Prometheusのデータ型と原則

1. はじめに

Prometheusは、元々SoundCloudで開発されたオープンソースのシステム監視およびアラートツールキットです。Prometheusの中核コンポーネントは、監視対象のメトリックを表すために使用されるさまざまなデータ型を定義するデータモデルです。これらのデータ型を理解することは、Prometheusを効果的に使用して監視データを収集、保存、およびクエリするために不可欠です。この記事では、Prometheusのデータ型を掘り下げ、それらの使用法を示すPythonコードの例を提供し、時間の経過に伴うそれらの変化（1分と5分以内）を分析し、根本的な変化の原則を説明し、最後に英語のbashボックス図を使用してPrometheusのフローチャートを示します。

2. Prometheusのデータ型

2.1 カウンター

Prometheusのカウンターは、単調増加する単一の数値を表す累積メトリックです。これは通常、処理されたリクエスト数、完了したタスク数、または発生したエラー数などのイベントをカウントするために使用されます。

Pythonコード例

from prometheus_client import Counter

# カウンターメトリックの作成
request_counter = Counter('http_requests_total', 'HTTPリクエストの総数')

# いくつかのHTTPリクエストをシミュレート
for _ in range(10):
    request_counter.inc()

print(request_counter._value.get())

説明:

• prometheus_clientライブラリからCounterクラスをインポートします。
• ヘルプ文字列を持つhttp_requests_totalという名前のカウンターを作成します。
• カウンターをインクリメントして、10個のHTTPリクエストをシミュレートします。
• 現在のカウンター値を出力します。

時間の経過に伴うデータの変化

• 1分: Webサーバーが1分あたり10個のリクエストを受信すると仮定します。初期カウンター値が50の場合、1分後に60に増加します。
• 5分: 1分あたり10個のリクエストという一定のレートで、カウンターは5分で50増加し、初期値50から100に達します。

変化の原則: カウンターは、追跡されたイベントが発生するたびに1ずつインクリメントされます。Prometheusは時間の経過に伴う累積合計を保存し、値は自然には減少しないため、長期的なイベントの傾向を追跡するのに理想的です。

2.2 ゲージ

ゲージは、任意に増減できる単一の数値を表すメトリックです。これは、温度、メモリ使用量、または同時接続数などの値を測定するために使用されます。

Pythonコード例

from prometheus_client import Gauge

# ゲージメトリックの作成
memory_usage_gauge = Gauge('memory_usage_bytes', 'メモリ使用量（バイト単位）')

# メモリ使用量の変化をシミュレート
memory_usage_gauge.set(1024)
memory_usage_gauge.inc(512)
memory_usage_gauge.dec(256)

print(memory_usage_gauge._value.get())

説明:

• Gaugeクラスをインポートし、memory_usage_bytesという名前のゲージを作成します。
• 初期値を1024バイトに設定し、512ずつインクリメントし、256ずつデクリメントします。
• 最終的なゲージ値（1280バイト）を出力します。

時間の経過に伴うデータの変化

• 1分: メモリ使用量は急速に変動する可能性があります。たとえば、初期値が1024バイトで、プロセスが追加の300バイトを消費すると、ゲージは1324バイトに上昇します。プロセスが100バイトを解放すると、1224バイトに低下します。
• 5分: 値は複数の変化を受ける可能性があります（例：5分で1024 → 1324 → 1200 → 1500 → 1400 → 1600バイト）。

変化の原則: ゲージは明示的に設定、インクリメント、またはデクリメントできます。Prometheusは各サンプリング間隔で現在の値を記録し、監視対象エンティティのリアルタイムの状態を反映します。

2.3 ヒストグラム

ヒストグラムは、観測値（例：リクエストの期間または応答サイズ）をサンプリングし、設定可能なバケットでそれらをカウントすると同時に、すべての値の合計を提供します。

Pythonコード例

from prometheus_client import Histogram
import random

# 指定されたバケットを持つヒストグラムメトリックの作成
request_duration_histogram = Histogram(
    'http_request_duration_seconds',
    'HTTPリクエストの期間（秒単位）',
    buckets=(0.1, 0.2, 0.3, 0.4, 0.5)
)

# 20個のリクエスト期間をシミュレート
for _ in range(20):
    duration = random.uniform(0, 0.6)
    request_duration_histogram.observe(duration)

# 結果の出力
print(f"Sum: {request_duration_histogram._sum.get()}")
print(f"Count: {request_duration_histogram._count.get()}")
for bucket, count in request_duration_histogram._buckets.items():
    print(f"Bucket {bucket}: {count.get()}")

説明:

• 0.1〜0.5秒のバケットを持つヒストグラムを定義します。
• 20個のリクエスト期間をシミュレートし、observe()を使用してそれらを記録します。
• 合計、カウント、およびバケットの分布を出力します。

