2. 程式人生 > >prometheus的資料型別介紹

prometheus的資料型別介紹

阿新 • • 發佈：2018-11-05

一、簡介

Prometheus將所有采集到的樣本資料以時間序列（time-series）的方式儲存在記憶體資料庫中，並定時儲存在硬碟上。時間序列中的每一個樣本由以下三部分組成。

  • 指標(metric): metric name和描述當前樣本特徵的labelsets組成，參考格式如 <metric name>{<label name>=<label value>, ...}；，其中metric name的命名規則為：應用名稱開頭_監測對像_數值型別_單位
  • 時間截(timestamp):一個精確到毫秒的時間截；
  • 樣本值(value):一個float64的浮點型別資料表示當前的樣本值。

二、Prometheus的四種資料型別

2.1 Counter(計數器型別)
Counter型別的指標的工作方式和計數器一樣，只增不減（除非系統發生了重置）。Counter一般用於累計值，例如記錄請求次數、任務完成數、錯誤發生次數。counter主要有兩個方法：

//將counter值加1.
Inc()
// 將指定值加到counter值上，如果指定值< 0會panic.
Add(float64)

在Prometheus自定義的metrics監控中，Counter的使用可以參考如下：

public class PrometheusMetricsInterceptor extends HandlerInterceptorAdapter {

    static final Counter requestCounter = Counter.build()
            .name("io_namespace_http_requests_total").labelNames("path", "method", "code") //metric name建議使用_total結尾
            .help("Total requests.").register();

    @Override
    public void afterCompletion(HttpServletRequest request, HttpServletResponse response, Object handler, Exception ex) throws Exception {
        String requestURI = request.getRequestURI();
        String method = request.getMethod();
        int status = response.getStatus();

        requestCounter.labels(requestURI, method, String.valueOf(status)).inc(); //呼叫inc()函式，每次請求發生時計數+1
        super.afterCompletion(request, response, handler, ex);
    }
}

Counter型別資料可以讓使用者方便的瞭解事件產生的速率的變化，在PromQL內建的相關操作函式可以提供相應的分析，比如以HTTP應用請求量來進行說明：

//通過rate()函式獲取HTTP請求量的增長率
rate(http_requests_total[5m])
//查詢當前系統中，訪問量前10的HTTP地址
topk(10, http_requests_total)

2.2 Gauge(儀表盤型別)
Gauge是可增可減的指標類，可以用於反應當前應用的狀態。比如在監控主機時，主機當前的內容大小(node_memory_MemFree)，可用記憶體大小（node_memory_MemAvailable）。或者時容器當前的cpu使用率，記憶體使用率。
Gauge指標物件主要包含兩個方法inc()以及dec()，使用者新增或者減少計數。
在Prometheus自定義的metrics監控中，Gauge的使用可以參考如下：

public class PrometheusMetricsInterceptor extends HandlerInterceptorAdapter {

...省略的程式碼
static final Gauge inprogressRequests = Gauge.build()
        .name("io_namespace_http_inprogress_requests").labelNames("path", "method", "code")
        .help("Inprogress requests.").register();

@Override
public boolean preHandle(HttpServletRequest request, HttpServletResponse response, Object handler) throws Exception {
    ...省略的程式碼
    inprogressRequests.labels(requestURI, method, String.valueOf(status)).inc();// 計數器+1
    return super.preHandle(request, response, handler);
}

@Override
public void afterCompletion(HttpServletRequest request, HttpServletResponse response, Object handler, Exception ex) throws Exception {
    ...省略的程式碼
    inprogressRequests.labels(requestURI, method, String.valueOf(status)).dec();// 計數器-1
    super.afterCompletion(request, response, handler, ex);
}
}

對於Gauge型別的監控指標，通過PromQL內建函式delta()可以獲取樣本在一段時間內的變化情況，比如：

dalta(cpu_temp_celsius{host="zeus"}[2h]) //計算CPU溫度在兩小時內的差異
predict_linear(node_filesystem_free{job="node"}[1h], 4*3600) //預測系統磁碟空間在4小時之後的剩餘情況

