可观测性与稳定性 / 系统课时
Gauge 适合记录什么数据
Gauge 适合记录什么数据
Gauge 用来描述“此刻是多少”的状态值:它可以上升,也可以下降。温度、队列长度、在线连接数、可用内存都属于这一类。选对 Gauge 的关键不是看它是不是“数量”,而是判断这个值是否允许在下一次采集时变小。
学习目标
- 判断一个业务量是否应该使用 Gauge
- 理解 Gauge 与 Counter 在变化方向上的根本区别
- 避免把累计事件数错误建模成 Gauge
Gauge 表示当前状态
Gauge 保存的是某个观察时刻的数值快照。假设任务队列里现在有 17 个任务,消费者处理掉 8 个且没有新任务进入,那么下一次采集可以直接变成 9。这个“17 → 9”的下降完全正常,因为监控目标是当前队列长度,而不是历史上一共进入过多少任务。
同样的逻辑适用于温度、并发连接数、线程池活跃线程数、磁盘剩余空间和进程当前占用内存。它们都可能随系统状态在两个采集时刻之间向任意方向变化。
# TYPE worker_queue_length gauge
worker_queue_length 17
# 下一次采集时,队列可能已经缩短
worker_queue_length 9这里的文本是指标暴露格式示例,不是需要执行的命令。验证 Gauge 是否建模正确,只要继续观察后续采样:业务状态下降时,指标也应能自然下降。
判断是否该用 Gauge
最实用的判断方法是问一句:“如果什么都不重启,这个值会不会合理地变小?”答案为“会”时,通常应优先考虑 Gauge。
例如在线连接数可以从 120 降到 87,内存使用量可以在垃圾回收后下降,机房温度也会随着负载和制冷变化。它们表达的是状态,而不是已经发生过的事件总量。
反过来,“HTTP 请求总数”“任务完成总数”“错误累计次数”描述的是事件累积。只要进程没有重置,这类数值不应该减少,更适合 Counter。即使名称里也出现“数量”,它的语义仍与当前连接数完全不同。
采集时要关注状态来源
Gauge 的值通常来自两种方式:一种是在业务状态变化时主动增减或设置,另一种是在 Prometheus 抓取指标时即时读取真实状态。无论采用哪种方式,都应让指标尽量接近系统的实际状态,而不是维护一份容易与真实对象失步的重复计数。
例如队列长度如果本来就能由队列组件直接查询,就没有必要额外维护一个“猜测中的长度”。连接数、线程数和内存占用也应优先读取权威状态源,这样进程异常、并发更新或遗漏减计数时不容易产生长期漂移。
什么时候 Gauge 最合适
当你关心的是容量压力、资源水位或实时规模时,Gauge 往往最直观。例如“当前队列是否堆积”“当前连接是否接近上限”“当前内存是否逼近容量”都可以直接围绕 Gauge 设置阈值和看板。
最终只需记住一个边界:Gauge 回答“现在有多少”,Counter 回答“到目前为止发生了多少”。先确定问题属于哪一种,再选择指标类型,比从名称里的“数”“量”“次数”判断更可靠。