Prometheus 时序数据

一 时序索引
        Prometheus 存储的是时序数据,时间戳(timestamp)来源于服务端本地的系 统时间。Prometheus 使用 Unix 时间戳(即自 1970 年 1 月 1 日 00:00:00 UTC 起经过的秒数)表示时间。
        数 据 格 式 :
<metric name>{<label name>=<label value>, <label name>=<label value>, ...}
({...}里的就是标签部分),显然数据格式就是 由指标名字和一组 KV 标签构成,其实还得加上时间戳,构成三元组(metric,label set,timestamp)。
二 时序格式的优缺点
优点:
        1)高灵活性 。Prometheus 的时序格式采用了 K-V 方式来描述指标数据,使得用户可使用任意数量和类型的标签来对数据进行分类和聚合。这种灵活性使得 Prometheus 可以适应多种场景和需求;
        2)高存储效率 。Prometheus 采用了块压缩和切分等技术,使得它在存储时序数据方面非常高效,可以 支持长期存储大量数据 ,且不会因数据规模增加而导致 性能下降;
        3)查询速度 快。基于 prometheus 的时序数据,Prometheus 的查询引擎使用了一些优化方法可 快速 地处理大量的时序数据。
缺点:
        1) 数据冗余 。在 Prometheus 的时序格式中,每条指标数据都包含了一个完整的 label set,这样可能会导致数据冗余问题。如果数据的标签数过多,则会增加 存储和传输的负担,降低效率;
        2)标签维护 麻烦,标签的数量和选择会影响到查询性能和存储空间的占用。 同时,如果标签的命名不规范或者标签值发生变化,可能会导致查询结果出现错误;
        3)不支持原始数据 :是由于 Prometheus 的时序格式采用了块压缩和切分等技术,这可能会导致一些高精度的计算或者统计分析无法进行。
三 时序概念
        标签:也来⾃ 采集数据 ,可 ⾃定义 ,也可直接使 默认的 exporter 提供的标签项,其中 instance 标签最为重要,因为与机器实例相关联。
        时序的名字即指标名字仅可由 ASCII 字符、数字、下划线及冒号构成,必须满足正则表达式 
[a-zA-Z_:][a-zA-Z0-9_:]*
且名字应具有清晰化语义化 。如 http_requests_total 即 HTTP 请求总数。 而标签能区分不同的实例,标签名称仅可由 ASCII 字符、数字及下划线构成, 其中“_”开头一般属于 prometheus 保留字。
        另外,Target 是一个监控目标,通常是一个 URL,比如想监测一个 Redis 实例,那么通过配置实例 URL 和端口就可以让这个实例成为一个 target。
        Job 是一组相关 Target 的集合。通常是针对不同特点应用、容器或服务,比 如监控一个 Redis 存储服务,那么就需要检测所有 Redis 实例的总体性能情况。
四 类型概念
        Prometheus 有 4 种指标数据类型,其中最常用的是 Gauge 和 Counter。即时序数据指标类型。
Counter
        中文意思为计数器,表示单调累增的指标数据,数值只能在重启或重置为零。
        通常记录服务的请求数、已完成的任务数等。这里的递增很关键,官网的建议不要用Counter 来显示可能减小的数值,如果有用 Gauge 类型。通常 Counter 类型数据会在命名上以 “_total”为后缀,但这并不是强制的。

Gauge
        中文意思是仪表,表⽰ 搜集的数据是 瞬时的值。不像 Counter 那样持续增长,而是比较无状态、无规律的、使用起来相对简单,通常适用:内存使用情况、并发请求等。 不需要increase()、rate()之类的函数计算单位时间段的增量。

 

Histogram
        中文意思为直方图,主要⽤ 于表 ⼀段时间序列范围 内对数据进 采样(通常是请求持
续时间、响应 ⼤ ⼩ 等)。常命名格式为由
<base_name>_bucket{le="<upper inclusive bound>"}, 
<base_name>_sum,<base_name>_count,<base_name>_bucket{le="+Inf"}
组成。不过 Histogram 计算基于线性分布,桶的区间越大数据会越不准确。

 

Summary
        要⽤ 于表 ⽰⼀ 段时间内数据采样结果(通常是请求持续时间、响应 ⼤⼩ 等),它直接存储了 quantile 数据,⽽ 不是根据统计区间计算出来的。由
<base_name>{quantile=" <φ>"}, <base_name>_sum, <base_name>_count
组成,Summary 和 Histogram 是比较类似的。相比于 Histogram 少了存储 bucket 的存储空间,但需要在计算上产生压力。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/9845.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

C++—异常与类型转换、大小端存储、不使用额外空间的情况下交换两个数

异常 常见的异常包括&#xff1a;数组下标越界&#xff0c;除法计算的时候除数为0&#xff0c;动态分配空间时空间不足。 try&#xff0c;throw&#xff0c;catch #include <iostream> using namespace std; int main() {double m 1, n 0;try {cout << "b…

