我曾经以为Counter是prometheus中最简单的一种metric，直到我在Grafana中配置counter相关的dashboard之后，才发现自己对于counter的理解有一些偏差。因此这篇博客将会详细的介绍counter的用法。
创建Demo
为了更好的说明，我们需要创建一个简单的demo，用来构建一个简单可控的counter以便prometheus采集。在我之前的一篇博客Spring Boot整合Prometheus中，详细介绍了SpringBoot如何整合prometheus，在这里就不做详细的说明
首先，在pom文件引入Micrometer Prometheus的依赖
<dependency>
<groupId>io.micrometer</groupId>
<artifactId>micrometer-registry-prometheus</artifactId>
</dependency>
然后，在application.properties中进行prometheus的相关配置
management.endpoint.prometheus.enabled=true
management.metrics.export.prometheus.enabled=true
之后，在prometheus.yml配置采集路径以及采集间隔
scrape_configs:
- job_name: prometheus-test
scrape_interval: 10s
metrics_path: /actuator/prometheus
static_configs:
- targets: ['172.16.22.50:8080']
Counter定义
在prometheus文档中counter的定义如下
A counter is a cumulative metric that represents a single monotonically increasing counter whose value can only increase or be reset to zero on restart
monotonically increasing表示counter的值是单调递增的，cumulative metric表示counter表示的是当前整体的值。
根据上述定义，我们定义一个counter用来记录http请求数
@Component
public class HttpCounterJob {
private final Counter httpCounter;
public HttpCounterJob(MeterRegistry meterRegistry){
httpCounter = meterRegistry.counter("http.processed");
}
}
Micrometer会将metric转化为prometheus的metric，我们可以在prometheus中看到一个名为http_processed_total的metric.其中_total是Micrometer 将Counter metric转为prometheus Counter metric的后缀
重启项目之后，我们可以在prometheus graph中看到刚刚定义的counter
为了更好的观察counter的逻辑，我们让counter每隔5秒加1
@Scheduled(fixedDelay = 5000)
public void increase(){
httpCounter.increment();
}
随着时间counter的值逐渐递增，我们可以看到counter包含从创建之初到当前时刻所有的值。但是在实际应用中，我们可能并不关心这个整体的值，而是增长趋势
counter当前的值并不重要，重要的在一段时间内counter增长的量以及速率，也可以理解为增长趋势
increase
我们已经知道counter来说，更关注的是在一段时间中增长的量，那么如何获得这个量呢？其实很简单，例如我们想获得最近5分钟增长的量，只需要用counter当前的值减去5分钟前counter的值即可。
在prometheus中有专门的函数来计算这个值，也就是increase
increate(http_processed_total[5m])
increase的具体用法可以参考prometheus 文档
执行上述的语句，我们得到的结果应该为60，因为我们是每隔5s对counter加1，5m内增长的量为5 * 60 /5 = 60, 但是实际上得到的并不是60。这是为什么呢？
根据之前prometheus.yml中配置可知，prometheus每隔10s采集一次，而demon中，counter每隔5s加1，所以对于prometheus采集的值来说是每次加2。假设prometheus从10:30:00开始抓取数据，此时counter的值假设为18，那么可以得到如下的数据
10:30:00 http_processed_total 18
10:30:10 http_processed_total 20
10:30:20 http_processed_total 22
...
10:34:50 http_processed_total 76
10:35:00 http_processed_total 78
10:35:10 http_processed_total 80
10:35:20 http_processed_total 82
如果我们在10:35:13查询最近5m的数据，可以得到
10:30:20 http_processed_total 22
...
10:34:50 http_processed_total 76
10:35:00 http_processed_total 78
10:35:10 http_processed_total 80
10:30:10的数据已经超过了5m中，所以取不到，因此value=(80-22)=58，但是实际上prometheus并不会返回这个值。因为increase函数会推缺失值并估计边界点的值，所以prometheus返回的值比我们预想的要更精确，但是却不是最终正确的值。
rate
Counter另一个值得关注的值是平均每秒增长的个数，例如在10:30:00 counter的值为10，在10:30:10 counter的值为20，那么平均每秒增长的值为(20 - 10)/10 = 1
prometheus提供了rate函数来计算这个值
rate(http_processed_total[5m])
上述表达式计算的过去5m中平均每秒处理的http请求，如果想知道每分钟处理的http请求数，只要乘以60即可
rate(http_processed_total[5m]) * 60
上图乍一看比较奇怪，因为数值在上下波动，其实是因为Y轴的粒度较细，如果我们将时间区间有5m调整到15m，则可以看到一条直线
对于rate来说，如果当前时间为t，若计算过去5m的值，那么时间范围就为t - 5m。在上面曲线图中14:17分的值表示[14:16,14:17]这一段时间增长的值，因为range为1m
aggregation
上述示例的指标较为简单，但是在实际应用中，一个指标可能存在多个属性。在Micrometer称为tag，而在prometheus中则称为label。以http request为例，一个request我们会关注它的返回code,它的method。我们创建一个名为http.request的metric，它有code和method两个tag
@Autowired
private MeterRegistry meterRegistry;
private List<String> methods = Arrays.asList("GET","POST");
private List<Integer> codes = Arrays.asList(200,204,404,500);
@Scheduled(fixedDelay = 5000)
public void httpRequest(){
meterRegistry.counter("http.request",
"method",getMethod(),
"code",String.valueOf(getCode())).increment();
}
private String getMethod(){
return methods.get(ThreadLocalRandom.current().nextInt(methods.size()));
}
private int getCode(){
return codes.get(ThreadLocalRandom.current().nextInt(codes.size()));
}
我们之所以可以看到多条查询结果，是因为prometheus为每一个label之间的组合都创建了一个vector，在结合时间，就成了一个时间序列(time series)，在Graph中我们可以看到多条曲线
prometheus允许我们根据label来过滤不同的metric，例如
http_request_total{code="200"}
同时prometheus提供了相应的聚合函数，帮助我们对相同label的metric进行聚合操作，例如
sum(increase(http_request_total{method="GET"})) by (code)
总结
在第一印象中，我们总是认为Counter是prometheus最简单的一个metric，但实际上它使用起来比想象中要来的复杂。关于Counter我们要记住以下几点
- Counter的当前值意义不大，我们更关注的是Counter在一段时间内增长的数量以及速率
- increase函数可以计算一段时间内增长的值，但是它会对时间边界的值进行估计，因此得到的是一个近似值
- rate函数可以计算一段时间内增长的平均速率
