• Metric类型
    • Counter:只增不减的计数器
    • Gauge:可增可减的仪表盘
    • 使用Histogram和Summary分析数据分布情况

    Metric类型

    在上一小节中我们带领读者了解了Prometheus的底层数据模型,在Prometheus的存储实现上所有的监控样本都是以time-series的形式保存在Prometheus内存的TSDB(时序数据库)中,而time-series所对应的监控指标(metric)也是通过labelset进行唯一命名的。

    从存储上来讲所有的监控指标metric都是相同的,但是在不同的场景下这些metric又有一些细微的差异。 例如,在Node Exporter返回的样本中指标node_load1反应的是当前系统的负载状态,随着时间的变化这个指标返回的样本数据是在不断变化的。而指标node_cpu所获取到的样本数据却不同,它是一个持续增大的值,因为其反应的是CPU的累积使用时间,从理论上讲只要系统不关机,这个值是会无限变大的。

    为了能够帮助用户理解和区分这些不同监控指标之间的差异,Prometheus定义了4中不同的指标类型(metric type):Counter(计数器)、Gauge(仪表盘)、Histogram(直方图)、Summary(摘要)。

    在Exporter返回的样本数据中,其注释中也包含了该样本的类型。例如:

    1. # HELP node_cpu Seconds the cpus spent in each mode.
    2. # TYPE node_cpu counter
    3. node_cpu{cpu="cpu0",mode="idle"} 362812.7890625

    Counter:只增不减的计数器

    Counter类型的指标其工作方式和计数器一样,只增不减(除非系统发生重置)。常见的监控指标,如http_requests_total,node_cpu都是Counter类型的监控指标。 一般在定义Counter类型指标的名称时推荐使用_total作为后缀。

    Counter是一个简单但有强大的工具,例如我们可以在应用程序中记录某些事件发生的次数,通过以时序的形式存储这些数据,我们可以轻松的了解该事件产生速率的变化。PromQL内置的聚合操作和函数可以用户对这些数据进行进一步的分析:

    例如,通过rate()函数获取HTTP请求量的增长率:

    1. rate(http_requests_total[5m])

    查询当前系统中,访问量前10的HTTP地址:

    1. topk(10, http_requests_total)

    Gauge:可增可减的仪表盘

    与Counter不同,Gauge类型的指标侧重于反应系统的当前状态。因此这类指标的样本数据可增可减。常见指标如:node_memory_MemFree(主机当前空闲的内容大小)、node_memory_MemAvailable(可用内存大小)都是Gauge类型的监控指标。

    通过Gauge指标,用户可以直接查看系统的当前状态:

    1. node_memory_MemFree

    对于Gauge类型的监控指标,通过PromQL内置函数delta()可以获取样本在一段时间返回内的变化情况。例如,计算CPU温度在两个小时内的差异:

    1. delta(cpu_temp_celsius{host="zeus"}[2h])

    还可以使用deriv()计算样本的线性回归模型,甚至是直接使用predict_linear()对数据的变化趋势进行预测。例如,预测系统磁盘空间在4个小时之后的剩余情况:

    1. predict_linear(node_filesystem_free{job="node"}[1h], 4 * 3600)

    使用Histogram和Summary分析数据分布情况

    除了Counter和Gauge类型的监控指标以外,Prometheus还定义分别定义Histogram和Summary的指标类型。Histogram和Summary主用用于统计和分析样本的分布情况。

    在大多数情况下人们都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0~10ms之间的请求数有多少而10~20ms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,指标prometheus_tsdb_wal_fsync_duration_seconds的指标类型为Summary。 它记录了Prometheus Server中wal_fsync处理的处理时间,通过访问Prometheus Server的/metrics地址,可以获取到以下监控样本数据:

    1. # HELP prometheus_tsdb_wal_fsync_duration_seconds Duration of WAL fsync.
    2. # TYPE prometheus_tsdb_wal_fsync_duration_seconds summary
    3. prometheus_tsdb_wal_fsync_duration_seconds{quantile="0.5"} 0.012352463
    4. prometheus_tsdb_wal_fsync_duration_seconds{quantile="0.9"} 0.014458005
    5. prometheus_tsdb_wal_fsync_duration_seconds{quantile="0.99"} 0.017316173
    6. prometheus_tsdb_wal_fsync_duration_seconds_sum 2.888716127000002
    7. prometheus_tsdb_wal_fsync_duration_seconds_count 216

    从上面的样本中可以得知当前Prometheus Server进行wal_fsync操作的总次数为216次,耗时2.888716127000002s。其中中位数(quantile=0.5)的耗时为0.012352463,9分位数(quantile=0.9)的耗时为0.014458005s。

    在Prometheus Server自身返回的样本数据中,我们还能找到类型为Histogram的监控指标prometheus_tsdb_compaction_chunk_range_bucket。

    1. # HELP prometheus_tsdb_compaction_chunk_range Final time range of chunks on their first compaction
    2. # TYPE prometheus_tsdb_compaction_chunk_range histogram
    3. prometheus_tsdb_compaction_chunk_range_bucket{le="100"} 0
    4. prometheus_tsdb_compaction_chunk_range_bucket{le="400"} 0
    5. prometheus_tsdb_compaction_chunk_range_bucket{le="1600"} 0
    6. prometheus_tsdb_compaction_chunk_range_bucket{le="6400"} 0
    7. prometheus_tsdb_compaction_chunk_range_bucket{le="25600"} 0
    8. prometheus_tsdb_compaction_chunk_range_bucket{le="102400"} 0
    9. prometheus_tsdb_compaction_chunk_range_bucket{le="409600"} 0
    10. prometheus_tsdb_compaction_chunk_range_bucket{le="1.6384e+06"} 260
    11. prometheus_tsdb_compaction_chunk_range_bucket{le="6.5536e+06"} 780
    12. prometheus_tsdb_compaction_chunk_range_bucket{le="2.62144e+07"} 780
    13. prometheus_tsdb_compaction_chunk_range_bucket{le="+Inf"} 780
    14. prometheus_tsdb_compaction_chunk_range_sum 1.1540798e+09
    15. prometheus_tsdb_compaction_chunk_range_count 780

    与Summary类型的指标相似之处在于Histogram类型的样本同样会反应当前指标的记录的总数(以_count作为后缀)以及其值的总量(以_sum作为后缀)。不同在于Histogram指标直接反应了在不同区间内样本的个数,区间通过标签len进行定义。

    同时对于Histogram的指标,我们还可以通过histogram_quantile()函数计算出其值的分位数。不同在于Histogram通过histogram_quantile函数是在服务器端计算的分位数。 而Sumamry的分位数则是直接在客户端计算完成。因此对于分位数的计算而言,Summary在通过PromQL进行查询时有更好的性能表现,而Histogram则会消耗更多的资源。反之对于客户端而言Histogram消耗的资源更少。在选择这两种方式时用户应该按照自己的实际场景进行选择。