Prometheus-指標(biāo)類(lèi)型(3)

Metric types
指標(biāo)類(lèi)型只在客戶端類(lèi)庫(kù)作區(qū)分缓熟,服務(wù)端不使用這個(gè)類(lèi)型信息,全部當(dāng)做無(wú)類(lèi)型的時(shí)間序列摔笤,一共四個(gè)類(lèi)型的指標(biāo)够滑,Counter、Gauge吕世、Histogram彰触、Summary。
Counter
counter表示一個(gè)單調(diào)地址的累加器命辖,它的值只能增加或者重置為0况毅,通常你可以使用counter表示請(qǐng)求處理數(shù),任務(wù)積壓數(shù)尔艇,錯(cuò)誤數(shù)等信息俭茧。不要使用counter暴露可以減少的值,例如當(dāng)前運(yùn)行的進(jìn)程數(shù)漓帚,這時(shí)候應(yīng)該使用guage母债。
Guage
guage表示一個(gè)可以任意增減的數(shù)值型的指標(biāo),典型應(yīng)用場(chǎng)景是cpu尝抖、內(nèi)存使用率毡们、tps這類(lèi)指標(biāo)。
Histogram
Histogram主要用于表示一段時(shí)間范圍內(nèi)對(duì)數(shù)據(jù)進(jìn)行采樣(通常是請(qǐng)求持續(xù)時(shí)間或響應(yīng)大忻亮伞)衙熔,并能夠?qū)ζ渲付▍^(qū)間以及總數(shù)進(jìn)行統(tǒng)計(jì),通常它采集的數(shù)據(jù)展示為直方圖搅荞,由 <basename>_bucket{le="<upper inclusive bound>"}红氯,<basename>_bucket{le="+Inf"}, <basename>_sum框咙,<basename>_count 組成
Summary
Summary 和 Histogram 類(lèi)似,由 <basename>{quantile="<φ>"}痢甘,<basename>_sum喇嘱,<basename>_count 組成,主要用于表示一段時(shí)間內(nèi)數(shù)據(jù)采樣結(jié)果(通常是請(qǐng)求持續(xù)時(shí)間或響應(yīng)大腥ぁ)者铜,summary分位數(shù)是客戶端計(jì)算上報(bào),不是根據(jù)統(tǒng)計(jì)區(qū)間計(jì)算出來(lái)的放椰,histogram中位數(shù)涉及服務(wù)端計(jì)算作烟。
Histogram和Summary主用用于統(tǒng)計(jì)和分析樣本的分布情況,在大多數(shù)情況下人們都傾向于使用某些量化指標(biāo)的平均值砾医,例如CPU的平均使用率拿撩、頁(yè)面的平均響應(yīng)時(shí)間。這種方式的問(wèn)題很明顯如蚜,以系統(tǒng)API調(diào)用的平均響應(yīng)時(shí)間為例:如果大多數(shù)API請(qǐng)求都維持在100ms的響應(yīng)時(shí)間范圍內(nèi)压恒,而個(gè)別請(qǐng)求的響應(yīng)時(shí)間需要5s,那么就會(huì)導(dǎo)致某些WEB頁(yè)面的響應(yīng)時(shí)間落到中位數(shù)的情況怖亭,而這種現(xiàn)象被稱(chēng)為長(zhǎng)尾問(wèn)題。
為了區(qū)分是平均的慢還是長(zhǎng)尾的慢坤检,最簡(jiǎn)單的方式就是按照請(qǐng)求延遲的范圍進(jìn)行分組兴猩。例如,統(tǒng)計(jì)延遲在010ms之間的請(qǐng)求數(shù)有多少而1020ms之間的請(qǐng)求數(shù)又有多少早歇。通過(guò)這種方式可以快速分析系統(tǒng)慢的原因倾芝。Histogram和Summary都是為了能夠解決這樣問(wèn)題的存在,通過(guò)Histogram和Summary類(lèi)型的監(jiān)控指標(biāo)箭跳,我們可以快速了解監(jiān)控樣本的分布情況晨另。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市谱姓,隨后出現(xiàn)的幾起案子借尿,更是在濱河造成了極大的恐慌,老刑警劉巖屉来,帶你破解...
