Prometheus 四大指标类型全解析

add_circle_outline1. Counter (计数器)

一句话定义：一个只增不减的累加器，如同汽车的总里程表。

特点

• 数值**单调递增**，除非系统重启或指标被重置。
• 非常适合用来统计累计发生的事件次数。
• 常与 rate() 或 irate() 函数结合使用，计算事件发生的速率。

常见用途

• HTTP 请求总数 (http_requests_total)
• 记录的错误总数 (errors_total)
• 已完成的后台作业数 (jobs_completed_total)

示例

# HELP http_requests_total Total number of HTTP requests
# TYPE http_requests_total counter
http_requests_total{method="post",code="200"} 1027
http_requests_total{method="post",code="400"} 3

注意： 不要用 Counter 来记录可增可减的数值，比如当前温度或内存使用量。

speed2. Gauge (仪表盘)

一句话定义：一个可以任意上下波动的瞬时值，如同汽车的速度表。

特点

• 数值可以**上升或下降**，反映的是某个时间点的“快照”状态。
• 表示一个即时的、可变的测量值。

常见用途

• 当前内存使用量 (memory_usage_bytes)
• 活跃的数据库连接数 (active_connections)
• 队列中的任务数量 (jobs_in_queue)
• CPU 温度、磁盘空间等瞬时状态值。

示例

# HELP temperature_celsius Current temperature in Celsius
# TYPE temperature_celsius gauge
temperature_celsius{location="server-room"} 23.7

bar_chart3. Histogram (直方图)

一句话定义：对一段时间内的观测值（如延迟）进行采样，并将其分布到预设的桶（buckets）中进行统计。

特点

• 用于记录一系列**观测值**的分布情况。
• 需要预先定义好计数的区间（buckets）。
• Exporter 会自动生成三个相关的指标：
  • _bucket{le=""}：小于等于该上边界的样本数（累加值）。
  • _sum：所有样本值的总和。
  • _count：样本的总数量。
• **可聚合性**：多个 Histogram 可以被聚合，非常适合在分布式系统中统计整体的延迟分布。

常见用途

• API 请求延迟（latency）分布。
• HTTP 响应大小分布。
• 函数执行时间分布。

示例

# HELP http_request_duration_seconds HTTP request latency distribution
# TYPE http_request_duration_seconds histogram
http_request_duration_seconds_bucket{le="0.1"} 300
http_request_duration_seconds_bucket{le="0.5"} 450
http_request_duration_seconds_bucket{le="1"}   490
http_request_duration_seconds_bucket{le="+Inf"} 500
http_request_duration_seconds_sum 123.4
http_request_duration_seconds_count 500

解读： 上述示例表示，共有500次请求。其中，延迟≤0.1s的有300次，≤0.5s的有450次。总延迟为123.4秒。

stacked_line_chart4. Summary (摘要)

一句话定义：与 Histogram 类似，但它直接在客户端计算并暴露**分位数**（Quantiles），而不是桶。

特点

• 同样用于记录一系列观测值的分布。
• 它不提供桶，而是直接计算并提供配置好的**分位数**（如 φ-quantiles: 0.5, 0.9, 0.99）。
• Exporter 同样会生成 _sum 和 _count 指标。
• **不可聚合性**：由于分位数无法被有意义地聚合（你不能对多个节点的 p99 延迟求平均值得到整体的 p99 延迟），Summary 不适合分布式系统的聚合分析。

常见用途

• 需要精确了解单个实例的延迟分布（p50, p90, p99）。
• 对聚合需求不高的场景，或者当预设 Histogram 的桶不方便时。

示例

# HELP http_request_duration_seconds HTTP request latency summary
# TYPE http_request_duration_seconds summary
http_request_duration_seconds{quantile="0.5"} 0.25
http_request_duration_seconds{quantile="0.9"} 0.42
http_request_duration_seconds{quantile="0.99"} 0.78
http_request_duration_seconds_sum 123.4
http_request_duration_seconds_count 500

解读： 50%的请求延迟在0.25秒以下，90%的请求在0.42秒以下。

balance⚖️ Histogram vs. Summary 对比与总结

两者都用于测量延迟等分布性指标，但核心区别在于**计算和聚合的方式**。

一句话总结

• 想在**服务端聚合**多个实例的数据并计算分位数？用 **Histogram**。
• 只想看**单个实例**的精确分位数，且不需要聚合？用 **Summary**。

可视化对比