2.3 Histogram(直方圖型別)
Histogram 由 < basename>_bucket{le="< upper inclusive bound>"}，< basename>_bucket{le="+Inf"}, < basename>_sum，_count 組成，主要用於表示一段時間範圍內對資料進行取樣（通常是請求持續時間或響應大小），並能夠對其指定區間以及總數進行統計，通常它採集的資料展示為直方圖。
在Prometheus自定義的metrics監控中，Histgram的使用可以參考如下：
以請求響應時間requests_latency_seconds為例，比如我們需要記錄http請求響應時間符合在分佈範圍{0.005，0.01，0.025，0.05，0.075，0.1，0.25，0.5，0.75，1，2.5，5，7.5，10}中的次數時

public class PrometheusMetricsInterceptor extends HandlerInterceptorAdapter {

    static final Histogram requestLatencyHistogram = Histogram.build().labelNames("path", "method", "code")
            .name("io_namespace_http_requests_latency_seconds_histogram").help("Request latency in seconds.")
            .register();

    private Histogram.Timer histogramRequestTimer;

    @Override
    public boolean preHandle(HttpServletRequest request, HttpServletResponse response, Object handler) throws Exception {
        ...省略的程式碼
        histogramRequestTimer = requestLatencyHistogram.labels(requestURI, method, String.valueOf(status)).startTimer();
        ...省略的程式碼
    }

    @Override
    public void afterCompletion(HttpServletRequest request, HttpServletResponse response, Object handler, Exception ex) throws Exception {
        ...省略的程式碼
        histogramRequestTimer.observeDuration();
        ...省略的程式碼
    }

使用Histogram構造器在建立Histogram監控指標時，預設的buckets範圍為{0.005，0.01，0.025，0.05，0.075，0.1，0.25，0.5，0.75，1，2.5，5，7.5，10}，如果要修改預設的buckets，可以使用.buckets(double… bukets)覆蓋。
Histogram會自動建立3個指標，分別為：

  • 事件發生的總次數，basename_count。
# 實際含義： 當前一共發生了2次http請求
io_namespace_http_requests_latency_seconds_histogram_count{path="/",method="GET",code="200",} 2.0
  • 所有事件產生值的大小的總和，basename_sum。
# 實際含義： 發生的2次http請求總的響應時間為13.107670803000001 秒
io_namespace_http_requests_latency_seconds_histogram_sum{path="/",method="GET",code="200",} 13.107670803000001
  • 事件產生的值分佈在bucket中的次數，basename_bucket{le=“上包含”}
# 在總共2次請求當中。http請求響應時間 <=0.005 秒 的請求次數為0
io_namespace_http_requests_latency_seconds_histogram_bucket{path="/",method="GET",code="200",le="0.005",} 0.0
# 在總共2次請求當中。http請求響應時間 <=0.01 秒 的請求次數為0
io_namespace_http_requests_latency_seconds_histogram_bucket{path="/",method="GET",code="200",le="0.01",} 0.0
# 在總共2次請求當中。http請求響應時間 <=0.025 秒 的請求次數為0
io_namespace_http_requests_latency_seconds_histogram_bucket{path="/",method="GET",code="200",le="0.025",} 0.0
io_namespace_http_requests_latency_seconds_histogram_bucket{path="/",method="GET",code="200",le="0.05",} 0.0
io_namespace_http_requests_latency_seconds_histogram_bucket{path="/",method="GET",code="200",le="0.075",} 0.0
io_namespace_http_requests_latency_seconds_histogram_bucket{path="/",method="GET",code="200",le="0.1",} 0.0
io_namespace_http_requests_latency_seconds_histogram_bucket{path="/",method="GET",code="200",le="0.25",} 0.0
io_namespace_http_requests_latency_seconds_histogram_bucket{path="/",method="GET",code="200",le="0.5",} 0.0
io_namespace_http_requests_latency_seconds_histogram_bucket{path="/",method="GET",code="200",le="0.75",} 0.0
io_namespace_http_requests_latency_seconds_histogram_bucket{path="/",method="GET",code="200",le="1.0",} 0.0
io_namespace_http_requests_latency_seconds_histogram_bucket{path="/",method="GET",code="200",le="2.5",} 0.0
io_namespace_http_requests_latency_seconds_histogram_bucket{path="/",method="GET",code="200",le="5.0",} 0.0
io_namespace_http_requests_latency_seconds_histogram_bucket{path="/",method="GET",code="200",le="7.5",} 2.0
# 在總共2次請求當中。http請求響應時間 <=10 秒 的請求次數為0
io_namespace_http_requests_latency_seconds_histogram_bucket{path="/",method="GET",code="200",le="10.0",} 2.0
# 在總共2次請求當中。http請求響應時間 10 秒 的請求次數為0
io_namespace_http_requests_latency_seconds_histogram_bucket{path="/",method="GET",code="200",le="+Inf",} 2.0

2.4 Summary(摘要型別)
Summary型別和Histogram型別相似，由< basename>{quantile="< φ>"}，< basename>_sum，< basename>_count組成，主要用於表示一段時間內資料取樣結果（通常時請求持續時間或響應大小），它直接儲存了quantile資料，而不是根據統計區間計算出來的。Summary與Histogram相比，存在如下區別：

