Prometheus的基本術語 一、時間序列 &nbsp;&nbsp;&nbsp;&nbsp;1.1 時間序列數據庫 &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;Prometheus會將所有采集到的樣本數據以時間序列(time·series)的方式保存在內存數據庫中，并且定時保存到硬盤上。 &nbsp;&nbsp;&nbsp;&nbsp;1.2 時間序列的概念 &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;時間序列指在連續等間隔的時間點上獲取的數據值，存儲時間序列數據的數據庫稱為時間序列數據庫Time Series Database(TSDB)，時間序列數據庫特點是寫遠大于讀，并且寫入平穩，基本不會涉及更新操作， &nbsp;&nbsp;&nbsp;&nbsp;1.3 時間序列的主要名詞 &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;指標(metric):metric name和描述當前樣本特征的labelsets;  &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 時間戳(timestamp):一個精確到毫秒的時間截: &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;樣本值(value):一個folat64的浮點型數據表示當前樣本的值。 &nbsp;&nbsp;&nbsp;&nbsp;prometheus的metric的樣例:  <hr> 二、指標Metrics的四種類型 &nbsp;&nbsp;&nbsp;&nbsp;Prometheus 客戶端庫主要提供四種主要的 指標metric 類型: &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;1.Counter(計數器):一種累加的metric，典型的應用如:請求的個數，結束的任務數，出現的錯誤數等等。  &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;2.Gauge(儀表盤):一種常規的metric，儀表盤，類似折線圖，典型的應用如:溫度、內存使用率，運行的 goroutines 的個數，可以任意加減。  &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;3.Histogram(直方圖):可以理解為柱狀圖，典型的應用如:請求持續時間，響應大 小，可以對觀察結果采樣，分組及統計。 &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;4.Summary(摘要):類似于Histogram,典型的應用如:請求持續時間，響應大小，提供觀測值的 count 和 sum 功能，提供百分位的功能，即可以按百分比劃分跟蹤結果。 prometheus主要用于監控 web 應用一需要暴露 metrics 端點，也可以監控服務器 <hr> 三、監控的四個黃金指標 &nbsp;&nbsp;&nbsp;&nbsp;4個黃金指標可以在服務級別幫助衡量終端用戶體驗、服務中斷、業務影響等層面的問題。主要關注與以下四種類型的指標:挺遲，通訊量，錯誤以及飽和度: &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;1.延遲:服務請求所需時間。 &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;記錄用戶所有請求所需的時間，重點是要區分成功請求的延遲時間和失敗請求的延遲時間。例如在數據庫或者其他關鍵禍端服務異常觸發HTTP500的情況下，用戶也可能會很快得到請求失敗的響應內容，如果不加區分計算這些請求的延遲，可能導致計算結果與實際結果產生巨大的差異。除此以外，在微服務中通常提“快速失敗"，開發人員需要特別注意這些延遲較大的錯誤，因為這些緩慢的錯誤會明顯影響系統的性能，因此追蹤這些錯誤的延遲也是非常重要的。 &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;2.通訊量:監控當前系統的流量，用于衡量服務的容量需求。 &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;申流量對于不同類型的系統而言可能代表不同的含義。例如，在HTTPRESTAPI中,流量通 常是每秒HTTP請求數;。錯誤:監控當前系統所有發生的錯誤請求，衡量當前系統錯誤發生的速率。對于失敗而言有些是顯式的(比如,HTTP 500錯誤)，而有些是隱式(比如，HTTP響應200，單實際業務流程依然是失敗的)。對于一些顯式的錯誤如HTTP500可以通過在負載均衡器(如Nginx)上進行捕獲，而對于一些系統內部的異常，則可能需要直接從服務中添加鉤子統計并進行獲取。 &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;3.飽和度:衡量當前服務的飽和度。 &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;主要強調最能影響服務狀態的受限制的資源。例如，如果系統主要受內存影響，那就主要關注系統的內存狀態，如果系統主要受限與磁盤I/0，那就主要觀測磁盤I/0的狀態。因為通常情況下，當這些資源達到飽和后，服務的性能會明顯下降。同時還可以利用飽和度對系統做出預測，比如，“磁盤是否可能在4個小時候就滿了”。 &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;4.RED方法 &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;RED方法是Weave Cloud在基于Google的“4個黃金指標”的原則下結合Prometheus以及容器實踐，細化和總結的方法論，特別適合于云原生應用以及微服務架構應用的監控和度量。主要關注以下三種關鍵指標: &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;1.(請求)速率:服務每秒接收的請求數。 &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;2.(請求)錯誤:每秒失敗的請求數。 &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;3.(請求)耗時:每個請求的耗時。 &nbsp;&nbsp;&nbsp;&nbsp;在“4大黃金信號”的原則下，RED方法可以有效的幫助用戶衡量云原生以及微服務應用下 的用戶體驗問題