prometheus increase函數注意事項?在上篇文章《深入理解Prometheus: PromQL查詢邏輯詳解，我來為大家科普一下關于prometheus increase函數注意事項?以下内容希望對你有幫助!

prometheus increase函數注意事項

在上篇文章《深入理解Prometheus: PromQL查詢邏輯詳解

》中，介紹了PromQL查詢邏輯，并同時提到了兩種類型：

metric type：counter, gauge, histogram, summary, untyped

promql expr type：string, scalar, instant vector, range vector

本篇文章将介紹metric type每種類型的含義、如果使用其度量app的運行、如果暴露給prometheus server，以及在PromQL中使用的注意事項。

metric type在兩個地方會體現其價值：

1. 度量app并生成metric，這是最重要的體現

2. 使用PromQL計算或者彙總metric數據

首先，我們先看如何用這些metric來度量app。每種類型都有各自特定的方法和特性，通常我們使用Prometheus Client Library來更方便的度量我們的app，下面将具體示例。

queueLength := prometheus.NewGauge(prometheus.GaugeOpts{ Name: "queue_length", Help: "The number of items in the queue.", }) // Use Set() when you know the absolute value from some other source. queueLength.Set(0) // Use these methods when your code directly observes the increase or decrease of something, such as adding an item to a queue. queueLength.Inc() // Increment by 1. queueLength.Dec() // Decrement by 1. queueLength.Add(23) queueLength.Sub(42)

gauge metric經常用于暴露當前Unix時間戳，所以特意加了一個便捷函數

demoTimestamp.SetToCurrentTime()

totalRequests := prometheus.NewCounter(prometheus.CounterOpts{ Name: "http_requests_total", Help: "The total number of handled HTTP requests.", }) totalRequests.Inc() totalRequests.Add(23)

counter metric随時間隻加不減，且重啟後自動設置為0，計算式相關的函數如rate可以識别到重置的問題，并正确計算

histogram metric稍微複雜一點，需要設置觀察bucket的數量，以及每個bucket的上限。Prometheus histogram中的bucket計數是累積的，每個後續桶都包含前一個桶的計數，換句話說，所有桶的下邊界都從零開始。因此，您無需顯式配置每個存儲桶的下限，隻需配置上限：

requestDurations := prometheus.NewHistogram(prometheus.HistogramOpts{ Name: "http_request_duration_seconds", Help: "A histogram of the HTTP request durations in seconds.", // Bucket configuration: the first bucket includes all requests finishing in 0.05 seconds, the last one includes all requests finishing in 10 seconds. Buckets: []float64{0.05, 0.1, 0.25, 0.5, 1, 2.5, 5, 10}, })

由于枚舉所有存儲桶可能很常見，因此有一些輔助函數prometheus.LinearBuckets()和prometheus.ExponentialBuckets()可以幫助生成線性或指數存儲桶方案。

直方圖會自動分類和計算值的分布，因此隻需要一個Observe()方法，當在代碼中處理要跟蹤的内容時調用該方法。例如，如果您剛剛處理了一個耗時 0.42 秒的 HTTP 請求，将執行以下操作：

requestDurations.Observe(0.42)

Go Client Library還為計時持續時間提供了幫助函數，然後自動将它們觀察到histogram中：

timer := prometheus.NewTimer(requestDurations) // [...Handle the request...] timer.ObserveDuration()

創建和使用摘要類似于Histogram，不同之處在于需要指定要跟蹤的分位數，而不是bucket。例如，如果您想跟蹤 HTTP 請求延遲的第 50、90 和 99 個百分位數，可以創建如下summary：

requestDurations := prometheus.NewSummary(prometheus.SummaryOpts{ Name: "http_request_duration_seconds", Help: "A summary of the HTTP request durations in seconds.", Objectives: map[float64]float64{ 0.5: 0.05, // 50th percentile with a max. absolute error of 0.05. 0.9: 0.01, // 90th percentile with a max. absolute error of 0.01. 0.99: 0.001, // 99th percentile with a max. absolute error of 0.001. }, }, )

創建後，跟蹤持續時間的工作方式與Histogram完全相同：

requestDurations.Observe(0.42)

這個我們在文章《prometheus基本概念》中詳細對比過，結論是：