prometheus中儲存的資料都是時序型，其資料模型都是如下：
metric_name{label=value,…} value timestamp
下文中說的資料型別只是客戶端的封裝

prometheus 的4種metric
prometheus的客戶端中提供了4種metric，對於服務端來說並沒有使用這些metric，服務端只是簡單當成是獨立的時序資料來使用

Counter：計數器

　　是一種累加型指標，指可以增加或者重置為0，可以被用來做請求數統計，成功數統一等等。不能用來代表可以下降的指標

Gauge：測量器

一種可以增加或者減少的測量器，可以用來做記憶體使用、溫度測量等指標測量

Histogram：直方圖

用於統計指標的分佈，例如請求耗時的分佈情況，需要注意的是prometheus的直方圖是一種累積性的直方圖，舉例說明：
假設分佈的桶位分別是buckets[] = {.005, .01, .025, .05, .075, .1, .25, .5, .75, 1, 2.5, 5, 7.5, 10}, 落在0.01桶內的值包含了落在0.005桶的值，這種累積型的直方圖對於更簡單
prometheus的客戶端採用了三個指標來表示直方圖：
metric_name_bucket：不同耗時上限，所採集到的值
metric_name_sum： 統計的值的總和，例如請求耗時總和
metric_name_count：統計的總數，例如請求的總數量
prometheus也提供了histogram_quantile函式來計算分位點，舉例說明：
http_request_duration_seconds_bucket直方圖http_request_duration_seconds的桶位指標，計算過去10分鐘90%的請求的最大耗時：histogram_quantile(0.9, rate(http_request_duration_seconds_bucket[10m]))
注意： 這種計算是一種估算，假設在bucket中，資料的分散式線性的，進行估算

Summary：分位統計器

跟Histogram類似，也用於計算資料分位，但是不同的是，Histogram將三個指標上報到服務端，用promsql提供函式進行計算，Summary直接在客戶端計算好之後進行上報，這種比較消耗客戶端資源，summary也儲存了3個指標：
metric_name_φ-quantiles
metric_name_sum
metric_name_count