保姆級(jí) Prometheus PromQL 講解與實(shí)戰(zhàn)操作

2023-03-25 22:22:02 來(lái)源：騰訊云編輯：

一、PromQL 介紹

PromQL（Prometheus Query Language）為 Prometheus tsdb 的查詢語(yǔ)言。是結(jié)合 grafana 進(jìn)行數(shù)據(jù)展示和告警規(guī)則的配置的關(guān)鍵部分。

(相關(guān)資料圖)

官方文檔：https://prometheus.io/docs/prometheus/latest/querying/basics/

二、四種指標(biāo)類型

counter（計(jì)數(shù)器）gauge （儀表類型）histogram（直方圖類型）summary （摘要類型）

1）counter（計(jì)數(shù)器）

Counter(只增不減的計(jì)數(shù)器) 類型的指標(biāo)其工作方式和計(jì)數(shù)器一樣，只增不減。常見(jiàn)的監(jiān)控指標(biāo)，如 http_requests_total、 node_cpu_seconds_total都是 Counter類型的監(jiān)控指標(biāo)。

在 node-exporter 返回的樣本數(shù)據(jù)中，其注釋中也包含了該樣本的類型。例如：

# HELP node_cpu_seconds_total Seconds the cpus spent in each mode.# TYPE node_cpu_seconds_total counternode_cpu_seconds_total{cpu="cpu0",mode="idle"} 362812.7890625

#HELP：解釋當(dāng)前指標(biāo)的含義，上面表示在每種模式下 node 節(jié)點(diǎn)的 cpu 花費(fèi)的時(shí)間，以 s 為單位。#TYPE：說(shuō)明當(dāng)前指標(biāo)的數(shù)據(jù)類型，上面是 counter 類型。

counter是一個(gè)簡(jiǎn)單但又強(qiáng)大的工具，例如我們可以在應(yīng)用程序中記錄某些事件發(fā)生的次數(shù)，通過(guò)以時(shí)間序列的形式存儲(chǔ)這些數(shù)據(jù)，我們可以輕松的了解該事件產(chǎn)生的速率變化。PromQL內(nèi)置的聚合操作和函數(shù)可以讓用戶對(duì)這些數(shù)據(jù)進(jìn)行進(jìn)一步的分析，例如，通過(guò) rate()函數(shù)獲取 HTTP 請(qǐng)求量的增長(zhǎng)率：

rate(http_requests_total[5m])

查詢當(dāng)前系統(tǒng)中，訪問(wèn)量前 10 的 HTTP 請(qǐng)求：

topk(10, http_requests_total)

2）gauge （儀表類型）

與 Counter不同， Gauge（可增可減的儀表盤）類型的指標(biāo)側(cè)重于反應(yīng)系統(tǒng)的當(dāng)前狀態(tài)。因此這類指標(biāo)的樣本數(shù)據(jù)可增可減。常見(jiàn)指標(biāo)如：node_memory_MemFree_bytes（主機(jī)當(dāng)前空閑的內(nèi)存大小）、 node_memory_MemAvailable_bytes（可用內(nèi)存大小）都是 Gauge類型的監(jiān)控指標(biāo)。通過(guò) Gauge指標(biāo)，用戶可以直接查看系統(tǒng)的當(dāng)前狀態(tài)：

node_memory_MemFree_bytes

對(duì)于 Gauge類型的監(jiān)控指標(biāo)，通過(guò) PromQL內(nèi)置函數(shù) delta()可以獲取樣本在一段時(shí)間范圍內(nèi)的變化情況。例如，計(jì)算 CPU 溫度在兩個(gè)小時(shí)內(nèi)的差異：

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

還可以直接使用 predict_linear()對(duì)數(shù)據(jù)的變化趨勢(shì)進(jìn)行預(yù)測(cè)。例如，預(yù)測(cè)系統(tǒng)磁盤空間在 4 個(gè)小時(shí)之后的剩余情況：

predict_linear(node_filesystem_free_bytes[1h], 4 * 3600)

3）Histogram（直方圖類型）和 Summary（摘要類型）

除了 Counter和 Gauge類型的監(jiān)控指標(biāo)以外，Prometheus 還定義了 Histogram和 Summary的指標(biāo)類型。Histogram和 Summary主用用于統(tǒng)計(jì)和分析樣本的分布情況。

