Prometheus 的四种数据类型分别是：Counter、Gauge、Histogram和Summary。这里分别做下介绍。

Counter

Counter数据类型的特点：

  • Counter 用于累计值，例如 记录 请求次数、任务完成数、错误发生次数。
  • 一直增加，不会减少。
  • 重启进程后，会被重置。
1例如：http_response_total{method="GET",endpoint="/api/tracks"} 100
210秒后抓取 http_response_total{method="GET",endpoint="/api/tracks"} 100

Gauge

Gauge数据类型的特点：

  • Gauge 常规数值，例如 温度变化、内存使用变化。
  • 可变大，可变小。
  • 重启进程后，会被重置
1例如： memory_usage_bytes{host="master-01"} 100 < 抓取值
2memory_usage_bytes{host="master-01"} 30
3memory_usage_bytes{host="master-01"} 50
4memory_usage_bytes{host="master-01"} 80 < 抓取值

Histogram

Histogram 可以理解为柱状图的意思，常用于跟踪事件发生的规模，例如：请求耗时、响应大小。它特别之处是可以对记录的内容进行分组，提供 count 和 sum 全部值的功能。例如：{小于10=5次，小于20=1次，小于30=2次}，count=8次，sum=8次的求和值。

histogram
histogram

Summary

Summary和Histogram十分相似，常用于跟踪事件发生的规模，例如：请求耗时、响应大小。同样提供 count 和 sum 全部值的功能。
例如：count=7次，sum=7次的值求值
它提供一个quantiles的功能，可以按%比划分跟踪的结果。例如：quantile取值0.95，表示取采样值里面的95%数据。

summary和histogram的选择

  • Summary 结构有频繁的全局锁操作，对高并发程序性能存在一定影响。histogram仅仅是给每个桶做一个原子变量的计数就可以了，而summary要每次执行算法计算出最新的X分位value是多少，算法需要并发保护。会占用客户端的cpu和内存。
  • 不能对Summary产生的quantile值进行aggregation运算（例如sum, avg等）。例如有两个实例同时运行，都对外提供服务，分别统计各自的响应时间。最后分别计算出的0.5-quantile的值为60和80，这时如果简单的求平均(60+80)/2，认为是总体的0.5-quantile值，那么就错了。
  • summary的百分位是提前在客户端里指定的，在服务端观测指标数据时不能获取未指定的分为数。而histogram则可以通过promql随便指定，虽然计算的不如summary准确，但带来了灵活性。
  • histogram不能得到精确的分为数，设置的bucket不合理的话，误差会非常大。会消耗服务端的计算资源。

所以对比得到的总结是：

  1. 如果需要聚合（aggregate），选择histograms。
  2. 如果比较清楚要观测的指标的范围和分布情况，选择histograms。如果需要精确的分为数选择summary。

METRIC TYPES

HISTOGRAMS AND SUMMARIES