histogram的工作原理以及分位數(shù)的計(jì)算方法

這篇文章主要介紹“ histogram的工作原理以及分位數(shù)的計(jì)算方法”，在日常操作中，相信很多人在 histogram的工作原理以及分位數(shù)的計(jì)算方法問(wèn)題上存在疑惑，小編查閱了各式資料，整理出簡(jiǎn)單好用的操作方法，希望對(duì)大家解答” histogram的工作原理以及分位數(shù)的計(jì)算方法”的疑惑有所幫助！接下來(lái)，請(qǐng)跟著小編一起來(lái)學(xué)習(xí)吧！

讓客戶滿意是我們工作的目標(biāo)，不斷超越客戶的期望值來(lái)自于我們對(duì)這個(gè)行業(yè)的熱愛(ài)。我們立志把好的技術(shù)通過(guò)有效、簡(jiǎn)單的方式提供給客戶，將通過(guò)不懈努力成為客戶在信息化領(lǐng)域值得信任、有價(jià)值的長(zhǎng)期合作伙伴，公司提供的服務(wù)項(xiàng)目有：申請(qǐng)域名、網(wǎng)頁(yè)空間、營(yíng)銷軟件、網(wǎng)站建設(shè)、廣河網(wǎng)站維護(hù)、網(wǎng)站推廣。

Prometheus 中提供了四種指標(biāo)類型（參考：Prometheus 的指標(biāo)類型），其中直方圖（Histogram）和摘要（Summary）是最復(fù)雜和難以理解的，這篇文章就是為了幫助大家加深對(duì)這 histogram 類型指標(biāo)的理解。

1. 什么是 Histogram？

根據(jù)上篇文檔，Histogram 會(huì)在一段時(shí)間范圍內(nèi)對(duì)數(shù)據(jù)進(jìn)行采樣（通常是請(qǐng)求持續(xù)時(shí)間或響應(yīng)大小等），并將其計(jì)入可配置的存儲(chǔ)桶（bucket）中。但這句話還是不太好理解，下面通過(guò)具體的示例來(lái)說(shuō)明。

假設(shè)我們想監(jiān)控某個(gè)應(yīng)用在一段時(shí)間內(nèi)的響應(yīng)時(shí)間，最后監(jiān)控到的樣本的響應(yīng)時(shí)間范圍為 0s~10s。現(xiàn)在我們將樣本的值域劃分為不同的區(qū)間，即不同的 bucket，每個(gè) bucket 的寬度是 0.2s。那么第一個(gè) bucket 表示響應(yīng)時(shí)間小于等于 0.2s 的請(qǐng)求數(shù)量，第二個(gè) bucket 表示響應(yīng)時(shí)間大于 0.2s 小于等于 0.4s 的請(qǐng)求數(shù)量，以此類推。

Prometheus 的 histogram 是一種累積直方圖，與上面的區(qū)間劃分方式是有差別的，它的劃分方式如下：還假設(shè)每個(gè) bucket 的寬度是 0.2s，那么第一個(gè) bucket 表示響應(yīng)時(shí)間小于等于 0.2s 的請(qǐng)求數(shù)量，第二個(gè) bucket 表示響應(yīng)時(shí)間小于等于 0.4s 的請(qǐng)求數(shù)量，以此類推。也就是說(shuō)，每一個(gè) bucket 的樣本包含了之前所有 bucket 的樣本，所以叫累積直方圖。

2. 為什么是累積直方圖？

上節(jié)內(nèi)容告訴我們，Prometheus 中的 histogram 是累積的，這是很奇怪的，因?yàn)橥ǔＧ闆r下非累積的直方圖更容易理解。Prometheus 為什么要這么做呢？

想象一下，如果 histogram 類型的指標(biāo)中加入了額外的標(biāo)簽，或者劃分了更多的 bucket，那么樣本數(shù)據(jù)的分析就會(huì)變得越來(lái)越復(fù)雜。如果 histogram 是累積的，在抓取指標(biāo)時(shí)就可以根據(jù)需要丟棄某些 bucket，這樣可以在降低 Prometheus 維護(hù)成本的同時(shí)，還可以粗略計(jì)算樣本值的分位數(shù)。通過(guò)這種方法，用戶不需要修改應(yīng)用代碼，便可以動(dòng)態(tài)減少抓取到的樣本數(shù)量。

