上一篇文章，講了通過(guò)textfile collector收集業(yè)務(wù)數(shù)據(jù)，今天講用代碼方式實(shí)現(xiàn)（本文只寫(xiě)Python示例谨垃，其他語(yǔ)言見(jiàn)官方文檔）

先安裝Prometheus Python客戶端 pip install prometheus-client

Counter

counter（計(jì)數(shù)器）是一種只增不減（或者可以被重置為0）的數(shù)據(jù)類(lèi)型叠荠。

A counter is a cumulative metric that represents a single monotonically increasing counter whose value can only increase or be reset to zero on restart. For example, you can use a counter to represent the number of requests served, tasks completed, or errors. Do not use a counter to expose a value that can decrease.

例：基于fastapi記錄某個(gè)url的訪問(wèn)次數(shù)，和發(fā)生異常的次數(shù)

from random import randint
from fastapi import FastAPI
from prometheus_client import make_asgi_app, Counter
import uvicorn

# Create app
app = FastAPI(debug=False)

# Add prometheus asgi middleware to route /metrics requests
metrics_app = make_asgi_app()
app.mount("/metrics", metrics_app)

# 訪問(wèn)量
c1 = Counter('pv', 'page view')

# 發(fā)生了多少次異常
c2 = Counter('exception', 'exception count')

# 發(fā)生了多少次ValueError異常
c3 = Counter('valueerror_exception', 'ValueError exception count')

@app.get("/")
@c2.count_exceptions()
def root():
    c1.inc()  # Increment by 1
    # c1.inc(1.6)  # Increment by given value
    # c1.reset() # reset to zero

    with c3.count_exceptions(ValueError):
        random_num = randint(1, 100)
        if random_num % 2 == 0:
            raise ValueError
        if random_num % 3 == 0:
            raise ZeroDivisionError
    return {"Hello": "World"}

if __name__ == '__main__':
    uvicorn.run(app, host="0.0.0.0", port=8000)

運(yùn)行程序龄章，多次訪問(wèn)Ip:8000制造一些數(shù)據(jù)，訪問(wèn) ip:8000/metrics 就能看見(jiàn)上面代碼的結(jié)果：總共訪問(wèn)了31次襟诸，發(fā)生了22次異常瓦堵，其中有17次是ValueError異常

將其添加到Prometheus的target中（參考我之前的文章），然后用grafana顯示出來(lái)：

Gauge

Gauge也是記錄單個(gè)數(shù)值的歌亲，和counter的區(qū)別是菇用，Gauge的數(shù)值可增可減

A gauge is a metric that represents a single numerical value that can arbitrarily go up and down.

例：記錄正在運(yùn)行的線程數(shù)量

from random import randint
import time
from concurrent.futures import ThreadPoolExecutor
from prometheus_client import start_http_server, Gauge

g = Gauge('my_inprogress_requests', 'Description of gauge')

# g.inc()      # Increment by 1
# g.inc(6.6)   # Increment by given value
# g.dec()      # Decrement by 1
# g.dec(10)    # Decrement by given value
# g.set(4.2)   # Set to a given value

@g.track_inprogress()  # Increment when entered, decrement when exited.
def process_request(t):
    """A dummy function that takes some time."""
    time.sleep(t)

    # with g.track_inprogress():
    #     pass


if __name__ == '__main__':
    # Start up the server to expose the metrics.
    start_http_server(8000)

    with ThreadPoolExecutor(max_workers=60) as executor:
        # 提交一些任務(wù)到線程池
        for i in range(100):
            executor.submit(process_request, randint(30, 40))
            time.sleep(1)
    time.sleep(60)

訪問(wèn) ip:8000/metrics 就能看見(jiàn)上面代碼的數(shù)據(jù)：

運(yùn)行中的線程數(shù)量會(huì)從0逐步上升到max_workers然后穩(wěn)定一小下，最后下降到0陷揪，添加到grafana圖表展示：

Histogram

Histogram用于觀察數(shù)據(jù)的分布情況惋鸥。它可以自定義配置多個(gè)范圍的bucket，觀測(cè)的數(shù)據(jù)會(huì)落到屬于它范圍內(nèi)的bucket悍缠，然后prometheus會(huì)對(duì)桶里的數(shù)據(jù)進(jìn)行計(jì)數(shù)卦绣，同時(shí)還提供了所有觀測(cè)值的總和。

