Prometheus核心概念

发表于 分类于

Prometheus 里面也有一些关键性的概念，理解这些概念有利于我们后续更深入的学习。

Metric 指标

在 Prometheus 中，我们所有的信息都以 Metrics（指标） 的形式存在。Metrics 由 metric name 和 label name 组成。

1
<metric name>{<label name>=<label value>, ...}

例如下面的 api_http_requests_total 就是 metrics name（指标名称）， 而 method 就是 label name（标签）。而 metric name 加上 label name 就是一个完整的 Metric。

1
api_http_requests_total{method="POST", handler="/messages"}

Metric Type 指标类型

Prometheus 中主要有四种不同的指标类型，用来适应不同的指标类型。

  • counter 计数器
  • gauges 计量器
  • histogram 柱状图
  • summary 汇总

counter 计数器

数据从 0 开始累计，理想状态下应该是永远增长或者是不变。适用于例如机器开机时间、HTTP 访问量等数值。

gauges 计量器

获取一个返回值，采集回来是多少就是多少。数值可能升高，也可能降低。适用于例如硬盘容量、CPU 内存使用率等数值。

histogram 柱状图

counter 和 gauges 反应的是数值的情况，而 histogram 则是反应数值的分布情况。

histogram 柱状图反映了样本的区间分布梳理，经常用来表示请求持续时间、响应大小等信息。

例如我们 1 分钟内有 1000 个 http 请求，我们想要知道大多数的请求耗时是多少。这时我们使用评价耗时可能不太准， 但是我们使用 histogram 柱状图就可以看出这些请求大多数都是分布在哪个耗时区间。 img.png

summary 汇总

汇总同样表示样本的分布情况，其会有总数、数量表示。但其多了一个是中位数的表示。 常用来表示类似于：请求持续时间、响应大小的信息。 img.png

Histogram 与 Summary

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010ms之间的请求数有多少而1020ms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。

[!TIP] 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。 而 Summary 则是使用中位数反映样本的情况。

任务(Job）和实例（Instance）

在 Prometheus 中抓取数据的应用叫做实例（Instance），而几个为了同个目的的实例组合起来称之为任务（Job）。 例如下面是一个有4个实例的服务工作。

1
2
3
4
5
job: api-server  // 名为api-server的job
    instance 1: 1.2.3.4:5670  
    instance 2: 1.2.3.4:5671  
    instance 3: 5.6.7.8:5670
    instance 4: 5.6.7.8:5671

这篇文章我们介绍了 Prometheus 的几个关键概念：

  • Metric 指标
  • Metric Type 指标类型
  • 工作(Job）和实例（Instance）

它们之间的关系如下图所示： img.png

一个任务（Job）可以有多个实例（Instance），一个实例上可以有多个指标（Metric）， 一个指标只会有一个指标类型（Metric Type）。