在大多數(shù)情況下人們都傾向于使用某些量化指標(biāo)的平均值，例如 CPU 的平均使用率、頁(yè)面的平均響應(yīng)時(shí)間，這種方式也有很明顯的問(wèn)題，以系統(tǒng) API 調(diào)用的平均響應(yīng)時(shí)間為例：如果大多數(shù) API 請(qǐng)求都維持在 100ms 的響應(yīng)時(shí)間范圍內(nèi)，而個(gè)別請(qǐng)求的響應(yīng)時(shí)間需要 5s，那么就會(huì)導(dǎo)致某些 WEB 頁(yè)面的響應(yīng)時(shí)間落到中位數(shù)上，而這種現(xiàn)象被稱為長(zhǎng)尾問(wèn)題。為了區(qū)分是平均的慢還是長(zhǎng)尾的慢，最簡(jiǎn)單的方式就是按照請(qǐng)求延遲的范圍進(jìn)行分組。例如，統(tǒng)計(jì)延遲在 0~10ms 之間的請(qǐng)求數(shù)有多少而 10~20ms 之間的請(qǐng)求數(shù)又有多少。通過(guò)這種方式可以快速分析系統(tǒng)慢的原因。Histogram和 Summary都是為了能夠解決這樣的問(wèn)題存在的，通過(guò) Histogram和 Summary類型的監(jiān)控指標(biāo)，我們可以快速了解監(jiān)控樣本的分布情況。

例如，指標(biāo) prometheus_tsdb_wal_fsync_duration_seconds的指標(biāo)類型為 Summary。它記錄了 Prometheus Server 中 wal_fsync的處理時(shí)間，通過(guò)訪問(wèn) Prometheus Server 的 /metrics地址，可以獲取到以下監(jiān)控樣本數(shù)據(jù)：

# HELP prometheus_tsdb_wal_fsync_duration_seconds Duration of WAL fsync.# TYPE prometheus_tsdb_wal_fsync_duration_seconds summaryprometheus_tsdb_wal_fsync_duration_seconds{quantile="0.5"} 0.012352463prometheus_tsdb_wal_fsync_duration_seconds{quantile="0.9"} 0.014458005prometheus_tsdb_wal_fsync_duration_seconds{quantile="0.99"} 0.017316173prometheus_tsdb_wal_fsync_duration_seconds_sum 2.888716127000002prometheus_tsdb_wal_fsync_duration_seconds_count 216

從上面的樣本中可以得知當(dāng)前 Prometheus Server 進(jìn)行 wal_fsync操作的總次數(shù)為 216 次，耗時(shí) 2.888716127000002s。其中中位數(shù)（quantile=0.5）的耗時(shí)為 0.012352463，9 分位數(shù)（quantile=0.9）的耗時(shí)為 0.014458005s。

在 Prometheus Server 自身返回的樣本數(shù)據(jù)中，我們還能找到類型為 Histogram 的監(jiān)控指標(biāo) prometheus_tsdb_compaction_chunk_range_seconds_bucket：

# HELP prometheus_tsdb_compaction_chunk_range_seconds Final time range of chunks on their first compaction# TYPE prometheus_tsdb_compaction_chunk_range_seconds histogramprometheus_tsdb_compaction_chunk_range_seconds_bucket{le="100"} 71prometheus_tsdb_compaction_chunk_range_seconds_bucket{le="400"} 71prometheus_tsdb_compaction_chunk_range_seconds_bucket{le="1600"} 71prometheus_tsdb_compaction_chunk_range_seconds_bucket{le="6400"} 71prometheus_tsdb_compaction_chunk_range_seconds_bucket{le="25600"} 405prometheus_tsdb_compaction_chunk_range_seconds_bucket{le="102400"} 25690prometheus_tsdb_compaction_chunk_range_seconds_bucket{le="409600"} 71863prometheus_tsdb_compaction_chunk_range_seconds_bucket{le="1.6384e+06"} 115928prometheus_tsdb_compaction_chunk_range_seconds_bucket{le="6.5536e+06"} 2.5687892e+07prometheus_tsdb_compaction_chunk_range_seconds_bucket{le="2.62144e+07"} 2.5687896e+07prometheus_tsdb_compaction_chunk_range_seconds_bucket{le="+Inf"} 2.5687896e+07prometheus_tsdb_compaction_chunk_range_seconds_sum 4.7728699529576e+13prometheus_tsdb_compaction_chunk_range_seconds_count 2.5687896e+07

