Prometheus 监控的使用

Prometheus是什么?
Prometheus是一套开源的监控&报警&时间序列数据库的组合。

Prometheus数据模型
Prometheus 从根本上所有的存储都是按时间序列去实现的，每条时间序列是由唯一的 指标名称 和 一组 标签 （key=value）的形式组成。

指标名称
通常代表了监控对象的名称，可以简单理解为数据表的表名

标签
就是对一条时间序列不同维度的识别了，可以简单理解为数据表的字段。

四种指标类型

Counter 计数器
一种累加的 metric，典型的应用如：请求的个数，结束的任务数，出现的错误数等。随着客户端不断请求，数值越来越大。

Gauge 计量器
与Counter不同，Gauge类型的指标侧重于反应系统的当前状态。因此这类指标的样本数据可增可减，比如监控cpu使用率，内存占用等提供了增、减相关的方法.

Histogram 累积直方图
直方图，柱状图。常用于跟踪事件发生(通常是请求持续时间或响应大小)的规模，例如：请求耗时、响应大小。它特别之处是可以对记录的内容进行分组，提供 count 和 sum 全部值的功能。

Summary
跟 histogram 类似，summary 也对观测值（类似请求延迟或回复包大小）进行采样。同时它会给出一个总数以及所有观测值的总和，它在一个滑动的时间窗口上计算可配置的分位数。, 典型的应用如：请求持续时间，响应大小。主要做统计用,设置分位数的值，会实时返回该分位数上的值。

服务端收集监控数据主要有两种方式。
1、Prometheus server直接到client客户端拉取
2、由客户端将metrics推送至push gateway服务，再由prometheus server到push gateway拉取

具体实例：

package main

import (
    "github.com/gin-gonic/gin"
    "github.com/prometheus/client_golang/prometheus"
    "github.com/prometheus/client_golang/prometheus/promhttp"
)

//定义指标
var (
    requestHistogram = prometheus.NewHistogramVec(prometheus.HistogramOpts{
        Namespace:   "http_server",
        Subsystem:   "",
        Name:        "requests_seconds",
        Help:        "Histogram of response latency (seconds) of http handlers.",
        ConstLabels: nil,
        Buckets:     []float64{0, 0.01, 0.05, 0.1, 0.2, 0.3, 0.4, 0.5, 1, 2, 5, 10},
    }, []string{"userId", "requestType"}) 
)

//注册监控指标
func init() {
    prometheus.MustRegister(requestHistogram)
}
func main() {
    r := gin.Default()
    r.GET("/metrics", gin.WrapH(promhttp.Handler()))
    
    //收集数据
   //客户端统计的数据以 userId requestType 两个维度作为唯一建进行统计数据区分的
    requestHistogram.With(prometheus.Labels{"userId": "11111", "requestType": "商品详情页"}).Observe(1.0)
    r.Run() // listen and serve on 0.0.0.0:8080 (for windows "localhost:8080")
}

直接访问: 127.0.0.1:8080/metrics 查看prometheus的数据

直方图详解:
1.什么是 Histogram？
Histogram 会在一段时间范围内对数据进行采样（通常是请求持续时间或响应大小等），并将其计入可配置的存储桶（bucket）中。但这句话还是不太好理解，下面通过具体的示例来说明。

假设我们想监控某个应用在一段时间内的响应时间，最后监控到的样本的响应时间范围为 0s~10s。现在我们将样本的值域划分为不同的区间，即不同的 bucket，每个 bucket 的宽度是 0.2s。那么第一个 bucket 表示响应时间小于等于 0.2s 的请求数量，第二个 bucket 表示响应时间大于 0.2s 小于等于 0.4s 的请求数量，以此类推。

Prometheus 的 histogram 是一种累积直方图，与上面的区间划分方式是有差别的，它的划分方式如下：还假设每个 bucket 的宽度是 0.2s，那么第一个 bucket 表示响应时间小于等于 0.2s 的请求数量，第二个 bucket 表示响应时间小于等于 0.4s 的请求数量，以此类推。也就是说，每一个 bucket 的样本包含了之前所有 bucket 的样本，所以叫累积直方图。

参考:
https://blog.csdn.net/weixin_...
http://www.45fan.com/article....
https://blog.csdn.net/kunyus/...