求科普Prometheus核心数据模型（Counter）及rate函数原理

时间序列的本质定义 #

• 时间序列的唯一身份由标签键值对的集合决定，数据类型（如Counter）是该序列的行为属性，而非身份标识的一部分。也就是说，标签完全一致的序列，只会对应一种数据类型。
• 标签组合的数量计算正确：若标签A有|A|种取值，标签B有|B|种取值，最终会生成|A|×|B|条独立的时间序列，每条都有自身的Counter数值变化轨迹。

瞬时向量（Instant Vector） #

• 瞬时向量是某个特定时间点上，符合匹配条件的所有时间序列的最新样本值集合。比如每小时采样一次，每个小时时间点的瞬时向量规模就是匹配的标签组合数；若指定标签A的某一取值，规模则变为|B|。
• 不能称其为“向量的时间序列”：瞬时向量是静态的时间点快照，是多个序列在该点的数值集合；而时间序列是单个标签组合随时间的数值变化轨迹，是动态的、按时间排序的样本序列，二者是完全不同的概念。

范围向量（Range Vector） #

• 范围向量是一段连续时间窗口内，符合匹配条件的所有时间序列的样本片段集合。它不是矩阵，更准确的描述是：每个元素对应一条时间序列在窗口内的全部样本（比如窗口包含N次采样，每个元素就是N个<时间戳, 数值>对），总元素数等于匹配的标签组合数（|A|×|B|）。
• rate()函数的实际逻辑：并非简单取窗口首尾样本相减除以时间差，它会自动识别Counter的重置（如进程重启导致Counter归零），将重置前后的片段分别计算速率后再合并，最终得到窗口内的平均每秒增长率。

Counter的核心使用提示 #

• Counter是单调递增的数值（仅在重置时会下降），原始样本值的参考意义有限，通常通过rate()（长窗口平均速率）或irate()（瞬时速率）计算增长率，用于监控如请求量、错误数这类累加型指标。

内容的提问来源于stack exchange，提问作者nadavgam