java prometheus的数据类型有哪些


本篇内容主要讲解“java prometheus的数据类型有哪些”,感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷,实用性强。下面就让小编来带大家学习“java prometheus的数据类型有哪些”吧!Prometheus将所有采集到的样本数据以时间序列(time-series)的方式保存在内存数据库中,并定时保存在硬盘上。时间序列中的每一个样本由以下三部分组成。指标(metric): metric name和描述当前样本特征的labelsets组成,参考格式如{,其中metric name的命名规则为:应用名称开头_监测对像_数值类型_单位时间截(timestamp):一个精确到毫秒的时间截;样本值(value):一个float64的浮点类型数据表示当前的样本值。2.1 Counter(计数器类型)
Counter类型的指标的工作方式和计数器一样,只增不减(除非系统发生了重置)。Counter一般用于累计值,例如记录请求次数、任务完成数、错误发生次数。counter主要有两个方法:在Prometheus自定义的metrics监控中,Counter的使用可以参考如下:Counter类型数据可以让用户方便的了解事件产生的速率的变化,在PromQL内置的相关操作函数可以提供相应的分析,比如以HTTP应用请求量来进行说明:12342.2 Gauge(仪表盘类型)
Gauge是可增可减的指标类,可以用于反应当前应用的状态。比如在监控主机时,主机当前的内容大小(node_memory_MemFree),可用内存大小(node_memory_MemAvailable)。或者时容器当前的cpu使用率,内存使用率。
Gauge指标对象主要包含两个方法inc()以及dec(),用户添加或者减少计数。
在Prometheus自定义的metrics监控中,Gauge的使用可以参考如下:对于Gauge类型的监控指标,通过PromQL内置函数delta()可以获取样本在一段时间内的变化情况,比如:2.3 Histogram(直方图类型)
Histogram 由 _bucket{le=””},_bucket{le=”+Inf”}, _sum,_count 组成,主要用于表示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),并能够对其指定区间以及总数进行统计,通常它采集的数据展示为直方图。
在Prometheus自定义的metrics监控中,Histgram的使用可以参考如下:
以请求响应时间requests_latency_seconds为例,比如我们需要记录http请求响应时间符合在分布范围{0.005,0.01,0.025,0.05,0.075,0.1,0.25,0.5,0.75,1,2.5,5,7.5,10}中的次数时1234使用Histogram构造器在创建Histogram监控指标时,默认的buckets范围为{0.005,0.01,0.025,0.05,0.075,0.1,0.25,0.5,0.75,1,2.5,5,7.5,10},如果要修改默认的buckets,可以使用.buckets(double… bukets)覆盖。
Histogram会自动创建3个指标,分别为:事件发生的总次数,basename_count。所有事件产生值的大小的总和,basename_sum。12事件产生的值分布在bucket中的次数,basename_bucket{le=“上包含”}2.4 Summary(摘要类型)
Summary类型和Histogram类型相似,由{quantile=””},_sum,_count组成,主要用于表示一段时间内数据采样结果(通常时请求持续时间或响应大小),它直接存储了quantile数据,而不是根据统计区间计算出来的。Summary与Histogram相比,存在如下区别:都包含 _sum和_count;Histogram需要通过_bucket计算quantile,而Summary直接存储了quantile的值。
在Prometheus自定义的metrics监控中,Summary的使用可以参考如下:Summary类型指标中包含的数据如下:事件发生总的次数事件产生的值的总和12事件产生的值的分布情况到此,相信大家对“java prometheus的数据类型有哪些”有了更深的了解,不妨来实际操作一番吧!这里是开发云网站,更多相关内容可以进入相关频道进行查询,关注 香港云主机我们,继续学习!

相关推荐: js深度优先遍历怎么实现

本篇内容介绍了“js深度优先遍历怎么实现”的有关知识,在实际案例的操作过程中,不少人都会遇到这样的困境,接下来就让小编带领大家学习一下如何处理这 香港云主机些情况吧!希望大家仔细阅读,能够学有所成!1、尽可能深的搜索图的分支。常规的深度优先并不会破坏原始数据结…

免责声明:本站发布的图片视频文字,以转载和分享为主,文章观点不代表本站立场,本站不承担相关法律责任;如果涉及侵权请联系邮箱:360163164@qq.com举报,并提供相关证据,经查实将立刻删除涉嫌侵权内容。

(0)
打赏 微信扫一扫 微信扫一扫
上一篇 07/30 11:18
下一篇 07/30 11:18

相关推荐