先看下圖的例子（接口響應(yīng)時(shí)間的統(tǒng)計(jì)）飞蚓，然后我會(huì)對(duì)上面這段話進(jìn)行一一解釋：

• 指標(biāo)名稱是request_latency_seconds,此外Histogram類(lèi)型的指標(biāo)滤港，后面會(huì)自動(dòng)加上_bucket,代表桶的范圍
• bucket 默認(rèn)的bucket范圍是 (.005, .01, .025, .05, .075, .1, .25, .5, .75, 1.0, 2.5, 5.0, 7.5, 10.0, INF) (INF 是infinity 無(wú)窮大)。下圖的例子 我把范圍改成了(.5, 1.0, 1.5, 2.0, 2.5, 3.0)趴拧，意思是 請(qǐng)求響應(yīng)時(shí)間在0.5秒內(nèi)溅漾、1秒內(nèi)、1.5秒內(nèi)……對(duì)應(yīng)指標(biāo)后面的le=
• 指標(biāo)名稱+_count 代表所有的數(shù)據(jù)量（這個(gè)例子中著榴，代表接口調(diào)用的次數(shù)添履，100次）
• 指標(biāo)名稱+ _sum 代表所有數(shù)據(jù)觀測(cè)值的和 （這個(gè)例子中，代表這100次請(qǐng)求中共花費(fèi)的時(shí)間）

對(duì)上圖整個(gè)例子進(jìn)行解釋就是：我發(fā)起了100次接口請(qǐng)求脑又，總共耗時(shí)156.038秒暮胧，這100次請(qǐng)求中锐借，有10次請(qǐng)求的響應(yīng)時(shí)間是在0.5秒內(nèi)，有33次請(qǐng)求的響應(yīng)時(shí)間在1秒內(nèi)（包括了0.5秒內(nèi)的數(shù)量）往衷，有49次請(qǐng)求的響應(yīng)時(shí)間在1.5秒內(nèi)（包括了0.5秒內(nèi)和1秒內(nèi)的數(shù)量）……這就類(lèi)似于統(tǒng)計(jì)學(xué)中的分位值

上圖對(duì)應(yīng)的代碼：

from random import uniform
import time
from fastapi import FastAPI
import uvicorn
from prometheus_client import make_asgi_app, Histogram

h = Histogram('request_latency_seconds', 'Description of histogram', buckets=(.5, 1.0, 1.5, 2.0, 2.5, 3.0))
# h.observe(4.7)    # Observe 4.7 (假設(shè) 這個(gè)請(qǐng)求耗時(shí) 4.7秒)

app = FastAPI(debug=False)

# Add prometheus asgi middleware to route /metrics requests
metrics_app = make_asgi_app()
app.mount("/metrics", metrics_app)

@app.get("/")
@h.time()
def root():
    time.sleep(uniform(0, 3))
    return {"Hello": "World"}

if __name__ == '__main__':
    uvicorn.run(app, host="0.0.0.0", port=8000)

除此之外Histogram還可以使用histogram_quantile 計(jì)算分位值
例如計(jì)算80分位值 histogram_quantile(0.8, rate(request_latency_seconds_bucket[10m])) 結(jié)果是2.49 和上面/metrics數(shù)據(jù)（le="2.5"）是吻合的

添加到grafana 使用Heatmap圖表展示：(這個(gè)主題中钞翔，白色代表數(shù)值最大，越黑代表數(shù)值越小)

Summary

Summary和Histogram類(lèi)似席舍，只是沒(méi)有Histogram那么詳細(xì)的數(shù)據(jù)嗅战。Summary只有一個(gè)觀測(cè)值計(jì)數(shù)<basename>_count 和一個(gè)測(cè)值總和<basename>_sum 。如下圖

上圖對(duì)應(yīng)的代碼：

from random import uniform
import time
from fastapi import FastAPI
import uvicorn
from prometheus_client import make_asgi_app, Summary

s = Summary('request_latency_summary', 'Description of summary')
# s.observe(4.7)    # Observe 4.7 (假設(shè) 這個(gè)請(qǐng)求耗時(shí) 4.7秒)

app = FastAPI(debug=False)

# Add prometheus asgi middleware to route /metrics requests
metrics_app = make_asgi_app()
app.mount("/metrics", metrics_app)

@app.get("/")
@s.time()
def root():
    time.sleep(uniform(0, 3))
    return {"Hello": "World"}


if __name__ == '__main__':
    uvicorn.run(app, host="0.0.0.0", port=8000)

添加到grafana面板：
可以用 basename_sum / basename_count 粗略統(tǒng)計(jì)平均值

另外俺亮，本文用到的fastapi 只是為了方便闡述這幾種數(shù)據(jù)類(lèi)型，全是用的單進(jìn)程（官方給的多進(jìn)程例子疟呐，我沒(méi)跑起來(lái)脚曾，暫時(shí)沒(méi)深入研究）不適用于多進(jìn)程的生產(chǎn)環(huán)境，多進(jìn)程下可能用Pushgateway更合適启具。