标签：-- quantile json 笔记 histogram Prometheus meta summary
Prometheus https://prometheus.fuckcloudnative.io/
1. 指标类型:四种核心指标类型
- Counter计数器 Inc,Add,rate,topk
- Gauge 仪表盘 dalta predict_liner
- Histogram 直方图 histogram_quantile
- summary 摘要，与histogram类似，不同点在于：关于分位数
原文链接：
https://blog.csdn.net/wtan825/article/details/94616813
查看分位数时summary和histogram的选择
清楚几点限制：
Summary 结构有频繁的全局锁操作，对高并发程序性能存在一定影响。histogram仅仅是给每个桶做一个原子变量的计数就可以了，而summary要每次执行算法计算出最新的X分位value是多少，算法需要并发保护。会占用客户端的cpu和内存。
不能对Summary产生的quantile值进行aggregation运算（例如sum, avg等）。例如有两个实例同时运行，都对外提供服务，分别统计各自的响应时间。最后分别计算出的0.5-quantile的值为60和80，这时如果简单的求平均(60+80)/2，认为是总体的0.5-quantile值，那么就错了。
summary的百分位是提前在客户端里指定的，在服务端观测指标数据时不能获取未指定的分为数。而histogram则可以通过promql随便指定，虽然计算的不如summary准确，但带来了灵活性。
histogram不能得到精确的分为数，设置的bucket不合理的话，误差会非常大。会消耗服务端的计算资源。
两条经验
如果需要聚合（aggregate），选择histograms。
如果比较清楚要观测的指标的范围和分布情况，选择histograms。如果需要精确的分为数选择summary。
2. PromQL 操作符，内置函数
自查
https://prometheus.fuckcloudnative.io/di-san-zhang-prometheus/di-4-jie-cha-xun/operators
3. 存储
Prometheus 按照两个小时为一个时间窗口，将两小时内产生的数据存储在一个块（Block）中。
每个块都是一个单独的目录，
- 里面含该时间窗口内的所有样本数据（chunks），
- 元数据文件（meta.json）以及
- 索引文件（index）。其中索引文件会将指标名称和标签索引到样板数据的时间序列中。
- 此期间如果通过 API 删除时间序列，删除记录会保存在单独的逻辑文件 tombstone 当中。
示例 保存数据块的目录结构
./data
|- 01BKGV7JBM69T2G1BGBGM6KB12 # 块
|- meta.json # 元数据
|- wal # 写入日志
|- 000002
|- 000001
|- 01BKGTZQ1SYQJTR4PB43C8PD98 # 块
|- meta.json #元数据
|- index # 索引文件
|- chunks # 样本数据
|- 000001
|- tombstones # 逻辑数据
|- 01BKGTZQ1HHWHV8FBJXW1Y3W0K
|- meta.json
|- wal
|-000001
标签：--,
quantile,
json,
笔记,
histogram,
Prometheus,
meta,
summary
From： https://www.cnblogs.com/shoshana-kong/p/17650665.html