Histogram 的核心概念是「把觀測值分到多個 bucket，記錄每個範圍的累積數量」。它是 metrics 中描述分布的工具，常用來觀察 latency、request size、payload size、queue wait time 與處理耗時，支援 percentile 計算。

概念位置

Histogram 是 metrics 中描述分布的工具，跟 counter（計數）跟 gauge（瞬間值）互補。Average 只能說明中心趨勢；histogram 可以支援 percentile（p95 / p99）、SLI 計算跟 burn rate 判斷。

Prometheus 的 histogram 用累積 bucket（le label）實作 — 每個 bucket 記錄「值 <= le 的觀測次數」。PromQL 的 histogram_quantile() 從 bucket 資料估算 percentile。

使用情境

系統需要 histogram 的訊號是少數慢 request 會影響使用者體驗但 average 看不出來。Checkout 平均延遲 100ms 看起來良好，但 p99 若超過 3 秒，1% 的使用者體驗極差。Histogram 讓這個長尾可見。

設計責任

Histogram bucket boundary 要依 SLO 閾值跟實際延遲範圍設計。Bucket 太粗（只有 100ms / 500ms / 1s）會讓 percentile 估計跳躍式變化；太細會增加 cardinality（每個 bucket 是一條 time series）。常見做法是在 SLO 閾值附近密集、在兩端稀疏。詳見 4.2 metrics basics。