如何区分prometheus中Histogram和Summary类型的metrics？

在Prometheus中，Histogram和Summary都是用于测量和记录指标历史分布的类型。

区分Histogram和Summary的最简单方法是查看其度量标准名称的后缀。Histogram的度量标准名称以“_bucket”结尾，而Summary的度量标准名称以“_sum”和“_count”结尾。

例如，对于名称为“http_request_duration_seconds”的指标，其Histogram度量标准名称将是“http_request_duration_seconds_bucket”，而Summary度量标准名称将是“http_request_duration_seconds_sum”和“http_request_duration_seconds_count”。

此外，Histogram还提供了可以计算分位数的操作，而Summary不提供。因此，如果您需要计算分位数，则应该使用Histogram。如果您只需要记录指标的总和和计数，则可以使用Summary。

相关问题

prometheus metrics解析

### Prometheus 指标的含义

Prometheus 使用四种主要类型的指标来收集监控数据：

- **Counter（计数器）**: 表示单一方向增加的累积值，可以重置为0。通常用于记录事件的数量或总量[^1]。

- **Gauge（仪表盘）**: 可以上升也可以下降的数值，适合表示瞬时状态，比如温度、内存使用量等。

- **Histogram（直方图）**: 通过可配置区间统计观测值分布情况，并提供样本总数和所有观测值总和。这有助于计算百分位数和其他统计数据。

- **Summary（摘要）**: 类似于直方图，但是它直接存储分位数而不是桶边界；同样也保存了样本数量及其求和结果。这对于实时分析非常有用。

每种类型都有特定的应用场景，在设计监控系统时可以根据需求选择合适的度量标准。

### Prometheus 指标的具体用法

为了更好地理解如何应用这些概念，下面给出一段简单的 Go 代码作为例子，展示如何定义并暴露自定义指标给 Prometheus 抓取服务:

package main

import (
	"net/http"
	"github.com/prometheus/client_golang/prometheus"
	"github.com/prometheus/client_golang/prometheus/promhttp"
)

func init() {
	// 定义一个新的计数器实例
	requestCount := prometheus.NewCounter(prometheus.CounterOpts{
		Name: "myapp_http_requests_total",
		Help: "Total number of HTTP requests made.",
	})

	prometheus.MustRegister(requestCount)

	http.HandleFunc("/", func(w http.ResponseWriter, r *http.Request) {
		requestCount.Inc()
		w.Write([]byte("Hello world"))
	})
}

func main() {
	http.Handle("/metrics", promhttp.Handler())
	http.ListenAndServe(":8080", nil)
}

这段程序创建了一个名为 `myapp_http_requests_total` 的 Counter 来跟踪应用程序接收到的HTTP请求次数，并将其注册到默认的 Prometheus 注册表中。每当有新的请求到达根路径 (`/`) ，就会对该计数器加一操作。最后设置 `/metrics` 路径供 Prometheus Server 进行抓取。

metrics的几种数据类型

### Metrics 数据类型种类

在 IT 领域，特别是涉及到监控系统时，Metrics 的数据类型主要分为四种基本类型：Counter、Gauge、Histogram 和 Summary。

#### Counter
Counter 是一种只增不减的计数器类型的指标。这种类型的指标非常适合用于记录累计事件的数量，比如 HTTP 请求次数或 CPU 使用时间等[^3]。一旦被创建，Counter 只能增加数值而不能减少。如果应用程序重启，则该计数器会被重置为零。

from prometheus_client import start_http_server, Counter

# 创建一个名为 'http_requests_total' 的 Counter 指标
c = Counter('http_requests_total', 'Total number of HTTP requests')

def handle_request():
    c.inc()  # 增加计数器

#### Gauge
与 Counter 不同的是，Gauge 表示瞬时值，可以任意上下波动。这类度量适用于表示温度、当前内存利用率或其他随时间变化的状态变量。Gauges 还支持设置特定标签来区分不同维度下的测量结果。

from prometheus_client import Gauge

g = Gauge('memory_usage_bytes', 'Memory usage in bytes')
g.set(8 * 1024 ** 3)  # 设置内存用量为 8GB

#### Histogram
直方图 (Histogram) 记录观测样本分布情况，并提供分位数统计功能。这使得能够计算出请求延迟的时间范围内的百分比分布等情况。通过配置桶边界(buckets)，可以根据实际需求调整精度。

from prometheus_client import Histogram

h = Histogram('request_latency_seconds', 'Request latency in seconds',
              buckets=[.005, .01, .025, .05, .1])

with h.time():  # 自动记录执行时间并更新到 histogram 中
    process_request()

#### Summary
摘要(Summary) 类似于直方图，但它直接提供了基于滑动窗口机制下观察值得汇总统计数据，如平均值、总和以及指定数量/比例的最大最小值。Summary 更适合实时分析应用场景。

from prometheus_client import Summary

s = Summary('response_size_bytes', 'Response size in bytes')

@s.time()
def record_response_size(size):
    s.observe(size)