4、Prometheus基础与指标类型：四种核心指标类型及其在SLI中的应用

Prometheus 是云原生监控的事实标准，其多维数据模型和强大的 PromQL 查询语言为 SLI 采集提供了灵活、精准的底座。理解 Prometheus 的四种核心指标类型——Counter、Gauge、Histogram 和 Summary——是构建可靠 SLI 数据管道的第一步。每种类型对应不同的数据特征和计算场景，选错类型将直接导致 SLI 计算失真。

4.1 四种指标类型概览

4.2 Counter：累计计数，驱动速率类 SLI

Counter 是最常用的指标类型，其值只能单调递增（进程重启时归零）。它天然适合描述“总量”类数据，如 HTTP 请求总数、错误总数、任务执行次数。在 SLI 计算中，我们几乎从不直接使用 Counter 的原始值，而是通过 rate() 或 increase() 函数将其转换为每秒速率或一段时间内的增量。

# 示例：计算过去5分钟的平均请求速率（QPS）
rate(http_requests_total{job="api-server"}[5m])

# 示例：计算过去1小时内的错误总数增量
increase(http_errors_total{job="api-server"}[1h])

4.3 Gauge：瞬时快照，监控饱和度与资源

Gauge 反映当前时刻的瞬时值，可升可降。它适用于描述状态或水位类指标，如 CPU 使用率、内存使用量、队列深度、并发连接数。在 SLI 中，Gauge 常用于监控资源饱和度和容量瓶颈。

# 示例：获取当前 CPU 使用率最高的节点
max(node_cpu_seconds_total{mode="idle"}) by (instance)

# 示例：检查当前队列深度是否超过阈值
queue_depth{job="worker"} > 1000

4.4 Histogram：分桶统计，服务端计算延迟分布

Histogram 是构建延迟类 SLI 的核心工具。它将观测值（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（_sum）和总数（_count）。Prometheus 服务端通过 histogram_quantile() 函数计算分位数，如 P99、P95 延迟。

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

# 示例：计算平均延迟（通过 _sum / _count）
rate(http_request_duration_seconds_sum[5m]) / rate(http_request_duration_seconds_count[5m])

4.5 Summary：客户端预计算，精确但不可聚合

Summary 在客户端直接计算分位数，并将结果以 quantile 标签的形式暴露。它不依赖服务端计算，因此分位数更精确，但无法跨实例聚合。在微服务架构中，Summary 通常用于需要精确延迟监控但不需要全局聚合的场景。

# Summary 暴露的指标示例（直接读取）
rpc_duration_seconds{quantile="0.5"}  0.052
rpc_duration_seconds{quantile="0.9"}  0.123
rpc_duration_seconds{quantile="0.99"} 0.345
rpc_duration_seconds_count            1000
rpc_duration_seconds_sum              45.6

4.6 指标类型选择决策流程

4.7 四种类型在 SLI 中的典型应用对照