    沈念sama閱讀 221,273評(píng)論 6 515
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件路翻,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡茄靠,警方通過(guò)查閱死者的電腦和手機(jī)茂契,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 94,349評(píng)論 3 398
  • 文/潘曉璐 我一進(jìn)店門(mén),熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)慨绳,“玉大人掉冶,你說(shuō)我怎么就攤上這事真竖。” “怎么了厌小?”我有些...
    開(kāi)封第一講書(shū)人閱讀 167,709評(píng)論 0 360
  • 文/不壞的土叔 我叫張陵恢共,是天一觀的道長(zhǎng)。 經(jīng)常有香客問(wèn)我召锈,道長(zhǎng)旁振,這世上最難降的妖魔是什么? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 59,520評(píng)論 1 296
  • 正文 為了忘掉前任涨岁,我火速辦了婚禮拐袜,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘梢薪。我一直安慰自己蹬铺,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 68,515評(píng)論 6 397
  • 文/花漫 我一把揭開(kāi)白布秉撇。 她就那樣靜靜地躺著甜攀,像睡著了一般。 火紅的嫁衣襯著肌膚如雪琐馆。 梳的紋絲不亂的頭發(fā)上规阀,一...
    開(kāi)封第一講書(shū)人閱讀 52,158評(píng)論 1 308
  • 那天,我揣著相機(jī)與錄音瘦麸,去河邊找鬼谁撼。 笑死,一個(gè)胖子當(dāng)著我的面吹牛滋饲,可吹牛的內(nèi)容都是我干的厉碟。 我是一名探鬼主播,決...
    沈念sama閱讀 40,755評(píng)論 3 421
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼屠缭,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼箍鼓!你這毒婦竟也來(lái)了?” 一聲冷哼從身側(cè)響起呵曹,我...
    開(kāi)封第一講書(shū)人閱讀 39,660評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤款咖,失蹤者是張志新(化名)和其女友劉穎,沒(méi)想到半個(gè)月后奄喂,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體之剧,經(jīng)...
    沈念sama閱讀 46,203評(píng)論 1 319
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 38,287評(píng)論 3 340
  • 正文 我和宋清朗相戀三年砍聊,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了背稼。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 40,427評(píng)論 1 352
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡玻蝌,死狀恐怖蟹肘,靈堂內(nèi)的尸體忽然破棺而出词疼,到底是詐尸還是另有隱情,我是刑警寧澤帘腹,帶...
    沈念sama閱讀 36,122評(píng)論 5 349
  • 正文 年R本政府宣布贰盗,位于F島的核電站,受9級(jí)特大地震影響阳欲,放射性物質(zhì)發(fā)生泄漏舵盈。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,801評(píng)論 3 333
  • 文/蒙蒙 一球化、第九天 我趴在偏房一處隱蔽的房頂上張望秽晚。 院中可真熱鬧,春花似錦筒愚、人聲如沸赴蝇。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 32,272評(píng)論 0 23
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)句伶。三九已至,卻和暖如春陆淀,著一層夾襖步出監(jiān)牢的瞬間考余,已是汗流浹背。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 33,393評(píng)論 1 272
  • 我被黑心中介騙來(lái)泰國(guó)打工轧苫, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留楚堤,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 48,808評(píng)論 3 376
  • 正文 我出身青樓浸剩,卻偏偏與公主長(zhǎng)得像钾军,于是被迫代替她去往敵國(guó)和親鳄袍。 傳聞我的和親對(duì)象是個(gè)殘疾皇子绢要,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,440評(píng)論 2 359

推薦閱讀更多精彩內(nèi)容