0Pricing
System Observability: Logging, Metrics & Tracing (ELK + OpenTelemetry) · Lekcja

Wyjaśnienie typów metryk

Poznaj podstawowe typy metryk: gauge, counter, histogram i summary. Dowiedz się, kiedy i jak stosować każdy z nich do skutecznego monitorowania.

Wyjaśnienie typów metryk to bezpłatna lekcja System Observability: Logging, Metrics & Tracing (ELK + OpenTelemetry) na CoddyKit. To lekcja 1 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej System Observability: Logging, Metrics & Tracing (ELK + OpenTelemetry), a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs System Observability: Logging, Metrics & Tracing (ELK + OpenTelemetry) zawiera 4 lekcji w sumie.

Części tej lekcji nie zostały jeszcze przetłumaczone i są wyświetlane po angielsku.

What are Metric Types?

Welcome to "Types of Metrics Explained"! In observability, metrics are crucial for understanding your system's health and performance.

But not all numbers are the same! Categorizing metrics helps us collect, store, and analyze them effectively.

We'll explore the four fundamental types: Gauges, Counters, Histograms, and Summaries.

Gauges: Snapshot of Now

A Gauge represents a single numerical value that can go up and down over time. Think of it like a car's speedometer or a thermometer.

Gauges are perfect for capturing the current state of a system at a specific moment.

  • Use for: Current CPU usage, memory consumption, queue size, temperature.
  • Nature: Point-in-time value.

Gauge Code Example

Here's a simple Java example simulating a gauge tracking current CPU utilization. Notice how its value can change freely.

public class Main {
  public static void main(String[] args) {
    double cpuUsage = 0.5; // 50% CPU
    System.out.println("Current CPU Usage: " + cpuUsage);

    // Later, CPU usage might change
    cpuUsage = 0.8; // 80% CPU
    System.out.println("Updated CPU Usage: " + cpuUsage);

    cpuUsage = 0.3; // 30% CPU
    System.out.println("Further Updated CPU Usage: " + cpuUsage);
  }
}

Counters: Always Increasing

A Counter is a cumulative metric that only ever increases. It represents a total count of something that has occurred since the system started.

It can reset to zero only when the monitored system restarts.

  • Use for: Total requests served, errors encountered, bytes sent, login attempts.
  • Nature: Monotonically increasing total.

Counter Code Example

This Java example demonstrates a counter for total requests. Each 'request' simply increments the counter.

public class Main {
  private static long totalRequests = 0;

  public static void handleRequest() {
    totalRequests++;
    System.out.println("Requests handled: " + totalRequests);
  }

  public static void main(String[] args) {
    System.out.println("Initial requests: " + totalRequests);
    handleRequest(); // First request
    handleRequest(); // Second request
    // ... more requests later
    handleRequest(); // Third request
  }
}

Histograms: Value Distributions

Histograms sample observations (like request durations or response sizes) and count them in configurable buckets.

They give you insight into the distribution of values, not just the average. This is vital for understanding latency and performance.

  • Benefit: You can calculate percentiles (e.g., 99th percentile latency) on the server side.
  • Use for: Request latency, response sizes, data transfer rates.

Summaries: Pre-calculated Percentiles

Summaries are similar to histograms but often pre-calculate configurable quantiles (like p99, p95, p50) on the client side.

Instead of sending raw data, the client library sends pre-computed statistics (sum, count, and quantiles) to the monitoring system.

  • Benefit: Less data sent over the network, but less flexible for custom percentile calculations later.
  • Use for: Latency measurements where specific percentiles are known to be needed.

Histograms vs. Summaries

Both Histograms and Summaries track distributions, but they differ in where calculations happen:

  • Histograms: Send raw data (counts in buckets). Percentiles are calculated on the server. More flexible for ad-hoc analysis.
  • Summaries: Calculate percentiles on the client and send pre-computed results. More resource-efficient if you know exactly which percentiles you need.

For most modern systems, Histograms are generally preferred due to their flexibility.

Picking the Best Metric Type

Choosing the right metric type is key for effective monitoring:

  • Gauges: For current values that can go up/down (e.g., disk usage, active users).
  • Counters: For cumulative totals that only increase (e.g., total errors, processed items).
  • Histograms: For distributions of values where you need server-side percentile calculation and flexibility (e.g., request durations).
  • Summaries: For distributions where client-side pre-calculated percentiles are sufficient and network efficiency is critical (less common than histograms now).

Metric Type Challenge

Your application processes user orders. You want to track the total number of orders placed since the application started, and also the current number of items in the processing queue.

Key Takeaways on Metrics

Great job! You've now learned about the four fundamental metric types:

  • Gauges: For current, fluctuating values.
  • Counters: For cumulative, ever-increasing totals.
  • Histograms: For understanding the distribution of values and calculating percentiles server-side.
  • Summaries: For pre-calculated percentiles client-side.

Understanding these types helps you choose the right tool for the right job, leading to more insightful monitoring and faster debugging!

Często zadawane pytania

Czy lekcja „Wyjaśnienie typów metryk” jest bezpłatna?

Tak — pełny tekst „Wyjaśnienie typów metryk” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu System Observability: Logging, Metrics & Tracing (ELK + OpenTelemetry), przejdź na CoddyKit PRO. Kurs System Observability: Logging, Metrics & Tracing (ELK + OpenTelemetry) zawiera 4 lekcji w sumie.

Co nauczysz się w „Wyjaśnienie typów metryk”?

Poznaj podstawowe typy metryk: gauge, counter, histogram i summary. Dowiedz się, kiedy i jak stosować każdy z nich do skutecznego monitorowania. Ćwiczysz System Observability: Logging, Metrics & Tracing (ELK + OpenTelemetry) z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.

Czy potrzebuję doświadczenia, aby zacząć System Observability: Logging, Metrics & Tracing (ELK + OpenTelemetry)?

Nie wymagamy żadnego doświadczenia. System Observability: Logging, Metrics & Tracing (ELK + OpenTelemetry) w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 1 z 4.

Ile czasu zajmuje lekcja „Wyjaśnienie typów metryk”?

Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.

Czy mogę pisać i uruchamiać kod w tej lekcji System Observability: Logging, Metrics & Tracing (ELK + OpenTelemetry)?

Tak. Każda lekcja System Observability: Logging, Metrics & Tracing (ELK + OpenTelemetry) zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.

Wszystkie lekcje w tym kursie

  1. Wyjaśnienie typów metryk
  2. Strategie zbierania metryk
  3. Wizualizacja metryk i alerty
  4. Kardynalność metryk i dobre praktyki etykietowania
← Powrót do System Observability: Logging, Metrics & Tracing (ELK + OpenTelemetry)