Metrics类型

根据不同监控指标之间的差异，Prometheus定义了4中不同的指标类型(metric type)：Counter（计数器）、Gauge（仪表盘）、Histogram（直方图）、Summary（摘要）。
最常用的两种数据类型:

1. counter：此类型的指标其工作方式和计数器一样，只增不减（除非系统发生重置）。例如 node_cpu_seconds_total{mode="idle"} cpu空闲时间。
2. Gauge：用于反应该样本的当前状态，该样本数可增可减。例如可用内存大小。
   较难理解的两种数据类型:
3. Histogram与Summary：都是比例型的数值，统计数据的分布情况，如最小值，最大值，中间值，中位数，75百分位，90百分位，95百分位，98百分位，99百分位和99.9百分位（percentiles），近似于百分比估算数值。两种区别在于summary分位数是客户端计算上报，histogram中位数涉及服务端计算。
   此处Http_response_time来解释此类型数据:
   http请求响应时间：一次用户http请求在系统传输和执行过程中总共花费的时间，nginx的access_log有一列就为此时间。
   需求:抓取某个业务当天access_log，并监控用户的访问时间，如何操作？
   方案1：所有请求访问时间总和求平均值 假如当天100w次访问平均值为0.05s
   情景1： 假如当天发生线上故障：中午1:00 - 1:05,整体用户请求响应时间0.5-1s。此种方案无法反映此段故障。
   情景2： 慢请求，有一小部分用户由于程序bug，或系统或其他原因，请求响应时间比平均值大很多，甚至5s，10s 。此种方案也无法反应此情况。
   方案2：基于Histogram的metrics类型（prometheus提供了一个基于Histogram算法的函数可供直接使用）分别统计出各段响应时间的用户:
   ~=0.0.5s 的请求数 ， 0~0.05s的请求数 ，>2s的请求数 ，>10s的请求数

函数介绍

以下两个函数都用于counter类型数据
increase( )
eg:某一分钟cpu使用时间 increase()[1m]=该分钟末cpu使用时间-该分钟初cpu使用时间

rate(）
eg:某一分钟cpu使用率 rate()[1m]=某一分钟cpu使用时间/60s
即 rate()=increase( )/60s

topk(3,rate(监控项(表达式))) 可用于监控单核cpu使用率前3 > xxx告警

sum() by ()
将某表达式查出的所有数据相加即为sum(), 再将相加的值通过某个特性进行分组，即为 sum() by()
例如监控某台主机（非单核）的cpu使用率

count()
对于满足某个表达式的监控项进行计数
eg: cpu使用率大于80%的服务器超过30台告警

promql 常用函数介绍

原文：https://www.cnblogs.com/huandada/p/11099593.html