选对指标类型是监控准确的前提：Counter用于单调递增的累计计数，须配rate()使用；Gauge记录瞬时状态值，可直接查询比较；Histogram按桶统计分布，用于延迟等分位数分析。

选对指标类型，监控才不会出错。Counter、Gauge、Histogram 不是随便挑的标签，而是对应不同数学逻辑和采集语义的数据建模方式——用错一个，rate() 就算歪，告警就可能误报。

Counter：只增不减的累计计数器

它记录的是从服务启动（或上次重置）以来某个事件发生的总次数，数值单调递增，正常情况下不会下降。Prometheus 能自动识别重启导致的归零，并在计算时做断点续接。

• 适用场景：HTTP 请求总数、错误发生次数、任务完成数、网络收包总数
• 关键操作：必须配合 rate() 或 increase() 使用，直接查原始值意义有限
• 典型错误：拿 Counter 记录“当前活跃连接数”——这个值会增会减，不是累计量，会导致 rate() 输出负值或跳变异常

Gauge：反映当下状态的瞬时快照

它代表某一时刻的测量值，可升可降，没有累积含义。Prometheus 存储的是带时间戳的点值，适合直接绘图或做阈值判断。

• 适用场景：内存使用量、CPU 使用率、队列长度、温度读数、在线用户数
• 关键操作：可直接查询、比较、做四则运算，比如 (1 - node_memory_MemAvailable_bytes / node_memory_MemTotal_bytes) * 100
• 典型错误：用 Gauge 存“累计失败次数”，再套 rate() 算失败率——本质是把瞬时值当增量用，结果完全失真

Histogram：按桶分组的分布统计器

它不存单个样本，而是把每次观测值（如请求耗时）落入预设区间（le="0.1"、le="0.5"…），并分别统计各桶内样本数。最终生成三个配套序列：_bucket、_count、_sum。

• 适用场景：接口响应延迟、请求体大小、处理耗时等需要看分布的指标
• 关键操作：用 histogram_quantile(0.99, ...) 算 P99 延迟；用 rate(..._bucket[5m]) 配合 quantile 函数推算分位数变化趋势
• 注意点：分位数计算依赖客户端打点精度（桶边界设置）和 PromQL 聚合方式，不能直接用 raw _bucket 值做简单除法