Cardinalità delle metriche e buone pratiche per le label
Scopra come le label creano cardinalità, perché una cardinalità elevata comprometta i sistemi di metriche e come progettare schemi di label veloci ed economici.
Cardinalità delle metriche e buone pratiche per le label è una lezione System Observability: Logging, Metrics & Tracing (ELK + OpenTelemetry) gratuita su CoddyKit. Questa è la lezione 4 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento System Observability: Logging, Metrics & Tracing (ELK + OpenTelemetry), e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso System Observability: Logging, Metrics & Tracing (ELK + OpenTelemetry) include 4 lezioni in totale.
Parti di questa lezione non sono ancora state tradotte e vengono mostrate in inglese.
What Is Cardinality?
Cardinality is the number of unique time series produced by a metric. Each distinct combination of a metric name and its label values is a separate series.
http_requests_total{method="GET"}is one series- Adding
status="200"multiplies the count
Labels Multiply
Cardinality grows by the product of the number of values per label. Three methods times five status codes times ten endpoints equals 150 series for one metric.
method: 3 values
status: 5 values
endpoint: 10 values
=> 3 * 5 * 10 = 150 seriesWhy High Cardinality Hurts
Each series consumes memory, disk, and index space. Unbounded labels can explode a single metric into millions of series, slowing queries and crashing collectors.
- Memory pressure on the TSDB
- Slow dashboards and alerts
- Higher storage cost
The Classic Anti-Pattern
Putting unbounded values like user IDs, request IDs, or full URLs into labels is the most common mistake. These create one series per unique value.
http_requests_total{user_id="48213"}
http_requests_total{request_id="a9f...c1"}Bounded vs Unbounded Labels
Good labels have a small, finite set of values.
- Bounded:
method,status_class,region - Unbounded:
user_id,session_id,email
Keep unbounded data in logs or traces, not metric labels.
Normalize Before Labeling
Reduce cardinality by bucketing values. Replace exact status codes with classes and template dynamic path segments.
status=503 -> status_class="5xx"
/users/48213 -> route="/users/:id"Estimating Series Count
Before adding a label, estimate its impact. Multiply the existing series count by the number of new label values.
existing = 200 series
new label region: 4 values
=> 200 * 4 = 800 seriesAggregation Removes Detail
When you query, aggregations like sum by (status_class) collapse series. Design labels so the dimensions you aggregate by are exactly the ones you need.
sum by (status_class) (rate(http_requests_total[5m]))Limits and Guardrails
Most TSDBs let you cap cardinality.
- Prometheus:
sample_limitper scrape - OpenTelemetry: cardinality limit on aggregations
- Alert when series counts spike
Dropping Bad Labels
If a noisy label slips in, drop or relabel it at ingestion rather than storing it.
metric_relabel_configs:
- source_labels: [user_id]
action: labeldropA Healthy Label Set
Aim for a handful of bounded labels per metric. This example stays well under a few hundred series.
orders_total{region="eu", status_class="2xx", channel="web"}Quick Check
Identify the riskiest label choice.
Recap
You learned that cardinality is the count of unique series, that labels multiply it, and that unbounded values like IDs must stay out of labels. Bucket and template values, estimate impact before adding labels, and enforce guardrails to keep metrics fast and cheap.
Impara System Observability: Logging, Metrics & Tracing (ELK + OpenTelemetry) con un tutor IA — gratis
Scrivi ed esegui vero codice nel tuo browser, ricevi aiuto istantaneo da un tutor IA disponibile 24/7, e riprendi da dove hai lasciato sul web o nell'app.
- Corsi
- 12
- Lezioni
- 48
Domande Frequenti
La lezione «Cardinalità delle metriche e buone pratiche per le label» è gratuita?
Sì — il testo completo di «Cardinalità delle metriche e buone pratiche per le label» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso System Observability: Logging, Metrics & Tracing (ELK + OpenTelemetry), passa a CoddyKit PRO. Il corso System Observability: Logging, Metrics & Tracing (ELK + OpenTelemetry) include 4 lezioni in totale.
Cosa imparerò in «Cardinalità delle metriche e buone pratiche per le label»?
Scopra come le label creano cardinalità, perché una cardinalità elevata comprometta i sistemi di metriche e come progettare schemi di label veloci ed economici. Eserciti System Observability: Logging, Metrics & Tracing (ELK + OpenTelemetry) con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare System Observability: Logging, Metrics & Tracing (ELK + OpenTelemetry)?
Non è richiesta alcuna esperienza precedente. System Observability: Logging, Metrics & Tracing (ELK + OpenTelemetry) su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 4 di 4.
Quanto tempo richiede la lezione «Cardinalità delle metriche e buone pratiche per le label»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione System Observability: Logging, Metrics & Tracing (ELK + OpenTelemetry)?
Sì. Ogni lezione System Observability: Logging, Metrics & Tracing (ELK + OpenTelemetry) include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- Spiegazione dei tipi di metriche
- Strategie di raccolta delle metriche
- Visualizzazione e avvisi per le metriche
- Cardinalità delle metriche e buone pratiche per le label