  • 都包含 < basename>_sum和< basename>_count;
  • Histogram需要通過< basename>_bucket計算quantile，而Summary直接儲存了quantile的值。
    在Prometheus自定義的metrics監控中，Summary的使用可以參考如下：
public class PrometheusMetricsInterceptor extends HandlerInterceptorAdapter {

    static final Summary requestLatency = Summary.build()
            .name("io_namespace_http_requests_latency_seconds_summary")
            .quantile(0.5, 0.05)
            .quantile(0.9, 0.01)
            .labelNames("path", "method", "code")
            .help("Request latency in seconds.").register();


    @Override
    public boolean preHandle(HttpServletRequest request, HttpServletResponse response, Object handler) throws Exception {
        ...省略的程式碼
        requestTimer = requestLatency.labels(requestURI, method, String.valueOf(status)).startTimer();
        ...省略的程式碼
    }

    @Override
    public void afterCompletion(HttpServletRequest request, HttpServletResponse response, Object handler, Exception ex) throws Exception {
        ...省略的程式碼
        requestTimer.observeDuration();
        ...省略的程式碼
    }
}

Summary型別指標中包含的資料如下：

  • 事件發生總的次數
# 含義：當前http請求發生總次數為12次
io_namespace_http_requests_latency_seconds_summary_count{path="/",method="GET",code="200",} 12.0
  • 事件產生的值的總和
# 含義：這12次http請求的總響應時間為 51.029495508s
io_namespace_http_requests_latency_seconds_summary_sum{path="/",method="GET",code="200",} 51.029495508
  • 事件產生的值的分佈情況
# 含義：這12次http請求響應時間的中位數是3.052404983s
io_namespace_http_requests_latency_seconds_summary{path="/",method="GET",code="200",quantile="0.5",} 3.052404983
# 含義：這12次http請求響應時間的9分位數是8.003261666s
io_namespace_http_requests_latency_seconds_summary{path="/",method="GET",code="200",quantile="0.9",} 8.003261666

參考

1.Prometheus Metric型別
2.自定義Metrics：讓Prometheus監控你的應用程式（Spring版）
3.自定義Metrics：讓Prometheus監控你的應用程式
4.使用Prometheus+Grafana監控MySQL實踐
5.全面學習Prometheus
6.Prometheus筆記（一）metric type

相關推薦

prometheus的資料型別介紹

一、簡介 Prometheus將所有采集到的樣本資料以時間序列（time-series）的方式儲存在記憶體資料庫中，並定時儲存在硬碟上。時間序列中的每一個樣本由以下三部分組成。 指標(metric): metric name和描述當前樣本特徵的labelsets組成，參考格式

6、mysql資料型別介紹

MySQL資料型別，可以被分為3類：數值型別、日期和時間型別以及字串(字元)型別    方括號(“[”和“]”)指出可選的型別修飾符的部分   M       指出最大的顯示尺寸。最大的合

轉 Redis五種資料型別介紹

概述 Redis的鍵值可以使用物種資料型別：字串，散列表，列表，集合，有序集合。本文詳細介紹這五種資料型別的使用方法。本文命令介紹部分只是列舉了基本的命令，至於具體的使用示例，可以參考Redis官方文件：Redis命令大全 字串型別 字串是Redis中最基本的資料型別，

mysql資料庫內STRING系列資料型別介紹

varchar(M)：       用於儲存可變長度的字串。  字串佔用空間隨字串實際長度佔用空間變化。   實際長度 <= 設定長度M。   M範圍：1~255。   需要1到2個位元組來儲存一個字元。 char(M)：        用於儲存定長的字串。  

day 07 元組,字典和集合等資料型別介紹

元組:就是一個不可變的列表 1.用途,當我們需要記錄多個值,並且沒有更改的需求的時候,應該使用元組 2定義方式:使用,在 ( ) 中分隔開多個任意型別的值 注:t=("egg",),如當列表中只有一個值的時候,在末尾加上 , 逗號 t=tuple("hello")  # 元組和列表的型別的型

MYSQL中資料型別介紹

一、MySQL的資料型別 主要包括以下五大類： 整數型別：BIT、BOOL、TINY INT、SMALL INT、MEDIUM INT、 INT、 BIG INT 浮點數型別：FLOAT、DOUBLE、DECIMAL 字串型別：CHAR、VARCHAR、TIN

