做网站首页可以用传媒公司吗厦门人才网个人会员
目录
开始
Prometheus 数据类型
简单理解
时序样本
格式 和 命名要求
Metrics 指标类型
Counter 计数器
Gauge
Histogram
Summary
Exporter 相关
概述
Exporter 类型
Exporter 规范
开始
Prometheus 数据类型
简单理解
a）安装好 Prometheus 后会暴露一个 /metrics 的 HTTP 服务（相当于安装了 prometheus_exporter），通过配置（默认会加上 /metrics），Prometheus 就可以采集到这个 /metrics 里面的所有监控样本数据，例如：
prometheus.yml 文件中：
b）Prometheus 存储的是时序数据，也就是按照 时间的维度 存储连续的数据集合（指标名称 和 标签 来做唯一标识），例如如下：
# /metrics 页面中的数据（不显示时间）：
prometheus_http_requests_total{code="200",handler="/api/v1/label/:name/values"} 3# 非 /metrics 页面中的数据实际在数据库中存储的（带个毫秒级的 unix 时间戳）：
prometheus_http_requests_total{code="200",handler="/api/v1/label/:name/values"} @133734964723510 3# 上述格式： 指标名称 + 标签 + 时间戳 + 值- 指标名称：用于描述系统上要测定的某个特征，例如上述 prometheus_http_requests_total .
- 标签：键值对数据，附加在 指标名称 后面，让指标能够支持多维度特征，例如 {code="200",handler="/api/v1/label/:name/values"}
c）双下划线标签是 Prometheus系统默认标签，是不会显示在 /metrics 页面中的.
在 Prometheus 的 Target 中，鼠标移到 Labels 上，会显示如下：
常见标签如下：
- __address：当前 target 实例的 套接字（ip:port） 地址.
- __metrics_path：采集当前 target 使用的 url 路径，默认为 /metrics.
- __scheme：采集当前 target 上指标数据使用的协议（http 或 https）.
- __scrape_interval：这个参数指定 Prometheus 以多长的时间间隔抓取一次目标的数据。
- __scrape_timeout：这个参数定义了 Prometheus 抓取目标数据的超时时间。如果抓取操作在指定时间内未完成，Prometheus 将放弃这次抓取。
- __param：传递 url 参数中第一个参数的值.
- __name：此标签是标识指标名称的预留标签，能够使用标签选择器对指标名称进行过滤.
时序样本
按照某个时间维度采集的数据，称为样本，值包含：
-
一个毫秒级的 unix 时间戳
-
一个 float64 值
例如如下：
prometheus_http_requests_total{code="200",handler="/api/v1/label/:name/values"} @133734964723510 3
上述格式： 指标名称 + 标签 + 时间戳 + 值.
Ps：样本中的时间戳在 /metrics 页面中是不会显示的，只有在 prometheus 数据库中才能看到.
格式 和 命名要求
Prometheus 时序格式中包含 指标名称 和 标签：
<metric name>{<label name>=<label value>, ...}例如，指标名称为 prometheus_http_requests_total 和 标签为 {code="200",handler="/api/v1/label/:name/values"} 如下
prometheus_http_requests_total{code="200",handler="/api/v1/label/:name/values"}Ps：Prometheus指标名称 和 标签名/标签值 可以包含 ASCII 字母、数字、下划线、冒号. 但是必须匹配正则表达式
[a-zA-Z_:][a-zA-Z0-9_:]*，也就是说开头的第一个字符一定不能是数字！！！ 后面自定要 Labels 的时候一定要注意！！！
Metrics 指标类型
Counter 计数器
是一个单调递增的数值. 主要特点就是它的值 只增不减、除非被重置（例如系统重启）.
通常用来记录某段时间内 http 请求增长率....
Count 并不会直接作用，而是需要借助 rate、irate 等函数来生成样本数据的变化状况（增长率）如下：
a）获取 1 小内，该指标下各时间序列上的 http 总请求数的增长速率
rate(prometheus_http_requests_total[1h]) 
b）irate 为高灵敏度函数，用于计算指标的瞬时速率，基于样本范围内的最后两个样本进行计算
irate(prometheus_http_requests_total[1h])
Gauge
Gauge 是一种用于记录可以任意上下变化的数值指标类型. 与 Counter 单调递增不同，Gauge 可增可减，使得 Gauge 适合用来监控瞬时值或频繁变化的值.
Gauge 常用于进行 求和、平均值、最大值、最小值 等聚合计算，经常会搭配 PromQL 的 delta 使用.
a）返回该服务器上的CPU温度与1小时之前的差异
delta(cpu_temp_celsius{host="node_exporter"}[1h])
Histogram
用于记录数据分布的指标类型. 通过将数据划分成多个桶（buckets），统计每个桶中的样本数量，从而提供数据的分布情况，对于监控请求的延迟、响应时间非常有用.
