prometheus的指标

##prometheus中便签类型
prometheus中Histogram和Summary类型的：

- （1）在prometheus client中区分Histogram和Summary，分别表示两个类，可以依次创建指标
 Histogram
Histogram 由 _bucket{le=""}，_bucket{le="+Inf"}, _sum，_count 组成，主要用于表示一段时间范围内对数据进行采样（通常是请求持续时间或响应大小），并能够对其指定区间以及总数进行统计，通常它采集的数据展示为直方图。
例如 Prometheus server 中 prometheus_local_storage_series_chunks_persisted, 表示 Prometheus 中每个时序需要存储的 chunks 数量，我们可以用它计算待持久化的数据的分位数。
Summary
Summary 和 Histogram 类似，由 {quantile="<φ>"}，_sum，_count 组成，主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或响应大小），它直接存储了 quantile 数据，而不是根据统计区间计算出来的。
例如 Prometheus server 中 prometheus_target_interval_length_seconds。
Histogram vs Summary
都包含 _sum，_count
Histogram 需要通过 _bucket 计算 quantile, 而 Summary 直接存储了 quantile 的值。
- （2）在Micrometer中，两者统称之分布概要（Distribution summary）用来记录事件的分布情况，
分布概要（Distribution summary）用来记录事件的分布情况。计时器本质上也是一种分布概要。表示分布概要的类 DistributionSummary 可以从注册表中创建，也可以使用 DistributionSummary.builder() 提供的构建器来创建。分布概要根据每个事件所对应的值，把事件分配到对应的桶（bucket）中。Micrometer 默认的桶的值从 1 到最大的 long 值。可以通过 minimumExpectedValue 和 maximumExpectedValue 来控制值的范围。如果事件所对应的值较小，可以通过 scale 来设置一个值来对数值进行放大。与分布概要密切相关的是直方图和百分比（percentile）。大多数时候，我们并不关注具体的数值，而是数值的分布区间。比如在查看 HTTP 服务响应时间的性能指标时，通常关注是的几个重要的百分比，如 50%，75%和 90%等。所关注的是对于这些百分比数量的请求都在多少时间内完成。Micrometer 提供了两种不同的方式来处理百分比。

 

详细参考：

如何区分prometheus中Histogram和Summary类型的metrics？  https://www.cnblogs.com/aguncn/p/9920545.html

使用 Micrometer 记录 Java 应用性能指标 https://www.ibm.com/developerworks/cn/java/j-using-micrometer-to-record-java-metric/index.html

基于Prometheus搭建SpringCloud全方位立体监控体系 https://www.jianshu.com/p/2e2e28656dd5

JVM应用度量框架Micrometer实战 http://throwable.coding.me/2018/11/17/jvm-micrometer-prometheus/#Meters