TCHAR資料型別介紹

　　並不是所有的Windows作業系統都支援UNICODE編碼的API(例如早期的Windows98), 這就造成了兩種結果：某些版本的Windows應該應用wchar_t來儲存字元, 某些平臺的Windows應該使用char型別來儲存字元, 顯然這兩種型別的變數是無法混用

redis命令及操作記錄以及redis的五種資料型別介紹

相關啟動命令（linux）： redis-server啟動命令 sudo /usr/local/bin/redis-server /home/lbxzfr/config/redis/redis.conf  redis_cli客戶端連結命令 redis-cli -h loca

Redis五種資料型別介紹

概述 Redis的鍵值可以使用物種資料型別：字串，散列表，列表，集合，有序集合。本文詳細介紹這五種資料型別的使用方法。本文命令介紹部分只是列舉了基本的命令，至於具體的使用示例，可以參考Redis官方文件：Redis命令大全 字串型別 字串是Redis中最基本的資料型

PostgreSQL 資料型別介紹（四）

uuid型別 UUIDs could be generated by client applications or other libraries invoked through a server-side function. specifi

Redis常用資料型別介紹、使用場景及其操作命令

Redis目前支援5種資料型別，分別是： String（字串）List（列表）Hash（字典）Set（集合）Sorted Set（有序集合） 下面就分別介紹這五種資料型別及其相應的操作命令。 1. String（字串） String是簡單的 key-value 鍵值

MySQL資料型別介紹

①BLOB和TEXT值也會引起自己的一些問題，特別是執行了大量的刪除或更新操作的時候。刪除這種值會在資料表中留下很大的"空洞"，以後填入這些"空洞"的記錄可能長度不同,為了提高效能,建議定期使用 OPTIMIZE TABLE 功能對這類表進行碎片整理.②使用合成的（synthetic）索引。合 成的索引列在

MySQL 中的資料型別介紹

據我統計，MySQL支援39種(按可使用的型別欄位統計，即同義詞也作多個)資料型別。下面的介紹可能在非常古老的MySQL版本中不適用。 1、概述     要了解一個資料庫，我們也必須瞭解其支援的資料型別。     mysql支援所有標準的SQL資料型別，主要分

PostgreSQL 資料型別介紹（五）OID的理解

系統表, 系統表之間基本上都是以oid關聯. 例如pg_attrdef.adrelid 關聯 pg_class.oid 先介紹下oid的使用： 以系統表 pg_class為例，檢視下postgres裡各個物件（表、序列、索引 等）的oid

你需要精通一種監控-Prometheus資料型別

1  Counter：只增不減的計數器 Counter型別的指標其工作方式和計數器一樣，只增不減（除非系統發生重置）。常見的監控指標，如http_requests_total，node_cpu都是Counter型別的監控指標。 一般在定義Counter型別指標的名稱時推薦使用_total作為

MySQL全面瓦解3：資料型別介紹與分析

概述 MySQL支援很多資料型別，以便我們能在複雜的業務場景中支援各種各樣的資料格式，儲存適當的資料內容。我們在設計資料庫時，正確的使用資料庫型別對整個資料庫的整潔和高效，會有很大的幫助。 目前常用的資料型別大致上可以分為4大類：整數型別、浮點數型別、字串(字元)型別、日期/時間型別。詳細如下 4大類

JAVA_資料型別介紹與基本資料型別之間的運算規則

## 基本資料型別 * 整型： `byte、short、int、long` `java` 的整型常量預設為`int`型，在`java`程式中變數通常宣告為`int`型，除非不足以表示較大的數才用`long`，而在宣告`long`型常量必須在後面加上`l`或`L`。 | 型別 | 佔用儲存空

第4章：介紹python物件型別/4.1 python的核心資料型別/4.4 字典

建立字典 格式：用大括號括起來，每一對以:隔開 內容：key和value的值隨便，數字、字元、列表、集合、元組混合都可以 注意：如果key相同，會用新的value覆蓋舊的value；這裡的key相同指的是要麼都是數字，要麼都是字元才算相同，比如1和“1”不算相同的

第4章：介紹python物件型別/4.1 python的核心資料型別/4.3 列表

獲取操作 >>> L = [123,'abc',1.23] >>> L[0]  從左邊開始獲取 123 >>> L[-1]   從右邊開始獲取 1.23 >>>

第4章：介紹python物件型別/4.1 python的核心資料型別/4.2 字串/4.2.4 字串格式化、字串編輯HTML或者XML語法、使用正則表示式

字串格式化 %s 方式格式化： >>> "%s,abc,%s" %('123','456') '123,abc,456' {數字}方式格式化： >>> "{0},abc,{1}".format('123','456') '123,a