Prometheus 四大度量指标和应用
Prometheus 四大度量指标和应用
一. 四大度量指标
1. Counter (计数器)
-
描述
Counter 类型代表一个累积的指标数据，其单调递增，只增不减。在应用场景中，像是请求次数、错误数量等等，就非常适合用 Counter 来做指标类型，另外 Counter 类型，只有在被采集端重新启动时才会归零。 -
常用方法
| 方法名 | 作用 |
|---|---|
| Inc | 将计数器递增1 |
| Add (float64) | 将给定添加计数器中,小于0报错 |
2. Gauge (仪表盘)
- 描述
Gauge 类型代表一个可以任意变化的指标数据，其可增可减。在应用场景中，像是 Go 应用程序运行时的 Goroutine 的数量就可以用该类型来表示，在系统中统计 CPU、Memory 等等时很常见，而在业务场景中，业务队列的数量也可以用 Gauge 来统计，实时观察队列数量，及时发现堆积情况,因为其是浮动的数值，并非固定的，侧重于反馈当前的情况
- 常用方法
| 方法名 | 作用 |
|---|---|
| Set(float64) | 将仪表设置为任意值 |
| Inc() | 将仪表增加 1 |
| Dec() | 将仪表减少 1 |
| Add(float64) | 将给定值添加到仪表，该值如果为负数，那么将导致仪表值减少 |
| Sub(float64) | 从仪表中减去给定值，该值如果为负数，那么将导致仪表值增加 |
| SetToCurrentTime() | 将仪表设置为当前Unix时间（以秒为单位） |
3. Histogram(累积直方图)
- 描述
Histogram 类型将会在一段时间范围内对数据进行采样（通常是请求持续时间或响应大小等等），并将其计入可配置的存储桶（bucket）中，后续可通过指定区间筛选样本，也可以统计样本总数。
Histogram 类型在应用场景中非常的常用，因为其代表的就是分组区间的统计，而在分布式场景盛行的现在，链路追踪系统是必不可少的，那么针对不同的链路的分析统计就非常的有必要，例如像是对 RPC、SQL、HTTP、Redis 的 P90、P95、P99 进行计算统计，并且更进一步的做告警，就能够及时的发现应用链路缓慢，进而发现和减少第三方系统的影响。
- 常用方法
| 方法名 | 作用 |
|---|---|
| Observe(float64) | 将一个观察值添加到直方图。 |
4. Summary（摘要）
Summary 类型将会在一段时间范围内对数据进行采样，但是与 Histogram 类型不同的是 Summary 类型将会存储分位数（在客户端进行计算），而不像 Histogram 类型，根据所设置的区间情况统计存储。提供三种摘要指标: 样本值的分位数分布情况,所有样本值的大小总和,样本总数
- 常用方法
| 方法名 | 作用 |
|---|---|
| Observe(float64) | 将一个观察值添加到直方图。 |
二.实战
package main
import (
"github.com/gin-gonic/gin"
"github.com/prometheus/client_golang/prometheus"
"github.com/prometheus/client_golang/prometheus/promhttp"
"math/rand"
"net/http"
"net/url"
"strconv"
)
var AccessCounter = prometheus.NewCounterVec(
prometheus.CounterOpts{
Name: "api_requests_tatol",
},
[]string{"method", "path"},
)
var QueueGauge = prometheus.NewGaugeVec(
prometheus.GaugeOpts{
Name: "queue_num_total",
},
[]string{"name"},
)
var HttpHistogram = prometheus.NewHistogramVec(
prometheus.HistogramOpts{
Name: "http_durations_histogram_seconds",
Buckets: []float64{0.2, 0.5, 1, 2, 5, 10, 30},
},
[]string{"path"},
)
var HttpDurations = prometheus.NewSummaryVec(
prometheus.SummaryOpts{
Name: "http_durations_seconds",
Objectives: map[float64]float64{0.5: 0.05, 0.9: 0.01, 0.99: 0.001},
},
[]string{"path"},
)
func init() {
prometheus.MustRegister(AccessCounter,QueueGauge,HttpHistogram,HttpDurations)
}
func main() {
r := gin.Default()
// counter 计数器
r.GET("/counter", func(context *gin.Context) {
url, _ := url.Parse(context.Request.RequestURI)
AccessCounter.With(prometheus.Labels{
"method": context.Request.Method,
"path": url.Path,
}).Add(1)
context.JSON(http.StatusOK, gin.H{"status": "ok"})
})
// queue_eddycjy 仪表盘
r.GET("/queue", func(context *gin.Context) {
numStr := context.Query("num")
num,_ := strconv.Atoi(numStr)
QueueGauge.With(prometheus.Labels{
"name":"queue_eddycjy",
}).Set(float64(num))
context.JSON(http.StatusOK, gin.H{"status": "ok"})
})
// http_durations_histogram_seconds 累积直方图
r.GET("/histogram", func(c *gin.Context) {
url,_ := url.Parse(c.Request.RequestURI)
HttpHistogram.With(prometheus.Labels{
"path":url.Path,
}).Observe(float64(rand.Intn(30)))
c.JSON(http.StatusOK, gin.H{"status": "ok"})
})
// summary 摘要
r.GET("/summary", func(c *gin.Context) {
purl, _ := url.Parse(c.Request.RequestURI)
HttpDurations.With(prometheus.Labels{"path": purl.Path}).Observe(float64(rand.Intn(30)))
})
r.GET("/metrics", gin.WrapH(promhttp.Handler()))
r.Run()
}
三.简单展示一下
简单是展示配合grafana的http_durations_histogram_seconds_bucket的效果
image.png
