4.3.4 摘要
与Histogram类型类似，摘要用于表示一段时间内的数据采样的结果（通常是请求持续时间或响应大小等），但它直接存储了分位数（通过客户端计算，然后展示出来），而非通过区间来计算（Histogram的分位数需要通过histogram_quantile（φfloat，b instant-vector）函数计算得到）。因此，对于分位数的计算，Summary在通过PromQL进行查询时有更好的性能表现，而Histogram则会消耗更多的资源。反之，对于客户端而言，Histogram消耗的资源更少。在选择这两种方式时，用户应该根据自己的实际场景选择。
安装并启动Prometheus后，在访问http://localhost:9090/metrics时可以看到Prometheus自带的一些Summary信息，这些信息和Histogram一样在注释中（#HELP和#TYPE）也会显示，如下所示。
# HELP go_gc_duration_seconds A summary of the GC invocation durations.
# TYPE go_gc_duration_seconds summary
go_gc_duration_seconds{quantile="0"} 1.1666e-05
go_gc_duration_seconds{quantile="0.25"} 2.6265e-05
go_gc_duration_seconds{quantile="0.5"} 4.8366e-05
go_gc_duration_seconds{quantile="0.75"} 7.8298e-05
go_gc_duration_seconds{quantile="1"} 0.000280123
go_gc_duration_seconds_sum 0.193642882
go_gc_duration_seconds_count 1907
在上述例子中，可以看到基于Go语言编写的Prometheus的gc总次数是1907，耗时0.193642882s，其中中位数（quantile=0.5）计算的耗时为4.8366e-05s，代表1907次中50%的次数是小于4.8366e-05s的。
Summary类型的样本也会提供3种指标，假设指标名称为<basename>。
·样本值的分位数分布情况，命名为<basename>{quantile="<φ>"}，属于计数器类型。
·所有样本值的大小总和，命名为<basename>_sum，属于计数器类型。
·样本总数，命名为<basename>_count，属于计数器类型。
知识拓展：Summary和Histogram的异同
1）它们都包含了<basename>_sum和<basename>_count指标。
2）Histogram需要通过<basename>_bucket来计算分位数，而Summary则直接存储了分位数的值。
3）如果需要汇总或者了解要观察的值的范围和分布，建议使用Histogram；如果并不在乎要观察的值的范围和分布，仅需要精确的quantile值，那么建议使用Summary。
Summary的强大之处就是可以利用除法去计算时间的平均值。如果要从Histogram和Summary中计算最近5分钟内的平均请求持续时间http_request_duration_seconds，可以用如下表达式进行。
rate(http_request_duration_seconds_sum[5m])/rate(http_request_duration_seconds_ count[5m])
count本质上是一个计数器，sum通常情况下也会像计数器那样工作。但是Summary和Histogram可能观察到负值，比如温度（-20℃），这种情况下会导致观察的总量下降，无法再使用rate函数。
比如下面的例子就可以计算过去5分钟内每次响应中返回的平均字节数。
sum without(handler)(rate(http_response_size_bytes_sum[5m])) / sum without(handler)(rate(http_response_size_bytes_count[5m]))
关于这个例子，我们需要注意几点。
·因为http_response_size_bytes_count和http_response_size_bytes_sum是计数器类型，所以必须在计算前先使用rate等函数。
·因为Prometheus的API会有很多handler，所以可以使用without过滤掉handler的返回值。
·PromQL要先执行rate()再执行sum()，不能先执行sum()再执行rate()。
·在统计学上，尤其是计算平均值时，要先进行sum等求和运算再做除法。对一个平均值再求平均是不正确的，如下所示。
// 合法
sum without(instance)(
sum without(handler)(rate(http_response_size_bytes_sum[5m]))
)
/
sum without(instance)(
sum without(handler)(rate(http_response_size_bytes_count[5m]))
)
// 非法
avg without(instance)(
sum without(handler)(rate(http_response_size_bytes_sum[5m]))
/
sum without(handler)(rate(http_response_size_bytes_count[5m]))
)
// 非法
avg(http_request_duration_seconds{quantile="0.95"})
学完这些知识点，再来通过两个关于count的案例夯实一下理论。
案例一：计算所有的实例CPU核心数。
count by (instance) ( count by (instance,cpu) (node_cpu_seconds_total{mode=
"system"}) )
案例二：计算单个实例192.168.1.1的CPU核心数。
count by (instance) ( count by (instance,cpu) (node_cpu_seconds_total{mode="system",
instance="192.168.1.1"})