使用

• Counter：计数器
  是一种累加型指标，指可以增加或者重置为0，可以被用来做请求数统计，成功数统一等等。不能用来代表可以下降的指标
• Gauge：测量器
  一种可以增加或者减少的测量器，可以用来做内存使用、温度测量等指标测量
• Histogram：直方图
  用于统计指标的分布，例如请求耗时的分布情况，需要注意的是prometheus的直方图是一种累积性的直方图，举例说明：
  假设分布的桶位分别是buckets[] = {.005, .01, .025, .05, .075, .1, .25, .5, .75, 1, 2.5, 5, 7.5, 10}, 落在0.01桶内的值包含了落在0.005桶的值，这种累积型的直方图对于更简单
  prometheus的客户端采用了三个指标来表示直方图：
  metric_name_bucket：不同耗时上限，所采集到的值
  metric_name_sum： 统计的值的总和，例如请求耗时总和
  metric_name_count：统计的总数，例如请求的总数量
  prometheus也提供了histogram_quantile函数来计算分位点，举例说明：
  http_request_duration_seconds_bucket直方图http_request_duration_seconds的桶位指标，计算过去10分钟90%的请求的最大耗时：histogram_quantile(0.9, rate(http_request_duration_seconds_bucket[10m]))
  注意： 这种计算是一种估算，假设在bucket中，数据的分布式线性的，进行估算
• Summary：分位统计器
  跟Histogram类似，也用于计算数据分位，但是不同的是，Histogram将三个指标上报到服务端，用promsql提供函数进行计算，Summary直接在客户端计算好之后进行上报，这种比较消耗客户端资源，summary也存储了3个指标：
  metric_name_φ-quantiles
  metric_name_sum
  metric_name_count

参考

https://prometheus.io/docs/concepts/metric_types/