• 四种数据类型
• Gauge 当前值
• Counter 计数器
• Histogram 直方图样本观测
• Summary 摘要

四种数据类型

Gauge 当前值

Gauge 用于表示可以任意上下波动的值，例如当前的内存使用量、CPU 使用率、正在运行的进程数量等。与计数器（Counter）不同，Gauge 的值可以增加或减少。
以下是一些 Gauge 类型指标的示例：
node_memory_MemAvailable_bytes：表示节点上可用的内存字节数，这个值会随着内存的分配和释放而变化。
process_open_fds：当前进程打开的文件描述符数量，可能会因为打开或关闭文件而增减。

• 例 go_info{instance="localhost:9090", job="prometheus", version="go1.16.7"}

  • 类似的info信息，看时序的结果值=1
  • 看标签的key和value go.1.16.7
    

• 例 go_memstats_heap_alloc_bytes
  

Counter 计数器

Counter 类型的指标只能单调递增，通常用于表示事件的累计数量，比如请求的总数、处理的任务数量、错误的发生次数等。
以下是一些 Counter 类型指标的例子：
http_requests_total：记录 HTTP 请求的总数，每次有新的请求发生，该值就会增加。
kafka_messages_consumed_total：表示消费的 Kafka 消息的总数。
在 PromQL 中，对 Counter 类型的指标可以进行一些特定的操作和分析，比如通过 rate() 函数计算每秒的增长速率。

• 使用rate 查看qps rate(prometheus_http_requests_total[1m])
• 使用increase 查看增量 increase(prometheus_http_requests_total[10s])
  

Histogram 直方图样本观测

Histogram（直方图）是一种用于对观测值（通常是请求持续时间、响应大小等）的分布情况进行统计和分析的指标类型。
Histogram 会将观测值分到不同的桶（bucket）中，并记录每个桶中的样本数量。通过这种方式，可以了解数据在不同范围内的分布情况。

例如，对于一个 HTTP 请求的响应时间，可以创建一个 Histogram 指标来统计响应时间在不同区间（如 0-100ms、100-200ms 等）的请求数量。
以下是一个 Histogram 指标的示例：

http_request_duration_seconds_bucket{le="0.1"} 10
http_request_duration_seconds_bucket{le="0.2"} 25
http_request_duration_seconds_bucket{le="0.5"} 50
http_request_duration_seconds_bucket{le="1"} 75
http_request_duration_seconds_bucket{le="+Inf"} 100

在上述示例中，le 表示“less than or equal to”（小于等于），每个样本表示响应时间小于等于对应值的请求数量。
通过 Histogram ，可以使用 histogram_quantile() 函数计算给定分位数（如中位数、90% 分位数等）的估计值。
Histogram 在分析性能数据、了解系统的行为分布等方面非常有用，可以帮助发现潜在的性能瓶颈和异常情况。

• 它还提供所有观察值的总和

# http所有接口 总的95分位值
# sum/count 可以算平均值
prometheus_http_request_duration_seconds_sum/ prometheus_http_request_duration_seconds_count

# histogram_quantile(0.95, sum(rate(prometheus_http_request_duration_seconds_bucket[5m])) by (le,handler))

histogram_quantile(0.95, sum(rate(prometheus_http_request_duration_seconds_bucket[1m])) by (le))

# range_query接口的95分位值
histogram_quantile(0.95, sum(rate(prometheus_http_request_duration_seconds_bucket{handler="/api/v1/query_range"}[5m])) by (le))

Summary 摘要会采样观察值

Summary（摘要）与 Histogram 类似，也是用于对事件的分布情况进行统计的指标类型。
Summary 会直接提供观测值的总数、分位数（如中位数、90% 分位数等）的计算结果。

例如，对于一个服务的响应时间，可以定义一个 Summary 指标来统计相关信息。
以下是一个 Summary 指标的示例：

http_request_duration_seconds{quantile="0.5"} 0.15
http_request_duration_seconds{quantile="0.9"} 0.5
http_request_duration_seconds{quantile="0.99"} 1.2
http_request_duration_seconds_count 1000
http_request_duration_seconds_sum 200

在上述示例中，不同的分位数对应着不同的估计值，count 表示观测值的总数，sum 表示观测值的总和。
与 Histogram 相比，Summary 在某些情况下计算分位数的开销可能较小，但它不太适合在多个进程或实例间进行聚合。
Summary 常用于需要快速获取特定分位数的场景，以了解数据的分布特征和性能表现。

• 通常是请求持续时间和响应大小之类的东西
• 尽管它还提供了观测值的总数和所有观测值的总和

# gc耗时

# 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"} 0.000135743
go_gc_duration_seconds{quantile="0.25"} 0.000872805
go_gc_duration_seconds{quantile="0.5"} 0.000965516
go_gc_duration_seconds{quantile="0.75"} 0.001055636
go_gc_duration_seconds{quantile="1"} 0.006464756

# summary 平均值
go_gc_duration_seconds_sum /go_gc_duration_seconds_count

利用 sum/count 算平均值 ：histogram 和summary 都适用

• go_gc_duration_seconds_sum/go_gc_duration_seconds_count 算平均值

---

- 四种数据类型
  - Gauge  当前值 最简单，看标签
  - Counter 计数器 多用在请求计数，cpu统计
  - Histogram 直方图样本观测 ：服务端算分位值
  - Summary   摘要：客户端算分位值
  - 利用 sum/count 算平均值 ：histogram 和summary 都适用