可观测性与稳定性 / 系统课时
理解 Metrics 数据模型与仪表类型
理解 Metrics 数据模型与仪表类型
本篇解决一个最容易混淆的问题:代码里创建的 Instrument,并不等于最终存储的时间序列。你会从记录语义出发,串起 Measurement、聚合、Metric Stream 与 Timeseries,并能为计数、分布和当前值选择合适的仪表。
学习目标
- 区分 Counter、UpDownCounter、Histogram、Observable Gauge 的记录语义
- 解释 Measurement 如何经过聚合形成 Metric Stream 与时间序列
- 根据“增量、分布、当前值”判断应使用的仪表类型
从记录语义选择仪表
OpenTelemetry 的 Instrument 首先表达“应用如何产生测量值”,而不是“后端最终显示成什么图”。同步仪表由业务代码主动记录;Observable 类异步仪表则由 SDK 在采集时调用回调,读取当时的状态。
| 仪表 | 记录语义 | 典型场景 | 不适合 |
|---|---|---|---|
Counter |
只增加,记录非负增量 | 请求数、完成任务数 | 当前连接数 |
UpDownCounter |
可增可减,记录变化量 | 在途任务数的增减 | 请求耗时分布 |
Histogram |
记录一组观测值并保留分布 | 延迟、响应体大小 | 单一当前状态 |
ObservableGauge |
采集时观察一个绝对值 | CPU 利用率、温度、队列深度快照 | 可安全求和的累计计数 |
判断时先问“我要记录增量,还是读取当前值”。例如“每完成一次请求加 1”属于 Counter;“当前 CPU 是 73%”属于 Observable Gauge;“每个请求耗时多少毫秒”则应进入 Histogram。
从 Measurement 到 Metric Stream
一次 Measurement 可以理解为“数值 + 属性”。同一个 Instrument 连续产生大量 Measurement 后,SDK 不会把所有原始事件逐条发送,而是依据聚合规则和属性集合,把它们压缩成一个或多个 Metric Stream,再由 Reader 与 Exporter 输出。

假设 http.server.request.duration 连续记录 12、37、220 ms,并使用边界 25、100、250 ms。聚合结果可以保留 count=3、sum=269,并把三个值分别计入 (−∞,25]、(25,100]、(100,250] 的桶,而不需要发送三条原始耗时事件。
看懂聚合后的数据类型
Instrument 与 OTLP 数据点类型不是简单的一一同名映射。Counter 默认形成单调的 Sum;UpDownCounter 形成非单调 Sum;Histogram 形成包含 count、sum 与桶计数的 Histogram;Observable Gauge 通常形成 Gauge,保留采集窗口中的最后观测值。
属性决定流的拆分方式。若请求指标保留 http.request.method=GET 与 http.route=/users/{id},它与 POST 或另一条路由通常属于不同时间序列。把 user.id、request.id 这类高基数值放进属性,会让序列数量快速膨胀。
理解时间窗口与 Temporality
Sum、Histogram 等可聚合数据还要表达时间语义。Cumulative 表示从某个起点累计到当前采集时刻;Delta 表示相邻采集窗口内新增的量。两者都不是原始事件列表,而是对某段时间内 Measurement 的压缩表示。
因此,看到后端的一条时间序列时,应把它理解成“同一指标身份与属性集合下,按时间排列的一组聚合数据点”。先选对 Instrument,再控制属性与聚合,后续查询、告警和跨实例汇总才会保持正确语义。