prometheus 监控磁盘容量：深入浅出监控神器Prometheus

prometheus 监控磁盘容量：深入浅出监控神器Prometheus我用histogram_quantile函数计算下：计算结果是1.25，其实已经不对了。MyHistogram = prometheus.NewHistogram(prometheus.HistogramOpts{ Name: "my_histogram_bucket" Help: "自定义histogram" Buckets: []float64{0 2.5 5 7.5 10} // 需要指定桶 })如果这样的话，所有指标都会直接进入到第一个桶，即0到2.5这个桶，如果我要计算中位数，那么这个中位数按照数学公式来算的话，肯定是在0到2.之间的，而且肯定是0.3到0.5之间。histogram_quantile(0.5 go_gc_pauses_seconds_total_bucket)分享之前和同事一起发现的坑：在刚刚写的自定

但是这样直接的相加太笼统抽象了，可以配合by和without函数在sum的时候，基于某些标签分组，类似SQL中的group by

例如，我可以根据请求接口标签分组：这样拿到的就是具体接口的QPS：

sum(rate(demo_api_request_duration_seconds_count{job="demo" method="GET" status="200"}[5m])) by(path)

也可以不根据接口路径分组：通过without指定：

sum(rate(demo_api_request_duration_seconds_count{job="demo" method="GET" status="200"}[5m])) without(path)

可以通过histogram_quantile函数做数据统计：可以用来统计百分位数：第一个参数是百分位，第二个histogram指标，这样计算出来的就是中位数，即P50

histogram_quantile(0.5 go_gc_pauses_seconds_total_bucket)

分享之前和同事一起发现的坑：

在刚刚写的自定义exporter上新增几个histogram的样本点：

MyHistogram.Observe(0.3) MyHistogram.Observe(0.4) MyHistogram.Observe(0.5)

histogram的桶设置：

MyHistogram = prometheus.NewHistogram(prometheus.HistogramOpts{ Name: "my_histogram_bucket" Help: "自定义histogram" Buckets: []float64{0 2.5 5 7.5 10} // 需要指定桶 })

如果这样的话，所有指标都会直接进入到第一个桶，即0到2.5这个桶，如果我要计算中位数，那么这个中位数按照数学公式来算的话，肯定是在0到2.之间的，而且肯定是0.3到0.5之间。

我用histogram_quantile函数计算下：计算结果是1.25，其实已经不对了。

histogram_quantile(0.5 my_histogram_bucket_bucket)

我在计算下P99，等于2.475：

histogram_quantile(0.99 my_histogram_bucket_bucket)