2. Metric 数据类型详解：Counter、Gauge、Histogram、Summary 的定义与适用场景

在可观测性体系中，Metric（指标）是量化系统状态与行为的基础。Prometheus 及其兼容生态定义了四种核心指标类型：Counter（计数器）、Gauge（仪表盘）、Histogram（直方图）、Summary（摘要）。理解每种类型的数学特性、存储模型与适用边界，是设计可靠告警规则与降噪策略的前提。

2.1 四种 Metric 类型总览

2.2 Counter（计数器）—— 只增不减的累积量

定义：Counter 是一种单调递增的累积计数器，其值在进程生命周期内只允许增加（或重置为零）。典型场景包括 HTTP 请求总数、数据库查询次数、任务执行成功数。

核心特性：

• 值只能增加，不能减少（进程重启时重置为 0）。
• 原始值本身无意义，必须通过 rate() 或 increase() 计算每秒速率或增量。
• 适用于衡量“事件发生的频率”或“总量趋势”。

告警降噪注意点：

• ❌ 错误做法：对 Counter 原始值设置固定阈值（如 errors_total > 100），会导致重启后误报。
• ✅ 正确做法：使用 rate(errors_total[5m]) > 0.1 检测错误率突增。

# 示例：PromQL 查询最近 5 分钟的错误率
rate(http_requests_total{status="500"}[5m])

2.3 Gauge（仪表盘）—— 可升可降的瞬时快照

定义：Gauge 表示一个可任意变化的瞬时值，反映系统当前状态。典型场景包括 CPU 使用率、内存占用量、活跃连接数、队列深度。

核心特性：

• 值可增可减，反映当前快照。
• 原始值可直接用于告警，无需速率转换。
• 适合使用 avg()、max()、min() 等聚合函数。

告警降噪注意点：

• Gauge 对瞬时抖动敏感，建议配合 avg_over_time() 或 max_over_time() 做窗口平滑。
• 避免对高频抖动指标使用单点阈值，容易产生告警风暴。

# 示例：检测 CPU 使用率超过 90% 持续 5 分钟
avg_over_time(node_cpu_seconds_total{mode="idle"}[5m]) < 0.1

2.4 Histogram（直方图）—— 分布感知的分桶统计

定义：Histogram 将观测值（如请求延迟）分配到预定义的桶（bucket）中，同时记录所有观测值的总和与计数。它不存储原始数据，而是存储分桶计数。

核心特性：

• 每个桶是一个 Counter，记录落在该桶范围内的观测次数。
• 额外提供 _sum（总和）和 _count（总数）。
• 通过 histogram_quantile() 函数在服务端计算分位数。

适用场景：

• 请求延迟分布（P50、P95、P99）。
• 响应大小分布。
• 需要灵活调整分位数计算精度的场景。

# 示例：计算 P99 延迟（单位：秒）
histogram_quantile(0.99, rate(http_request_duration_seconds_bucket[5m]))

告警降噪注意点：

• 桶边界设计直接影响分位数精度，桶太稀疏会导致分位数跳跃。
• 建议覆盖预期值的 95% 范围，并在尾部增加细粒度桶。

2.5 Summary（摘要）—— 客户端预计算的分位数

定义：Summary 在客户端直接计算分位数，并将预计算的分位数、总和、计数一起暴露给监控系统。与 Histogram 不同，Summary 不暴露桶计数，而是直接暴露分位数值。

核心特性：

• 分位数在客户端计算，服务端直接读取。
• 无法跨进程聚合分位数（因为预计算的分位数不可合并）。
• 适合已知分位数需求且客户端计算资源充足的场景。

适用场景：

• SLA 报告中的固定分位数（如 P99）。
• 客户端侧需要精确分位数，且不依赖服务端聚合。

# 示例：Summary 暴露的指标（Prometheus 格式）
# HELP rpc_duration_seconds Summary of RPC duration
# TYPE rpc_duration_seconds summary
rpc_duration_seconds{quantile="0.5"} 0.052
rpc_duration_seconds{quantile="0.9"} 0.1
rpc_duration_seconds{quantile="0.99"} 0.2
rpc_duration_seconds_sum 1234.56
rpc_duration_seconds_count 10000

2.6 四种类型的聚合特性对比

2.7 选型决策流程

1. 判断值是否单调递增：是 → Counter；否 → 进入下一步。
2. 判断是否需要分布信息：否 → Gauge；是 → 进入下一步。
3. 判断是否需要灵活分位数或跨进程聚合：是 → Histogram；否 → Summary。