Prometheus時序數據

時序數據，即按照相同時序（time series），以時間維度存儲的連續數據的集合。

Prometheus存儲的時序數據，時序是由Metric以及一組key/value標簽定義的，具有相同的Metric以及key/value（例如http_requests_total{method="POST"}）則屬於相同時序。按照某個時序以時間維度采集的數據，稱之為Samples（樣本），其值包含：一個float64值、一個毫秒級的unix時間戳。

 

Prometheus時序數據分為四種類型：

• Counter

Counter表示收集的數據是按照某個趨勢一直單向增減的，對某兩個時刻的數據求差值即可得到區間數據的增量。

• Gauge

Gauge表示搜集的數據是瞬時，與時間沒有關系，可以任意變高變低，往往可以用來記錄內存使用率、磁盤使用率等。

• Histogram

將樣本的值域划分為不同的區間，即不同的bucket

Prometheus的histogram是一種累積直方圖

histogram並不會保存數據采樣點值，只記錄樣本數，且每一個bucket的樣本包含了之前所有bucket 的樣本

    [basename]_bucket{le=“上邊界”}, 這個值為小於等於上邊界的所有采樣點數量

    [basename]_sum，對每個采樣點的值累加和

    [basename]_count，對采樣點的次數累加和

    [basename]_bucket{le=”+Inf”}，它的值必須等於 x_count 的值

• Summary

每個采樣點進行統計，並形成分位圖

summary直接存儲了 quantile 數據，而不是根據統計區間計算出來的。無需像Histogram一樣通過 <basename>_bucket 計算 quantile

[basename]{quantile="0.5"}，中位數的值

[basename]_sum，對每個采樣點的值累加和

[basename]_count，對采樣點的次數累加和

 

對每一個實例而言，prometheus按照以下時序來存儲所采集的數據樣本：

up{job="<job-name>", instance="<instance-id>"}: 1 表示該實例正常工作
up{job="<job-name>", instance="<instance-id>"}: 0 表示該實例故障
 
scrape_duration_seconds{job="<job-name>", instance="<instance-id>"} 表示拉取數據的時間間隔

scrape_samples_post_metric_relabeling{job="<job-name>", instance="<instance-id>"} 表示采用重定義標簽（relabeling）操作后仍然剩余的樣本數

scrape_samples_scraped{job="<job-name>", instance="<instance-id>"}  表示從該數據源獲取的樣本數