時間の経過に伴うデータの変化

• 1分: 新しい観測値（例：1分で25個のリクエスト）は、カウントと合計を増加させ、バケットのカウントは実際の期間に基づいて更新されます。
• 5分: 蓄積された観測値は、カウントと合計を大きくし、より長い期間のリクエストが発生した場合、バケットの分布が変化します。

変化の原則: 各観測値はバケットに割り当てられ、合計が更新されます。ヒストグラムは時間の経過とともにデータ分布を構築し、値の範囲と大きさを分析できるようにします。

2.4 サマリー

サマリーは、固定バケットを使用するヒストグラムとは異なり、観測値をサンプリングし、分位数（例：中央値、90パーセンタイル）を計算してデータ分布を要約します。

Pythonコード例

from prometheus_client import Summary

# エンドポイントのラベルを持つサマリーの作成
response_size_summary = Summary(
    'http_response_size_bytes',
    'HTTP応答サイズ（バイト単位）',
    labelnames=['endpoint']
)

# さまざまなエンドポイントの観測値を記録
response_size_summary.labels(endpoint='/api/v1/users').observe(1024)
response_size_summary.labels(endpoint='/api/v1/posts').observe(2048)

# 結果の出力
print(f"Sum: {response_size_summary._sum.get()}")
print(f"Count: {response_size_summary._count.get()}")
for quantile, sum_val in response_size_summary._quantile_sum.items():
    print(f"Quantile {quantile}: {sum_val.get()}")

説明:

• APIルートを区別するためのendpointラベルを持つサマリーを作成します。
• 2つのエンドポイントの応答サイズを記録し、合計、カウント、および分位データを出力します。

時間の経過に伴うデータの変化

• 1分: 新しいリクエストは、カウント、合計、および分位数を更新します。たとえば、より大きな応答は、90パーセンタイルの値を増加させる可能性があります。
• 5分: 蓄積されたデータは分位数の精度を向上させ、カウントと合計が増加し、分布が長期的な傾向を反映します。

変化の原則: 観測値は、実行中の合計、カウント、および分位数計算（移動ウィンドウなどのアルゴリズムを使用）を更新します。分位数は、最新のデータ分布を反映するように動的に調整されます。

3. Prometheusのフローチャート（英語のBashボックス図）

+-------------------+
| Prometheus Server |
+-------------------+
|                   |
|  Data Collection  |
|  (Pull Model)     |
|                   |
|  Targets         |<---+
|  (Exporters)     |    |
|                   |    |
+-------------------+    |
                        |
+-------------------+    |
|  Exporter         |    |
|  (e.g., Node     |    |
|  Exporter)       |    |
+-------------------+    |
                        |
|  Metrics          |    |
|  (Counter, Gauge, |    |
|  Histogram,       |    |
|  Summary)         |    |
+-------------------+    |
                        |
|  Push Metrics      |<---+
|  to Prometheus    |
+-------------------+ 
|                   |
|  Data Storage     |
|  (TSDB - Time -    |
|  Series Database) |
|                   |
+-------------------+
|                   |
|  Querying        |
|  (PromQL)        |
|                   |
+-------------------+
|                   |
|  Visualization   |
|  (e.g., Grafana) |
|                   |
+-------------------+

フローチャートの説明:

1. Prometheus Serverは、プルベースのモデルを使用して、ターゲット（エクスポーター）からメトリックをプルします。
2. エクスポーター（例：Node Exporter）は、システムからメトリックを収集し、Prometheus互換の形式で公開します。
3. メトリック（カウンター、ゲージ、ヒストグラム、サマリー）は、Prometheus Serverにプッシュされます。
4. サーバーは、メトリックをTime-Series Database（TSDB）に保存します。
5. ユーザーはPromQLを使用してメトリックをクエリします。
6. クエリされたデータは、Grafanaなどのツールを介して視覚化されます。

4. 結論

Prometheusのデータ型を理解することは、効果的なシステム監視に不可欠です。

• カウンターは、累積イベントを追跡します。
• ゲージは、変動する値を監視します。
• ヒストグラムは、バケット内のデータ分布を分析します。
• サマリーは、分位数ベースの洞察を提供します。

Pythonの例は、実装と時間的な変化を示し、フローチャートは、収集から視覚化までのPrometheusのデータフローを概説します。この知識により、ユーザーはPrometheusを活用してシステムを効率的に監視および管理できます。

Leapcell: 最高のサーバーレスWebホスティング

Leapcellは、Pythonサービスをデプロイするための理想的なプラットフォームです。

🚀 お気に入りの言語で構築

JavaScript、Python、Go、またはRustで簡単に開発できます。

🌍 無制限のプロジェクトを無料でデプロイ

リソースの使用量に対してのみ支払い—リクエストも料金もありません。

⚡ 従量課金制、隠れたコストなし

アイドル料金はなく、シームレスなスケーラビリティのみです。

📖 ドキュメントをご覧ください 🔹 Twitterでフォローしてください：@LeapcellHQ