假設(shè)某個(gè) histogram 類型指標(biāo)的樣本數(shù)據(jù)如下：

現(xiàn)在我們希望 Prometheus 在抓取指標(biāo)時(shí)丟棄響應(yīng)時(shí)間在 100ms 以下的 bucket，就可以通過(guò)下面的 relabel 配置來(lái)實(shí)現(xiàn)：

其中，example_latency_seconds_bucket 用來(lái)匹配標(biāo)簽 __name__ 的值，'0.0.*' 用來(lái)匹配標(biāo)簽 le 的值，即 le 的值為 0.0x。然后將匹配到的樣本丟棄。

通過(guò)這種方法，你可以丟棄任意的 bucket，但不能丟棄 le="+Inf" 的 bucket，因?yàn)?histogram_quantile 函數(shù)需要使用這個(gè)標(biāo)簽。

另外 histogram 還提供了 _sum 指標(biāo)和 _count 指標(biāo)，即使你丟棄了所有的 bucket，仍然可以通過(guò)這兩個(gè)指標(biāo)值來(lái)計(jì)算請(qǐng)求的平均響應(yīng)時(shí)間。

通過(guò)累積直方圖的方式，還可以很輕松地計(jì)算某個(gè) bucket 的樣本數(shù)占所有樣本數(shù)的比例。例如，想知道響應(yīng)時(shí)間小于等于 1s 的請(qǐng)求占所有請(qǐng)求的比例，可以通過(guò)以下公式來(lái)計(jì)算：

example_latency_seconds_bucket{le="1.0"} / ignoring (le) example_latency_seconds_bucket{le="+Inf"}

3. 分位數(shù)計(jì)算

Prometheus 通過(guò) histogram_quantile 函數(shù)來(lái)計(jì)算分位數(shù)（quantile），而且是一個(gè)預(yù)估值，并不完全準(zhǔn)確，因?yàn)檫@個(gè)函數(shù)是假定每個(gè)區(qū)間內(nèi)的樣本分布是線性分布來(lái)計(jì)算結(jié)果值的。預(yù)估的準(zhǔn)確度取決于 bucket 區(qū)間劃分的粒度，粒度越大，準(zhǔn)確度越低。以下圖為例：

假設(shè)有 10000 個(gè)樣本，第 9501 個(gè)樣本落入了第 8 個(gè) bucket。第 8 個(gè) bucket 總共有 368 個(gè)樣本，其中第 9501 個(gè)樣本在該 bucket 中屬于第 93 個(gè)樣本。

根據(jù) Prometheus 源代碼文件 promql/quantile.go 第 108 行的公式：

return bucketStart + (bucketEnd-bucketStart)*float64(rank/count)

我們可以計(jì)算（quantile=0.95）的樣本值為：

這個(gè)值已經(jīng)很接近精確的分位數(shù)值了。關(guān)于 histogram_quantile 函數(shù)的詳細(xì)使用方式，請(qǐng)參考：PromQL 內(nèi)置函數(shù)。

到此，關(guān)于“ histogram的工作原理以及分位數(shù)的計(jì)算方法”的學(xué)習(xí)就結(jié)束了，希望能夠解決大家的疑惑。理論與實(shí)踐的搭配能更好的幫助大家學(xué)習(xí)，快去試試吧！若想繼續(xù)學(xué)習(xí)更多相關(guān)知識(shí)，請(qǐng)繼續(xù)關(guān)注創(chuàng)新互聯(lián)網(wǎng)站，小編會(huì)繼續(xù)努力為大家?guī)?lái)更多實(shí)用的文章！

網(wǎng)頁(yè)標(biāo)題：histogram的工作原理以及分位數(shù)的計(jì)算方法
文章來(lái)源：http://muchs.cn/article2/ishjic.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站維護(hù)、靜態(tài)網(wǎng)站、關(guān)鍵詞優(yōu)化、商城網(wǎng)站、小程序開(kāi)發(fā)、移動(dòng)網(wǎng)站建設(shè)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)