OpenTelemetry 指标概述

介绍

OpenTelemetry指标（Metrics）是用于量化系统行为的数值数据，例如请求速率、错误计数或资源利用率。它们帮助开发者理解系统的长期趋势和实时状态，是云原生应用中可观测性的三大支柱之一（与日志、追踪并列）。

关键特点

时间序列数据：按时间记录的值序列
轻量级：相比追踪，采集开销更低
聚合友好：适合统计分析和告警

核心概念

1. 指标模型

OpenTelemetry指标由以下基本元素组成：

指标类型

类型	描述	示例
Counter	单调递增的累计值	请求总数
Gauge	瞬时测量值	CPU使用率
Histogram	统计分布测量（分桶计数）	请求延迟分布

2. 属性（Attributes）

指标可以附加键值对属性用于分类：

go
counter.Add(ctx, 1, attribute.String("http.method", "GET"))

3. 聚合与导出

原始测量值经过聚合后才会导出：

原始测量 → 时间窗口聚合 → 导出到后端系统

代码示例

Go语言基础使用

go
package main

import (
    "context"
    "go.opentelemetry.io/otel"
    "go.opentelemetry.io/otel/metric"
)

func main() {
    meter := otel.GetMeterProvider().Meter("myapp")

    // 创建Counter
    requestCounter, _ := meter.Int64Counter(
        "http.requests.total",
        metric.WithDescription("Total HTTP requests"),
    )

    // 记录指标（带属性）
    ctx := context.Background()
    requestCounter.Add(ctx, 1, metric.WithAttributes(
        attribute.String("method", "GET"),
        attribute.Int("status", 200),
    ))
}

输出示例（在Prometheus中的表现形式）：

http_requests_total{method="GET", status="200"} 42

实际应用场景

微服务监控

服务健康度：记录错误率、请求延迟
资源管理：监控内存/CPU使用量
业务指标：跟踪用户注册数、支付成功率

电商系统案例

总结

OpenTelemetry指标提供了：

标准化的指标采集方式
多语言SDK支持
与主流监控后端的集成能力

扩展学习

进阶主题

指标视图（Views）配置
自动检测（Auto-instrumentation）
与追踪数据的关联

注意

生产环境中应考虑：

指标基数问题（避免高维度属性）
采样策略
长期存储成本

介绍​

核心概念​

1. 指标模型​

指标类型​

2. 属性（Attributes）​

3. 聚合与导出​

代码示例​

Go语言基础使用​

实际应用场景​

微服务监控​

总结​

扩展学习​

推荐练习​

进阶主题​

介绍