例如统计在 0~15 ms 之间的请求数有多少，在 10~20ms 之间的请求数有多少. 这样可以快速分析系统慢的原因.
从 /metrics 页面中可以看出这些指标，以及值
a）在 handler 为 /metrics 的情况下，响应时间小于等于 0.1 秒的请求数是 612
prometheus_http_request_duration_seconds_bucket{handler="/metrics",le="0.1"} 612b）在 handler 为 /metrics 的情况下，响应时间小于等于 0.2 秒的请求数是 612
prometheus_http_request_duration_seconds_bucket{handler="/metrics",le="0.2"} 612结合上一个数据，这意味着响应时间在 0.1 秒到 0.2 秒之间的请求数是 0，因为前一个桶（le="0.1"）的请求数也是 612
c）在 handler 为 /metrics 的情况下，响应时间小于等于 0.4 秒的请求数是 612。
prometheus_http_request_duration_seconds_bucket{handler="/metrics",le="0.4"} 612这意味着响应时间在 0.2 秒到 0.4 秒之间的请求数是 0，因为前一个桶（le="0.2"）的请求数也是 612。
Summary
用于观察和聚合时间持续时间或大小的指标类型. 和 Histogram 类似，用于记录一系列数据的分布情况，但是 Summary 更关注分位数. Summary 会自动计算请求延迟、响应时间等的分位数，同时还会维护时间的总数和.
对于每个指标，Summary 以指标名称为前缀，生成如下几个指标序列：
- _sum ：统计所有样本值之和
- _count ：统计所有样本总数
- {quantile=“x”} ：统计样本值的分位数分布情况，分位数范围：0 ≤ x ≤ 1
在 /metrics 页面中如下：
a）prometheus_tsdb_wal_fsync_duration_seconds{quantile="0.99"} NaN
表示在给定时间段内，99 分位数的 WAL 持久化操作耗时无法计算。
b）prometheus_tsdb_wal_fsync_duration_seconds_sum 0.010883303
表示在给定时间段内，所有 WAL 持久化操作的总耗时为约 0.010883303 秒。
c）prometheus_tsdb_wal_fsync_duration_seconds_count 2
表示在给定时间段内，共有 2 个 WAL 持久化操作被记录。
Exporter 相关
概述
所有可以向 Prometheus 提供监控样本数据的程序都可以被称为一个 Exporter，而 Exporter 的一个实例被称为 Target.
Exporter 可以用户自定义，也可以使用社区提供的，例如 MySQL_Exporter、Redis_Exporter、RabbitMQ_Exporter......
Prometheus 通过轮询的方式，定期的从这些 target 中获取样本数据.
Ps：安装好 Exporter 后会暴露一个 http://ip:port/metrics 的 HTTP 服务，通过 prometheus.yml 进行配置，就可以采集到 http://ip:port/metrics 里面所有监控样本数据.
Exporter 类型
通常来说可以将 Exporter 分为两类：
a）直接采集型
这类 Exporter 直接内置了对应的应用程序，用于向 Prometheus 直接提供 Target 数据支持. 这样设计的好处是，可以更好的监控各自系统的内部运行状态，同时也适合更多自定义监控的项目实施，例如 k8s 等，他们都内置了向 Prometheus 提供监控数据的端点.
这类例如：MySQL Exporter、RabbitMQ Exporter、Mongo Exporter、Nginx Exporter
b）简洁采集型
原始监控目标并不直接支持 Prometheus，需要我们使用 Prometheus 提供的 Client Library 编写该监控目标的监控采集程序，用户可以将程序独立运行，取获取指定的各类监控数据值.
例如 Linux 操作系统自身并不能直接支持 Prometheus，因此需要单独安装 Node_Exporter 来进行监控 Linux 系统的各项监控指标.
这类例如：Node Exporter
Exporter 规范
a）所有的 Exporter 程序都需要按照 Prometheus 的规范，返回监控样本数据.
以 node_exporter 为例，访问：http://env-base:9100/metrics 就会返回如下内容：
# 开头表示注释内容，这类样本数据说明如下：
- # HELP 开头的行，表示 metrics 的帮助与说明注释，可以包含当前 监控指标名称 和 对应的说明信息.
- # Type 开始的行，表示定义 metrics 类型，可以包含当前 监控指标名称 和 类型. 类型有 Counter、Gauge、Histogram、Summary.
- 非 # 开头的，就是监控的样本数据.
b）监控的样本数据规范
metric_name 和 label_name 必须遵循 PromQL 的格式规范要求. value 是一个 float 格式的数据，timestamp 类型为 int64（从 1970-01-01 00:00:00 以来的毫秒数）. 具有相同 metric_name 的样本必须要按照一个组的形式排列，并且每一行必须是唯一的 指标名称 和 指标键值对组合.
