【Prometheus】DataModel

news2024/9/30 1:42:52

数据模型 DataModel

指标 Metric

metric 包含 metric name 和 metric label
格式：

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

例如：服务器 HTTP 接口 /messages 的总请求数

api_http_requests_total{method="POST", handler="/messages"}

Metric Names

命名规范：[a-zA-Z_:][a-zA-Z0-9_:]*

Metric Labels

命名规范：[a-zA-Z_][a-zA-Z0-9_]*
双下划线 __ 是系统预留的

样本 Samples

样本包含一个 float64 类型数据和一个毫秒级时间戳

指标分类 Metric Types

计数器 Counter

用来表示只增不减的指标。
例如：http 接口请求数

# HELP prometheus_http_requests_total Counter of HTTP requests.
# TYPE prometheus_http_requests_total counter
prometheus_http_requests_total{code="200",handler="/-/ready"} 1
prometheus_http_requests_total{code="200",handler="/api/v1/label/:name/values"} 1
prometheus_http_requests_total{code="200",handler="/api/v1/query"} 1
prometheus_http_requests_total{code="200",handler="/favicon.ico"} 7
prometheus_http_requests_total{code="200",handler="/graph"} 1
prometheus_http_requests_total{code="200",handler="/metrics"} 15
prometheus_http_requests_total{code="200",handler="/static/*filepath"} 3
prometheus_http_requests_total{code="302",handler="/"} 1

仪表 Gauge

仪表通常用于测量值，如温度或当前内存使用情况，也可用于上下变化的“计数”，如并发请求的数量。
例如：堆内存块申请的量

# HELP go_memstats_heap_objects Number of allocated objects.
# TYPE go_memstats_heap_objects gauge
go_memstats_heap_objects 210915

Histogram

Histogram 对观察结果（通常是请求持续时间或响应大小）进行采样，并在可配置的桶中对其进行计数。它还提供了所有观测值的总和。
在大多数情况下人们一般倾向于使用某些量化指标的平均值，例如 CPU 的平均使用率、页面的平均响应时间。这种方式的问题很明显，以系统 API 调用的平均响应时间为例：如果大多数 API 请求都维持在 100ms 的响应时间范围内，而个别请求的响应时间需要 5s，那么就会导致某些 Web 页面的响应时间落到中位数的情况，而这种现象被称为长尾问题。
为了区分是平均的慢还是长尾的慢，最简单的方式就是按照请求延迟的范围进行分组。例如，统计延迟在 0~10 ms 之间的请求数有多少，而 10~20 ms 之间的请求数又有多少。通过这种方式可以快速分析系统慢的原因。Histogram和Summary都是为了能够解决这样问题的存在，通过 Histogram 和 Summary 类型的监控指标，我们可以快速了解监控样本的分布情况。
例如：

# HELP prometheus_tsdb_compaction_chunk_range_seconds Final time range of chunks on their first compaction
# TYPE prometheus_tsdb_compaction_chunk_range_seconds histogram
prometheus_tsdb_compaction_chunk_range_seconds_bucket{le="100"} 0
prometheus_tsdb_compaction_chunk_range_seconds_bucket{le="400"} 0
prometheus_tsdb_compaction_chunk_range_seconds_bucket{le="1600"} 0
prometheus_tsdb_compaction_chunk_range_seconds_bucket{le="6400"} 0
prometheus_tsdb_compaction_chunk_range_seconds_bucket{le="25600"} 0
prometheus_tsdb_compaction_chunk_range_seconds_bucket{le="102400"} 0
prometheus_tsdb_compaction_chunk_range_seconds_bucket{le="409600"} 32
prometheus_tsdb_compaction_chunk_range_seconds_bucket{le="1.6384e+06"} 56
prometheus_tsdb_compaction_chunk_range_seconds_bucket{le="6.5536e+06"} 7989
prometheus_tsdb_compaction_chunk_range_seconds_bucket{le="2.62144e+07"} 7989
prometheus_tsdb_compaction_chunk_range_seconds_bucket{le="+Inf"} 7989
prometheus_tsdb_compaction_chunk_range_seconds_sum 1.5042587366e+10
prometheus_tsdb_compaction_chunk_range_seconds_count 7989

Summary

Histogram 在客户端仅是简单的桶划分和分桶计数，分位数计算由 Prometheus Server 基于样本数据进行估算，因而其结果未必准确，甚至不合理的 bucket 划分会导致较大的误差。
Summary 是一种类似于 Histogram 的指标类型，但它在客户端于一段时间内（默认为 10 分钟）的每个采样点进行统计，计算并存储了分位数数值，Server 端直接抓取相应值即可。
对于每个指标，Summary 以指标名称为前缀，生成如下几个指标序列：

_sum ：统计所有样本值之和
_count ：统计所有样本总数
{quantile=“x”} ：统计样本值的分位数分布情况，分位数范围：0 ≤ x ≤ 1

# HELP go_gc_duration_seconds A summary of the pause duration of garbage collection cycles.
# TYPE go_gc_duration_seconds summary
go_gc_duration_seconds{quantile="0"} 2.6563e-05
go_gc_duration_seconds{quantile="0.25"} 2.8106e-05
go_gc_duration_seconds{quantile="0.5"} 3.0472e-05
go_gc_duration_seconds{quantile="0.75"} 3.3599e-05
go_gc_duration_seconds{quantile="1"} 4.4264e-05
go_gc_duration_seconds_sum 0.000422106
go_gc_duration_seconds_count 13