Prometheus中Labels与Exemplar的区别：为何不仅使用Labels？

一、定位与作用的本质差异 #

• Labels：指标的维度身份标识
  Labels是Prometheus时间序列的核心组成部分，每个时间序列由「指标名 + 唯一的Labels组合」确定。它的作用是给指标做分类、打标签，用于聚合分析、多维度筛选——比如用http_requests_total{method="POST", status="200"}筛选POST请求的成功量，或者用sum by(path) (http_requests_total)按路径聚合请求总量。Labels是粗粒度、可复用的维度，属于指标的固有属性。

• Exemplar：样本点的追踪关联元数据
  Exemplar是附加在单个样本数据点上的键值对，不属于时间序列的身份标识，不会影响时间序列的唯一性。它的核心作用是把聚合指标和分布式追踪链路关联起来——比如某个http_requests_total样本点附加trace_id="xyz789", span_id="uvw012"，当你发现这个指标的异常波动时，能直接通过这些值跳转到追踪系统里的具体请求，排查问题根源。

二、为什么不只用Labels？ #

主要是解决基数爆炸和语义分层的问题：

• 避免基数过载：如果把trace_id、span_id这类高基数的标识加到Labels里，每个请求对应一个唯一的Labels组合，会导致Prometheus的时间序列数量呈指数级增长，直接拖垮存储和查询性能——Prometheus的设计是为了处理低基数、可聚合的维度，扛不住这种高基数场景。
• 语义边界清晰：Labels负责定义指标的分析维度（比如按业务模块、请求方法分类），是用来做宏观统计的；Exemplar负责提供单个样本的上下文信息，是用来做微观排查的，二者各司其职，不会混淆指标的分层逻辑。
• 场景互补：用Labels做日常的监控大盘、聚合分析，用Exemplar做异常后的下钻排查，形成「宏观监控-微观排查」的完整链路，只用Labels的话，没法直接从聚合指标关联到具体的请求实例。

内容的提问来源于stack exchange，提问作者Kramer Li