基于 RK3399+fpga 的 VME 总线控制器设计(一)总体设计

2.1 需求分析及技术指标 2.1.1 需求分析 VME 总线控制器需要实现数据传输、中断处理、测量显示等功能。同时还需 要具有操作系统、底层驱动程序以及功能接口等&#xff0c;以方便用户进行上层应用软件开 发及使用。 本课题需要实现 VME 控制器的国产化开发&#xff0…

FPGA实验六:PWM信号调制器设计

目录 一、实验目的 二、设计要求 三、实验代码 1.顶层文件代码 2.仿真文件部分代码 3.系统工程文件 四、实验结果及分析 1、引脚锁定 2、仿真波形及分析 3、下载测试结果及分析 五、实验心得 一、实验目的 &#xff08;1&#xff09;掌握通信信号调制过程及实现原理…

【模式识别目标检测】——模式识别技术车牌检测应用

目录 引入 一、模式识别主要方法 1、统计模式识别 2、基于隐马尔可夫模型识别 3、模糊模式识别 4、人工神经网络模式识别 总结 二、模式识别应用 1、车牌定位 2、车牌识别 参考文献&#xff1a; 引入 人在观察事物或现象时&#xff0c;常寻找它与其他事物或现象不同…

嵌入式Linux开发实操(二):uboot+kernal

要理解如何进行嵌入式Linux编程,必须知道系统启动引导过程: 上电后,芯片将开始执行其启动固件,它就是uboot,主要目的是加载一个程序,然后在芯片上运行它,uboot通过查看引导模式寄存器、保险丝Fuses或GPIO引脚的状态来确定从哪里加载程序,比如从从eMMC flash启动。 SPL是…

【MySQL体系结构及CetOS7安装MySQL和修改密码】

MySQL体系结构及安装MySQL MySQL体系结构CentOS7安装MySQL四种方法1、离线安装2、在线安装3、通用二级制方式4、容器方式安装 设置及修改密码忘记密码恢复 MySQL体系结构 MySQL是一种常用的关系型数据库管理系统&#xff08;RDBMS&#xff09;&#xff0c;其体系结构包括以下&…

更改VS code Jupyter 插件的默认快捷键

更改vscode 中Jupyter插件的默认快捷键&#xff0c;解放插入空行的系统快捷键 替换Jupyter默认快捷键 更改vscode 中Jupyter插件的默认快捷键&#xff0c;解放插入空行的系统快捷键打开keyboard shortcuts 设置方法一方法二 更换快捷键 end Jupyter 插件很好的在VS code中集成了…

华为OD机试真题B卷 Python 实现【整理扑克牌】,附详细解题思路

目录 一、题目描述步骤1步骤2步骤3 二、输入描述三、输出描述四、解题思路五、Python算法源码六、效果展示1、输入2、输出3、说明 一、题目描述 给定一组数字&#xff0c;表示扑克牌的牌面数字&#xff0c;忽略扑克牌的花色&#xff0c;请按如下规则对这一组扑克牌进行整理&am…

系统移植 kernel 移植 配置网卡IP NFS网络文件系统移植 7.4

给fs4412移植内核 Kernel&#xff08;内核&#xff09;是操作系统的核心组件&#xff0c;它负责管理计算机硬件和软件资源&#xff0c;提供对底层硬件的访问和控制&#xff0c;以及为应用程序提供运行环境。内核是操作系统的最底层&#xff0c;负责处理系统的各种任务和功能&a…

Docker学习笔记17

跨主机容器间网络&#xff1a; 实现跨主机容器间通信的工具&#xff1a; 1&#xff09;Pipework 2&#xff09;Flannel 3&#xff09;Weave 4&#xff09;Open V Switch &#xff08;OVS&#xff09; 5&#xff09;Calico 1. Weave&#xff1a; 在每个宿主机上布置一个特…

ChatGPT:为教育创新提供五大机遇

随着智能技术的不断发展&#xff0c;ChatGPT在教育场景中的创新价值可能比我们能够意识到的还要多。比如它可以自动处理作业、在线答疑&#xff0c;可以辅助语言学习、实时沟通&#xff0c;甚至还可以用于评估诊断、科学研究。国内外关于利用ChatGPT实现教育创新的场景描绘已经…

论文浅尝 | 大语言模型综述

笔记整理&#xff1a;刘康为、方润楠&#xff0c;浙江大学硕士&#xff0c;研究方向为自然语言处理 链接&#xff1a;https://arxiv.org/abs/2303.18223 一、介绍 在当前机遇和挑战的背景下&#xff0c;对大语言模型的研究和开发需要更多的关注。为了让读者对大语言模型有一个基…