與 Summary類型的指標(biāo)相似之處在于 Histogram類型的樣本同樣會(huì)反應(yīng)當(dāng)前指標(biāo)的記錄的總數(shù)(以 _count作為后綴)以及其值的總量（以 _sum作為后綴）。不同在于 Histogram指標(biāo)直接反應(yīng)了在不同區(qū)間內(nèi)樣本的個(gè)數(shù)，區(qū)間通過(guò)標(biāo)簽 le 進(jìn)行定義。

三、表達(dá)式四種數(shù)據(jù)類型

PromQL 查詢語(yǔ)句即表達(dá)式，實(shí)現(xiàn)的四種數(shù)據(jù)類型：

瞬時(shí)向量（Instant vector）：一組時(shí)間序列，每個(gè)時(shí)間序列包含單個(gè)樣本，它們共享相同的時(shí)間戳。也就是說(shuō)，表達(dá)式的返回值中只會(huì)包含該時(shí)間序列中最新的一個(gè)樣本值。區(qū)間向量（Range vector）：一組時(shí)間序列，每個(gè)時(shí)間序列包含一段時(shí)間范圍內(nèi)的樣本數(shù)據(jù)。標(biāo)量（Scalar）：一個(gè)浮點(diǎn)型的數(shù)據(jù)值，沒(méi)有時(shí)序?？梢詫懗蒣-]（digits）[.（digits）]的形式。需要注意的是，使用表達(dá)式 count（http_requests_total）返回的數(shù)據(jù)類型依然是瞬時(shí)向量，用戶可以通過(guò)內(nèi)置函數(shù) scalar()將單個(gè)瞬時(shí)向量轉(zhuǎn)換為標(biāo)量。字符串（String）：一個(gè)簡(jiǎn)單的字符串值。字符串可以用單引號(hào)（""）、雙引號(hào)（""）或反引號(hào)（``）來(lái)指定。

1）瞬時(shí)向量（Instant vector）

Instance vector（瞬時(shí)向量）表示一個(gè)時(shí)間序列的集合，但是每個(gè)時(shí)序只有最近的一個(gè)點(diǎn)，而不是線。

2）區(qū)間向量（Range vector）

Range vector（范圍向量）表示一段時(shí)間范圍里的時(shí)序，每個(gè)時(shí)序可包含多個(gè)點(diǎn) 。

3）標(biāo)量（Scalar）

Scalar（標(biāo)量）通常為數(shù)值，可以將只有一個(gè)時(shí)序的 Instance vector 轉(zhuǎn)換成 Scalar。

4）字符串（String）

一個(gè)簡(jiǎn)單的字符串值。字符串可以用單引號(hào)（""）、雙引號(hào)（""）或反引號(hào)（``）來(lái)指定。

四、時(shí)間序列（向量）

按照時(shí)間順序記錄系統(tǒng)、設(shè)備狀態(tài)變化的數(shù)據(jù)，每個(gè)數(shù)據(jù)成為一個(gè)樣本。

數(shù)據(jù)采集以特定的時(shí)間周期進(jìn)行，因而，隨著時(shí)間流逝，將這些樣本數(shù)據(jù)記錄下來(lái)，將生成一個(gè)離散的樣本數(shù)據(jù)序列。該序列也稱為向量（Vector）,以時(shí)間軸為橫坐標(biāo)、序列為縱坐標(biāo)，這些數(shù)據(jù)點(diǎn)連接起來(lái)就會(huì)形成一個(gè)矩陣。

1）時(shí)間序列的構(gòu)成

每條時(shí)間序列（Time Series）是通過(guò)指標(biāo)名稱（Metrics name）和一組標(biāo)簽集（Label set）來(lái)命名的。

如果 time 相同，但是指標(biāo)名稱或者標(biāo)簽集不同，那么時(shí)間序列也不同。

2）樣本構(gòu)成

矩陣中每一個(gè)點(diǎn)都可稱為一個(gè)樣本（Sample），樣本主要由 3 方面構(gòu)成。

指標(biāo)（Metrics）：包括指標(biāo)名稱（Metrics name）和一組標(biāo)簽集（Label set）名稱，如 request_total{path="/status"，method="GET"}。時(shí)間戳（TimeStamp）：這個(gè)值默認(rèn)精確到毫秒。樣本值（Value）：這個(gè)值默認(rèn)使用 Float64 浮點(diǎn)類型。

時(shí)間序列的指標(biāo)（Metrics）存儲(chǔ)格式為 key-value。

http_request_total{status="200"，method="GET"}@1434417560938=>94355為例，在 Key-Value 關(guān)系中，94355 作為 Value（也就是樣本值 Sample Value），前面的 http_request_total{status="200"，method="GET"}@1434417560938一律作為 Key。

