2. Metric 类型与采集：Counter、Gauge、Histogram、Summary 的区别与适用场景，Prometheus Exporter 采集原理

2.1 四大核心 Metric 类型

Prometheus 定义了四种核心 Metric 类型，每种类型对应不同的数据特征与查询模式。理解它们的差异是设计可靠告警与容量水位阈值的前提。

2.2 类型选择决策树

在实际 Metric 设计时，按以下顺序判断应使用哪种类型：

1. 数据是否只增不减？ → 是 → Counter（请求量、错误量、写入字节数）
2. 数据是否可增可减，反映当前状态？ → 是 → Gauge（内存、连接数、队列深度）
3. 是否需要分析分布或计算分位数？ → 是
4. 是否需要跨实例聚合分位数？ → 是 → Histogram（服务端聚合）
5. 是否已知固定分位数且无需跨实例聚合？ → 是 → Summary（客户端预计算）

2.3 Histogram 与 Summary 的深层对比

Histogram 和 Summary 都用于度量延迟分布，但架构差异显著，直接影响容量压测时的水位口径选择。

2.4 Prometheus Exporter 采集原理

Exporter 是 Prometheus 生态中负责将第三方系统指标转换为 Prometheus 可抓取格式的代理组件。其核心采集流程如下：

1. 注册 Metric 描述符：在 Exporter 初始化时，通过 prometheus.NewCounterVec()、prometheus.NewGaugeVec() 等函数定义 Metric 的名称、标签、帮助信息。
2. 采集器（Collector）实现：实现 prometheus.Collector 接口的 Describe() 和 Collect() 方法。Describe() 发送 Metric 描述，Collect() 发送当前样本值。
3. HTTP Handler 暴露：通过 promhttp.Handler() 将采集到的 Metric 序列化为 Prometheus 文本格式，在 /metrics 端点暴露。
4. 抓取与拉取模型：Prometheus Server 定期向 Exporter 的 /metrics 发起 HTTP GET 请求，拉取文本数据并解析入库。

2.5 自定义 Exporter 代码示例（Go）

package main

import (
    "net/http"
    "github.com/prometheus/client_golang/prometheus"
    "github.com/prometheus/client_golang/prometheus/promhttp"
)

var (
    // Counter：累计请求数
    requestCounter = prometheus.NewCounterVec(
        prometheus.CounterOpts{
            Name: "http_requests_total",
            Help: "Total number of HTTP requests",
        },
        []string{"method", "status"},
    )

    // Gauge：当前连接数
    activeConnGauge = prometheus.NewGauge(
        prometheus.GaugeOpts{
            Name: "active_connections",
            Help: "Current number of active connections",
        },
    )

    // Histogram：请求延迟分布
    requestDuration = prometheus.NewHistogramVec(
        prometheus.HistogramOpts{
            Name:    "http_request_duration_seconds",
            Help:    "HTTP request latency distributions",
            Buckets: prometheus.DefBuckets, // 默认桶：[0.005, 0.01, 0.025, 0.05, ..., 10]
        },
        []string{"method"},
    )
)

func init() {
    prometheus.MustRegister(requestCounter)
    prometheus.MustRegister(activeConnGauge)
    prometheus.MustRegister(requestDuration)
}

func main() {
    http.Handle("/metrics", promhttp.Handler())
    http.ListenAndServe(":8080", nil)
}

2.6 采集性能与水位口径的关系

在容量压测中，Exporter 的采集性能直接影响水位数据的准确性：

• 采集延迟：如果 Exporter 采集耗时超过 scrape_timeout（默认 10s），Prometheus 会丢弃该次样本，导致水位数据出现空洞。
• 样本量控制：每个 Exporter 暴露的 Metric 数量建议控制在 10,000 以内，超过此阈值会显著增加 Prometheus Server 的解析与存储压力。
• 标签基数：避免高基数标签（如 user_id、request_id），否则会导致 Histogram 的 bucket 数量爆炸，压测水位评估失真。