前面几篇文章,我们单刀直入地讲解了 Prometheus 能做什么。接着用一个例子来让大家知道如何使用 Prometheus,以及如何进行告警配置。最后,还用了一篇文章来讲解如何进行图表配置。但是 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。
<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。
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 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。
Summary 汇总
柱状图同样表示样本的分布情况,与 Histogram 类似,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。
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。
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。
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
总结
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:
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)。