4.1.2　时间序列

和MySQL关系型数据库不同的是，时间序列数据库主要按照一定的时间间隔产生一个个数据点，而这些数据点按照时间戳和值的生成顺序存放，这就得到了我们上文提到的向量（vector）。以时间轴为横坐标、序列为纵坐标，这些数据点连接起来就会形成一个图4-1所示的矩阵。

图4-1　以时间轴为横坐标、序列为纵坐标的时间序列矩阵

每条时间序列（Time Series）是通过指标名称（Metrics name）和一组标签集（Label set）来命名的。如果time相同，但是指标名称或者标签集不同，那么时间序列也不同。如图4-1所示，在某一时刻t0，request_total{path="/status"，method="GET"}和request_total{path="/"，method="GET"}就是两个不同的数据点，errors_total{path="/status"，method="POST"}和errors_total{path="/health"，method="GET"}也是两个不同的数据点，也就是说在这个时刻可能至少产生了4条数据。当然，图4-1所示时间点有一些也是没有数量的，如果这个时刻没有记录数据，矩阵上就没有时间序列填充了。

图4-1所示矩阵中的每一个点都可称为一个样本（Sample），样本主要由3方面构成。

·指标（Metrics）：包括指标名称（Metrics name）和一组标签集（Label set）名称，如request_total{path="/status"，method="GET"}。

·时间戳（TimeStamp）：这个值默认精确到毫秒。

·样本值（Value）：这个值默认使用Float64浮点类型。

Prometheus会定期为所有系列收集新数据点。从Prometheus基于时间序列的基本特性来看，由于图4-1所示的矩阵的左侧通常为过去的数据，这些数据一般是只读（不会变更）的，故当前的数据才会在时间轴的右端垂直性写入。

思考拓展

同一个时间点可以产生很多指标，比如与中间件Redis、MySQL、Kafka、MongoDB、HikariCP等相关的指标，以及响应、I/O等系统性指标。如果使用了Prometheus监控系统，那么在前一天下午4点发生系统故障的情况下，基于上述矩阵的监控方式，技术人员就可以直接观察到前一天下午4点前后各个中间件及系统的监控指标项的数据及其趋势变化，从而更加容易定位并解决问题。这就是时序数据库的好处。目前开源领域的中间件很多都将指标作为基础功能，比如数据库连接池HikariCP（Spring Boot 2.x默认的数据库连接池）和Druid。