3）key 的組成

Metric Name：指標(biāo)名（例子中的 http_request_total）Label：標(biāo)簽（例子中的{status="200"，method="GET"}）Timestamp：時(shí)間戳（例子中的@1434417560938）

Prometheus Metrics 兩種表現(xiàn)形式：

五、標(biāo)簽過(guò)濾器 4 種運(yùn)算符

=：與字符串匹配!=：與字符串不匹配=~：與正則匹配!~：與正則不匹配

1）匹配器（Matcher）

匹配器是作用于標(biāo)簽上的，標(biāo)簽匹配器可以對(duì)時(shí)間序列進(jìn)行過(guò)濾，Prometheus 支持完全匹配和正則匹配兩種模式：完全匹配和正則表達(dá)式匹配。

2）完全匹配

1、相等匹配器（=）

相等匹配器（Equality Matcher），用于選擇與提供的字符串完全相同的標(biāo)簽。下面介紹的例子中就會(huì)使用相等匹配器按照條件進(jìn)行一系列過(guò)濾。

node_cpu_seconds_total{instance="ydzs-master"}

2、不相等匹配器（!=）

不相等匹配器（Negative Equality Matcher），用于選擇與提供的字符串不相同的標(biāo)簽。它和相等匹配器是完全相反的。舉個(gè)例子，如果想要查看 job 并不是 HelloWorld 的 HTTP 請(qǐng)求總數(shù)，可以使用如下不相等匹配器。

3）正則表達(dá)式匹配

1、正則表達(dá)式匹配器（=~）

正則表達(dá)式匹配器（Regular Expression Matcher），用于選擇與提供的字符串進(jìn)行正則運(yùn)算后所得結(jié)果相匹配的標(biāo)簽。Prometheus 的正則運(yùn)算是強(qiáng)指定的，比如正則表達(dá)式 a 只會(huì)匹配到字符串 a，而并不會(huì)匹配到 ab 或者 ba 或者 abc。如果你不想使用這樣的強(qiáng)指定功能，可以在正則表達(dá)式的前面或者后面加上“.*”。比如下面的例子表示 job 是所有以 Hello 開頭的 HTTP 請(qǐng)求總數(shù)。

node_cpu_seconds_total{instance=~"ydzs-.*", mode="idle"}

node_cpu_seconds_total直接等效于{__name__="node_cpu_seconds_total"}，后者也可以使用和前者一樣的 4 種匹配器（=，!=，=，!）。比如下面的案例可以表示所有以 Hello 開頭的指標(biāo)。

{__name__="node_cpu_seconds_total",instance=~"ydzs-.*", mode="idle"}

2、正則表達(dá)式相反匹配器（!~）

正則表達(dá)式相反匹配器（Negative Regular Expression Matcher），用于選擇與提供的字符串進(jìn)行正則運(yùn)算后所得結(jié)果不匹配的標(biāo)簽。因?yàn)?PromQL 的正則表達(dá)式基于 RE2 的語(yǔ)法，但是 RE2 不支持向前不匹配表達(dá)式，所以!~的出現(xiàn)是作為一種替代方案，以實(shí)現(xiàn)基于正則表達(dá)式排除指定標(biāo)簽值的功能。在一個(gè)選擇器當(dāng)中，可以針對(duì)同一個(gè)標(biāo)簽來(lái)使用多個(gè)匹配器。比如下面的例子，可以實(shí)現(xiàn)查找 job 名是 node 且安裝在/prometheus 目錄下，但是并不在/prometheus/user 目錄下的所有文件系統(tǒng)并確定其大小。

node_filesystem_size_bytes{job="node",mountpoint=~"/prometheus/.*", mountpoint!~ "/prometheus/user/.*"}

六、范圍選擇器

我們可以通過(guò)將時(shí)間范圍選擇器 range vector selectors 附加到查詢語(yǔ)句中，指定為每個(gè)返回的區(qū)間向量樣本值中提取多長(zhǎng)的時(shí)間范圍。每個(gè)時(shí)間戳的值都是按時(shí)間倒序記錄在時(shí)間序列中的，該值是從時(shí)間范圍內(nèi)的時(shí)間戳獲取的對(duì)應(yīng)的值。

