可观测性与稳定性 / 系统课时
Counter 为什么常配合 rate
Counter 为什么常配合 rate
Counter 记录的是只增不减的累计量,但监控通常关心“最近每秒发生多少次”。直接查看累计值很难判断当前流量,因此需要用 rate() 把一段时间内的 Counter 增长转换为平均每秒速率。
学习目标
- 理解为什么 Counter 的原始累计值不适合直接表示当前负载
- 使用
rate()计算请求、错误和网络字节的平均增长速率 - 正确选择时间窗口,并理解 Counter 重置对查询的影响
从累计值转换为增长速度
假设 http_requests_total 是一个请求 Counter。服务启动后,它可能依次变成 1000、1200、1500。这个数能说明服务累计处理过多少请求,却不能直接回答“现在每秒有多少请求”。
rate() 接收一个区间向量,例如 [5m],计算该时间范围内 Counter 的平均每秒增长速率:
rate(http_requests_total[5m])假设某个实例在这 5 分钟内从约 1200 次增长到约 1800 次,并且样本稳定,平均增长约为 600 / 300 = 2 次每秒。
预期结果
{instance="server-a:9100", job="api"} 2实际结果由真实采样点决定;Prometheus 会根据区间内样本进行计算并处理采样边界,因此不应把结果简单理解为两个端点直接相减。
按业务含义计算不同 Counter
只要指标符合 Counter 语义,都可以用同样的方法计算增长速度。例如请求总数可以得到 QPS,错误总数可以得到每秒错误数,网络发送字节总数可以得到每秒字节数。
rate(http_requests_total[5m])rate(http_request_errors_total[5m])rate(node_network_transmit_bytes_total{device="eth0"}[5m])三类结果的单位分别可以理解为“请求/秒”“错误/秒”和“字节/秒”。因此阅读 rate() 时,要同时查看原始 Counter 的单位,不能只看数值大小。
时间窗口怎样选择
窗口越短,结果越敏感,能够较快反映突发流量,但样本较少时也更容易波动;窗口越长,曲线越平滑,却会弱化短时间尖峰。
例如抓取间隔为 15 秒时,下面两个查询观察的是不同时间尺度:
rate(http_requests_total[1m])rate(http_requests_total[10m])[1m] 更适合观察近期变化,[10m] 更适合观察较稳定的趋势。窗口至少需要覆盖足够的采样点,否则可能无法计算出有效速率。Grafana 中经常会根据面板时间范围动态选择 rate 区间,也正是为了避免固定窗口在不同时间跨度下失真。
Counter 重置为什么不会直接产生负速率
进程重启后,Counter 常会从一个较大的值重新回到 0。例如请求总数从 50000 变成 20。如果直接做普通差值,就会得到巨大的负数。
rate() 按 Counter 的语义处理这类重置,因此它比手工对累计值做减法更适合监控查询。也正因为如此,应先对每条独立时间序列计算 rate(),再做跨实例聚合:
sum by (job) (rate(http_requests_total[5m]))预期结果
{job="api"} 42.7这里的 42.7 表示假设数据下整个 api 服务所有实例合计约每秒 42.7 个请求,实际值会随采样数据变化。
如果目标不是“每秒增长多少”,而是“最近一段时间总共增加多少”,通常应考虑 increase()。对于持续观察吞吐、错误速度和网络流量,rate() 则是 Counter 最常见的搭配。