mmetric 设计思路

mmetric 包为 Maltose 框架提供了一个健壮、解耦且可扩展的指标（Metrics）系统。它的设计核心是故意的抽象层，也称为门面模式（Facade Pattern）或适配器模式（Adapter Pattern）。这种设计虽然初看比 mtrace 复杂，但它为框架的长期稳定性和可维护性提供了坚实的保障。

核心设计：为什么是“厚抽象”？

指标系统的本质是数据的聚合与导出，其面临的生态环境具有高度的多样性和易变性。我们的设计目标是通过一个稳定的内部接口来隔离这种复杂性。

1. 解耦（Decoupling）: 框架的核心模块（如 mhttp, mclient）只依赖于 mmetric.Provider, mmetric.Meter 等稳定接口，而完全不知道底层的具体实现。这使得我们可以随时替换或升级指标后端（如从 OpenTelemetry 切换到另一个库），而无需改动框架的任何业务代码。

2. API 稳定性与简化（API Stability & Simplification）: mmetric 提供了一套统一且简洁的 API（如 MetricOption 结构体），相比 OpenTelemetry 原生的函数式选项（metric.With...），在配置项较多时更具可读性和声明性。这为开发者提供了一个更易于使用的门面。

3. 框架一致性（Consistency）: mmetric 与 mlog, mcfg 等其他 maltose 核心组件遵循相同的设计哲学，为用户提供了一致的开发体验。

与 mtrace 的设计对比

mtrace 被设计成一个轻量级的“工具箱”，因为它所解决的追踪问题的本质是上下文传递，这个模式已经由 Go 的 context.Context 和 OpenTelemetry 的 API 很好地标准化了，无需过度封装。

而 mmetric 需要面对一个更多样化的后端世界（Prometheus, Datadog, InfluxDB 等），这些后端的客户端库和数据模型各不相同。因此，一个“厚抽象”层是应对这种多样性的最佳策略。

业界最佳实践佐证

这种“厚抽象”的设计模式在业界顶级框架中是公认的最佳实践，尤其是在指标领域。

• Java - Spring Boot & Micrometer: Micrometer 是 Java 世界指标的事实标准，它本身就是一个完美的门面模式案例。Spring Boot 通过集成 Micrometer，允许开发者使用一套统一的 API，然后通过更换依赖（适配器）将指标无缝对接到 Prometheus, Datadog, Atlas 等数十种监控系统。mmetric 的设计思想与 Micrometer 完全一致。

• Go - Go-kit / Kratos: 这些知名的 Go 微服务框架都定义了自己的 metrics 接口（如 metrics.Counter, metrics.Histogram），然后提供了对 Prometheus 等后端的具体实现作为适配器。

• Python - Django: 社区广泛使用的 django-prometheus 库扮演了适配器的角色，它将 Django 内部的状态和事件“翻译”成 Prometheus 的指标格式，而不是让用户直接在业务代码中调用 Prometheus 的客户端库。