Metric 指标类型及实践

原创已于 2025-07-07 18:48:00 修改 · 939 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#云原生 #可观测 #java

于 2025-07-07 17:50:39 首次发布

一、指标类型详解

在可观测的metrics 中定义了以下四种指标类型，每种指标类型都有其特定的设计目的（如下示例以Prometheus为例）：

① Counter（计数器）

📌 定义：

单调递增的指标，仅用于累加值（不能减少，除非进程重启）。
通常用于表示某类事件累计发生次数。

✅ 示例用途：

http_requests_total：累计 HTTP 请求数
error_count_total：累计错误数
jobs_completed_total：累计任务数

📊 PromQL 查询：

rate(http_requests_total[5m]) // 计算每秒请求速率 increase(error_count_total[1h]) // 一小时内增长数量

🧠 最佳实践：

始终将后缀加上 _total，例如 http_requests_total
使用 rate() 或 increase() 来处理 Counter 重置（例如重启后的归零）
避免将值减掉（如 gauge 减一）；改用标签或多个 counter 替代

② Gauge（仪表盘值）

📌 定义：

可任意增减的值，表示某个瞬时状态。
常用于表示某一资源的使用量或状态值。

✅ 示例用途：

memory_usage_bytes：当前内存使用量
cpu_temperature_celsius：CPU 温度
active_sessions：当前活跃连接数

📊 PromQL 查询：

avg_over_time(memory_usage_bytes[5m]) max(active_sessions)

🧠 最佳实践：

尽量保持更新频率一致，否则瞬时值意义会偏差
避免只采集初始化值或长时间不变的值
可用于表示缓存大小、连接池剩余、线程数等

③ Histogram（直方图）

📌 定义：

用于分布统计的指标，把观测值放进多个 桶（bucket） 中，记录：
- 每个桶的累计计数
- 所有观测值的总数（count）
- 所有观测值的总和（sum）

✅ 示例用途：

http_request_duration_seconds_bucket：请求时延分布
payload_size_bytes_bucket：请求体大小分布

📊 PromQL 查询：

histogram_quantile(0.95, sum(rate(http_request_duration_seconds_bucket[5m])) by (le))

🧠 最佳实践：

使用合理的 bucket 划分（避免过细或过宽）
可使用默认值 prometheus.DefBuckets（线性增长）
bucket 是 累加的（≤），即 le="0.5" 表示 ≤0.5 秒的总数
用于计算分位数（P95、P99）或绘制延迟热图
会产生多个时序（每个 bucket + label），注意 Cardinality（标签维度）控制

④ Summary（摘要）

📌 定义：

用于在客户端（应用内部）直接计算分位数（quantile）
同时暴露总数（count）和总和（sum）

✅ 示例用途：

http_request_latency_seconds{quantile="0.95"}：本地估算的 P95 延迟
job_duration_seconds：任务耗时的摘要分布

📊 PromQL 查询：

http_request_latency_seconds{quantile="0.99"}

🧠 最佳实践：

适用于 单实例本地分位估算，但不适合跨实例聚合
避免与 histogram_quantile() 混用理解
通常用于对时间敏感的本地性能指标
不推荐用于全局 SLO，使用 Histogram 更易聚合

🛠 二、Java + Micrometer 使用建议（Spring Boot）

Micrometer 是 Spring Boot 的监控抽象层，支持向 Prometheus 推送指标。

@Autowired MeterRegistry registry; 
// Counter 示例 
Counter requests = registry.counter("http_requests_total", "method", "GET"); requests.increment(); 
// Gauge 示例（注册时要提供值的 Supplier） 
registry.gauge("cache_size", cacheMap, Map::size); 
// Histogram 示例 
Timer timer = registry.timer("http_request_duration_seconds"); 
timer.record(() -> { // 执行耗时操作 });

Micrometer 默认将 Timer 类型映射为 Prometheus 的 Histogram，并自动生成 _bucket、_count、_sum 后缀指标。

🧪 三、实际场景推荐

场景	推荐类型	理由说明
统计请求量、任务数、错误数	`Counter`	只增不减，便于速率分析和报警
监控内存、线程、连接数等资源使用	`Gauge`	快照型状态值，便于展示和阈值报警
评估延迟分布、响应时间等	`Histogram`	可用 `histogram_quantile()` 聚合计算 SLO
单点延迟监控（如网关、本地调用）	`Summary`	本地估算分位值精度高，但不宜用于多实例场景聚合