我正在nodejs中使用prom客户端发布/metrics端点。我想监控随着时间的推移偶尔发生的不同金额的销售。
在普罗米修斯中跟踪偶发或不连续度量的最佳方法是什么？现有的度量类型似乎都不适合。
- 用于跟踪单个值(
Gauge(的基本普罗米修斯度量类型面向连续数据(如CPU速度或并发请求( Histogram度量可以捕获不连续的数据，但需要手动百分位数，并且显然只需要估计分位数(https://prometheus.io/docs/practices/histograms/#errors-分位数估计(。此外，当度量服务器重新启动时，计数也会被清除Summary度量可以捕获不连续的数据，但"通常不可聚合"(https://latencytipoftheday.blogspot.com/2014/06/latencytipoftheday-you-cant-average.html)
这里有一个简单的Gauge设置，它显然不能捕获
import express from 'express'
import promClient, { Gauge } from 'prom-client'
export const someMetric = new Gauge({
name: 'some_metric',
help: 'Track some metric; type = [a, b, c]',
labelNames: ['one', 'two'],
})
const metricServer = express()
metricServer.get('/metrics', async (req, res) => {
console.log('Metrics scraped')
res
.set('content-type', 'text/plain')
.send(await promClient.register.metrics())
})
// intermittent callback that reports sales
service.onSale(value => {
// this will simply overwrite the previous sale :(
someMetric.labels('a', 'all').set(value)
})
metricServer.listen(9991, () =>
console.log(`🚨 Prometheus listening on http://localhost:9991/metrics`)
)
我目前的计划是创建一个新的数据库，在内部跟踪24小时的平均销售额，然后将其作为一个单一的连续指标公布给prometheus。不过，除了普罗米修斯的聚合能力之外，在内部保持滚动平均值似乎很尴尬。
在不知道捕获这些数据的确切目的的情况下，很难判断Gauge、Summary或Histogram是否最适合您的需求，但我会尽我所能进行假设。但首先，让我们从简化普罗米修斯的所作所为开始，这可能有助于想象我的去向。
普罗米修斯是一个时间序列数据库。这意味着，每次你的数据被抓取时，它都会在给定的时间戳中保存一个你的指标及其记录值的快照，所以在一个非常简化的版本中，你最终会得到类似<timestamp, your_metric{label="1"} value>的东西。
假设你想要的只是记录销售过程中支付的金额，而你的客户数量有限，Gauges可以帮助你在任何特定时间查看支付金额，通过标签区分任何客户*(不过，柜台也可以(。
现在，你的问题是关于跟踪数据。策划这件事不应该是个问题。即使数据不是连续的，您也可以在任何绘图仪中看到数据，例如Grafana。然而，看到点(<timestamp, value of your metric for each label combination>(或细线并不能说明任何故事，使它们几乎毫无意义，也很难追踪。要使这些数据连续，您可以做的是随着时间的推移进行聚合。随着时间的推移进行聚合，使您可以在所选时间窗口内获得聚合值，而不是在每个时间戳的处获得聚合值。
让我们尝试将其可视化：
普罗米修斯每2秒抓取一次数据。在30分钟内，您的仪表只记录了4次销售。两个不同的客户在第1分钟发了两个，两个不同客户在第20分钟发了一个。如果你按原样绘制，你会看到4个点。如果你将其相加，例如平均值，你会在第1分钟和第20分钟看到2个点，包含两次销售的平均值。
如果你有兴趣看到一个连续的故事，例如，在给定的时间段内，你需要随着时间的推移进行汇总。关键的区别是：在任何绘制的点上，您都会看到该时间戳和所选时间窗口之间的聚合值。因此，如果您在上面的示例中使用avg_over_time而不是avg，并且您选择30分钟的时间窗口，则从0到1分钟，从1分钟到20分钟，您将看到在1分钟、从20分钟到31分钟(从1分钟开始的两次销售后30分钟(发生的两次销售的平均值，您将查看所有4次销售的平均值。然后，从第31分钟到第50分钟，您将看到最近2次销售的平均值，然后从第50分钟再次为0。如果你选择一个更大的时间窗口，比如24小时，你会得到同样的效果。请记住，这个数字越大，Prometheus DB的计算密集度就越高。有很多标签*，每个标签的值都有很高的方差，这会使这样的时间窗口变得非常缓慢。查询如下：
*我强调了度量基数的重要性：度量中添加的标签越多，普罗米修斯进行计算所需的条目就越多，因为对于每个标签组合，它都会创建一个时间序列。