2.2 PromQL

监控数据模型

prometheus 的监控数据被组织为时间序列数据，每一项由 metric name 和 labels (key-value pairs) 标识，格式为：

<metric name>{<label name>=<label value>, ...} <value>

example:

api_http_requests_total{method="POST", handler="/messages"}

<--------------- metric ---------------------><-timestamp -><-value->
http_request_total{status="200", method="GET"}@1434417560938 => 94355
http_request_total{status="200", method="GET"}@1434417561287 => 94334

http_request_total{status="404", method="GET"}@1434417560938 => 38473
http_request_total{status="404", method="GET"}@1434417561287 => 38544

http_request_total{status="200", method="POST"}@1434417560938 => 4748
http_request_total{status="200", method="POST"}@1434417561287 => 4785

数据类型

Gauge: 可增可减的任意值，直接反应当前时间的状态
Counter: 只增不减，通常需要与 rate, irate 等函数搭配，计算单位时间发生次数
Histogram: 包含自开始监控以来监控样本个数，样本值总和，以及各值区间内样本个数
Summary: 包含自监控以来监控样本个数，样本值总和，以及 50%, 90%, 99% 等样本的值

Counter

rate(http_requests_total[5m])

topk(10, http_requests_total)

Gauge

delta(cpu_temp_celsius{host="zeus"}[2h])

predict_linear(node_filesystem_free{job="node"}[1h], 4 * 3600)

Histogram

Summary

promql

表达式类型：

瞬时向量(Instant vector): 一组时间序列，序列的每一项是单独的样本
```
[ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, ... ]
```
区间向量(Range vector): 一组时间序列，序列的每一项包含一段时间范围内的样本数据
```
[ [1, 2], [3, 4], [5, 6], [7, 8], [9, 10], ... ]
```
标量(Scalar): 一个浮点型的数据值
字符串(String): 一个简单的字符串值

只有瞬时向量可以绘制为图表数据

瞬时向量

直接以 metrics 名查询

http_requests_total
http_requests_total{}

利用标签进行过滤(完全匹配/正则表达式)：

= 相同标签

http_requests_total{instance="localhost:9090"}

!= 不相同标签

http_requests_total{instance!="localhost:9090"}

=~ 正则表达式匹配

http_requests_total{environment=~"staging|testing|development", method!="GET"}

!~ 正则表达式不匹配

http_requests_total{environment!~"staging|testing|development", method!="GET"}

不含某个标签（以不含 topic 标签为例）：

kafka_server_BrokerTopicMetrics_OneMinuteRate{name="BytesOutPerSec", topic=""}

区间向量

时间单位：

s - 秒
m - 分钟
h - 小时
d - 天
w - 周
y - 年

时间位移：

http_request_total{} # 瞬时向量表达式，选择当前最新的数据
http_request_total{}[5m] # 区间向量表达式，选择以当前时间为基准，5分钟内的数据

聚合操作

作用于瞬时向量，将多组瞬时向量的值聚合，得到新的时间序列

sum (求和)
min (最小值)
max (最大值)
avg (平均值)
stddev (标准差)
stdvar (标准差异)
count (计数)
count_values (对 value 进行计数)
bottomk (样本值最小的 k 个元素)
topk (样本值最大的k个元素)
quantile (分布统计)

这些操作符被用于聚合所有标签维度，或者通过 without 或者 by 子语句来保留不同的维度。

<aggr-op>([parameter,] <vector expression>) [without|by (<label list>)]

查询系统所有http请求的总量

sum(http_request_total)

按照 mode 计算主机 CPU 的平均使用时间

avg(node_cpu) by (mode)

按照主机查询各个主机的 CPU 使用率

sum(sum(irate(node_cpu{mode!='idle'}[5m]))  / sum(irate(node_cpu[5m]))) by (instance)

label list 也可以放在前面

sum by (job) (matrics{})

内置函数

rate

rate 作用于区间向量，得到区间内样本值的增长速率。

对于 Counter 类型的数据，即监控样本值是根据时间的累计值，所得增长速率，也可以视为单位时间内的增量。

特别是对总共耗费时间的累计值，单位时间内的增量，同样可以视为单位时间的占比。

例如：

node_disk_io_time_seconds_total{device="vdb"}

可以表示磁盘 vdb 发生磁盘 io 时间的累计值，那么

rate(node_disk_io_time_seconds_total{device="vdb"}[5m])

以 5 分钟为区间，计算区间内花费在磁盘 io 的时间的增长速率，增长速率相当于单位时间花费在磁盘 io 的时间的增长量，同样相当于单位时间内花费在磁盘 io 的占比，也即磁盘使用率 %util

irate

irate 类似 rate，也作用于区间向量，得到区间内样本值的增长速率。

区别在于，irate 计算增长值时会在时间区间内取最近两个 2 个样本计算速率，而 rate 会取时间区间内所有样本计算出一组速率取平均值。

因此，当时间区间较大时，rate 的曲线比 irate 更加平滑，当时间区间逐渐缩小时，rate 的曲线会逐渐逼进 irate 的曲线。

increase

increase() 作用于区间向量，获取区间中的第一个样本值和最后一个样本值之间的增长量。

topk

前 n 条时序

topk(n, )

bottomk

后 n 条时序

bottomk(n, )