指标的 OpenTelemetry 数据模型由用于交付预聚合指标时间序列数据的协议规范和语义约定组成。该数据模型旨在从现有系统导入数据并将数据导出到现有系统，以及支持内部 OpenTelemetry 用例，以从跨度或日志流生成指标。
该协议旨在满足 OpenCensus Metrics 系统的要求，特别是满足其 Metrics Views 的概念。通过支持收集路径上的数据转换，在 OpenTelemetry Metrics 数据模型中完成视图。
OpenTelemetry 确定了三种保留语义的度量数据转换，这些转换可用于构建度量收集系统作为控制成本、可靠性和资源分配的方法。OpenTelemetry Metrics 数据模型旨在支持这些转换，既可以在数据生成时在 SDK 内进行，也可以作为 OpenTelemetry 收集器内的重新处理阶段进行。这些转变是：
- 时间重新聚合：以高频收集的指标可以重新聚合为更长的间隔，从而允许预先计算或使用低分辨率时间序列来代替原始指标数据。
- 空间重新聚合：使用不需要的属性生成的指标可以重新聚合为具有较少属性的指标。
- Delta-to-Cumulative：以 Delta 临时性输入和输出的指标减轻了客户端保持高基数状态的负担。增量的使用允许下游服务承担转换为累积时间序列的成本，或者放弃成本并直接计算费率。
OpenTelemetry Metrics 数据流的设计使得这些转换可以自动应用于相同类型的流，但须满足下述条件。每个 OTLP 数据流都有一个内在的 可分解聚合函数，使其在语义上得到明确定义，可以跨时间和空间属性合并数据点。每个OTLP数据点还具有两个有意义的时间戳，结合内在聚合，可以对模型的每个基本点进行标准度量数据转换，同时确保结果具有预期含义。
与 OpenCensus Metrics 一样，只需选择聚合间隔和所需属性，即可将指标数据转换为一个或多个视图。通过配置不同的视图，可以将一串 OTLP 数据转换为多个时间序列输出，并且所需的视图处理可以在 SDK 内部应用，也可以由外部收集器应用。
