메트릭 기초

학습 목표

메트릭이 시계열 숫자 신호임을 설명할 수 있다.

counter, gauge, histogram(및 summary) 타입을 구분할 수 있다.

서비스 RED, 자원 USE 프레임워크로 무엇을 측정할지 잡을 수 있다.

로그·메트릭을 언제 무엇에 쓰는지 구분할 수 있다.

문제 상황

• 로그는 TB인데 대시보드에는 숫자 몇 개만 있으면 된다
  • 전부 로그로 집계하면 비용·지연이 크다
• requests_total이 1억인데 지금 RPS가 얼마인지 모른다
  • counter를 그대로 그래프에 그리면 의미가 없다
• CPU 80%인데 대기가 심한지, 에러가 많은지 한 눈에 안 보인다
  • 지표 종류와 라벨 설계가 엉망
• p99 latency를 평균으로 대체했다가 SLA를 놓침
  • histogram·백분위가 필요

로그 파이프라인·장애 좁히기를 봤다. 이번 편은 집계된 숫자—메트릭의 타입과 설계 프레임이다.

1. 메트릭이란

메트릭 — 시간에 따라 샘플링되는 숫자 시계열. 라벨(차원)로 분류한다.

특징	메트릭	로그
형태	숫자 + 타임스탬프	텍스트/JSON 이벤트
비용	집계 후 저렴	원문 보관 비쌈
용도	추세·알람·SLO	원인·컨텍스트·감사
예	http_requests_total{status="500"}	stack trace, user id

• 관측성 삼각형에서 메트릭은 "얼마나·얼마나 자주"에 강하다
• 트레이스는 요청 경로, 로그는 사건 기록

2. 메트릭 타입

Counter

• 단조 증가 (리셋 시 0으로 — 재시작)
• 예: 요청 수, 에러 수, 처리된 작업 수
• rate() 로 초당 증가율(RPS) 계산

http_requests_total{method="GET",status="200"}  184203

Gauge

• 오르내림 가능한 현재값
• 예: 메모리 사용량, 큐 길이, 활성 연결 수, CPU %

jvm_memory_used_bytes  1.2e9

Histogram / Summary

• 분포 — 여러 관측을 버킷에 누적
• 예: 요청 지연, 응답 크기
• p50, p95, p99는 histogram + histogram_quantile (Prometheus) 등으로 산출

타입	질문
Counter	얼마나 발생했나
Gauge	지금 얼마인가
Histogram	분포는 어떤가

3. RED — 서비스 관점

RED (Tom Wilkie) — 마이크로서비스·요청 처리에 맞춘 최소 세트.

문자	의미	예 메트릭
Rate	초당 요청 수	rate(http_requests_total[5m])
Errors	실패 비율	5xx / total, 또는 errors_total
Duration	지연 분포	histogram http_request_duration_seconds

• API·웹 서버 헬스를 빠르게 본다
• 로그 없이도 "지금 장애냐" 1차 판단 가능

4. USE — 자원 관점

USE (Brendan Gregg) — CPU·디스크·네트워크 등 자원.

문자	의미	예
Utilization	사용률 %	CPU busy, disk busy
Saturation	포화·대기	run queue, IO wait
Errors	하드웨어·드라이버 에러	disk error counter

• 노드·DB·캐시 튜닝에 RED와 함께 본다
• Database 슬로우 쿼리·OS I/O와 연결

5. 라벨 설계 주의

좋음	나쁨
status="500", method="POST"	user_id="12345" (고카디널리티)
service="payment"	trace_id를 라벨로
목적 있는 차원 5~10개	수백 개 unique 라벨

• 라벨 조합마다 시계열이 생긴다 → cardinality 폭발 (8편에서 상세)

6. 정리

• 메트릭은 집계 숫자 — 알람·대시보드·SLO에 적합
• counter / gauge / histogram 역할을 구분해 instrument 한다
• 서비스는 RED, 자원은 USE로 최소 커버리지를 잡는다
• 원인 분석은 메트릭만으로 부족 → 로그·트레이스와 함께

다음에 다룰 것

• Prometheus
• pull 모델, exposition, PromQL 입문

---

해당 내용은 Observability Engineering (Charity Majors, Liz Fong-Jones, George Miranda) 및 Google SRE Workbook 의 내용을 기반으로 합니다.