時(shí)間范圍通過(guò)數(shù)字來(lái)表示，單位可以使用以下其中之一的時(shí)間單位：

s - 秒m - 分鐘h - 小時(shí)d - 天w - 周y - 年

比如 node_cpu_seconds_total{instance="ydzs-master",mode="idle"}這個(gè)查詢語(yǔ)句，如果添加上 [1m]這個(gè)時(shí)間范圍選擇器，則我們可以得到如下所示的信息：

node_cpu_seconds_total{instance="ydzs-master",mode="idle"}[5m]

這是因?yàn)楝F(xiàn)在每一個(gè)時(shí)間序列中都有多個(gè)時(shí)間戳多個(gè)值，所以沒(méi)辦法渲染，必須是標(biāo)量或者瞬時(shí)向量才可以繪制圖形。

不過(guò)通常區(qū)間向量都會(huì)應(yīng)用一個(gè)函數(shù)后變成可以繪制的瞬時(shí)向量，Prometheus 中對(duì)瞬時(shí)向量和區(qū)間向量有很多操作的函數(shù)，不過(guò)對(duì)于區(qū)間向量來(lái)說(shuō)最常用的函數(shù)并不多，使用最頻繁的有如下幾個(gè)函數(shù)：

rate(): 計(jì)算整個(gè)時(shí)間范圍內(nèi)區(qū)間向量中時(shí)間序列的每秒平均增長(zhǎng)率。irate(): 僅使用時(shí)間范圍中的最后兩個(gè)數(shù)據(jù)點(diǎn)來(lái)計(jì)算區(qū)間向量中時(shí)間序列的每秒平均增長(zhǎng)率， irate只能用于繪制快速變化的序列，在長(zhǎng)期趨勢(shì)分析或者告警中更推薦使用 rate函數(shù)。increase(): 計(jì)算所選時(shí)間范圍內(nèi)時(shí)間序列的增量，它基本上是速率乘以時(shí)間范圍選擇器中的秒數(shù)。

七、PromQL 運(yùn)算符

1）數(shù)學(xué)運(yùn)算符

數(shù)學(xué)運(yùn)算符比較簡(jiǎn)單，就是簡(jiǎn)單的加減乘除等。

例如：我們通過(guò) prometheus_http_response_size_bytes_sum可以查詢到 Prometheus 這個(gè)應(yīng)用的 HTTP 響應(yīng)字節(jié)總和。但是這個(gè)單位是字節(jié)，我們希望用 MB 顯示。那么我們可以這么設(shè)置：prometheus_http_response_size_bytes_sum/8/1024。

PromQL 支持的所有數(shù)學(xué)運(yùn)算符如下所示：

+ (加法)- (減法)* (乘法)/ (除法)% (求余)^ (冪運(yùn)算)

2）布爾運(yùn)算符

布爾運(yùn)算符支持用戶根據(jù)時(shí)間序列中樣本的值，對(duì)時(shí)間序列進(jìn)行過(guò)濾。

例如：我們可以通過(guò) prometheus_http_requests_total 查詢出每個(gè)接口的請(qǐng)求次數(shù)，但是如果我們想篩選出請(qǐng)求次數(shù)超過(guò) 20 次的接口呢？

此時(shí)我們可以用下面的 PromQL 表達(dá)式：

prometheus_http_requests_total > 20

從上面的圖中我們可以看到，value 的值還是具體的數(shù)值。但如果我們希望對(duì)符合條件的數(shù)據(jù)，value 變?yōu)?1。不符合條件的數(shù)據(jù)，value 變?yōu)?0。那么我們可以使用bool 修飾符。

我們使用下面的 PromQL 表達(dá)式：

prometheus_http_requests_total > bool 20

目前，Prometheus 支持以下布爾運(yùn)算符如下：

==（相等）!=（不相等）>（大于）<（小于）>=（大于或等于）<=（小于或等于）

3）集合運(yùn)算符

通過(guò)集合運(yùn)算，可以在兩個(gè)瞬時(shí)向量與瞬時(shí)向量之間進(jìn)行相應(yīng)的集合操作。目前，Prometheus 支持以下集合運(yùn)算符：

and 與操作or 或操作unless 排除操作

1、and 與操作

vector1 and vector2 進(jìn)行一個(gè)與操作，會(huì)產(chǎn)生一個(gè)新的集合。該集合中的元素同時(shí)在 vector1 和 vector2 中都存在。

例如：我們有 vector1 為 A B C，vector2 為 B C D，那么 vector1 and vector2 的結(jié)果為：B C。

2、or 或操作

vector1 and vector2 進(jìn)行一個(gè)或操作，會(huì)產(chǎn)生一個(gè)新的集合。該集合中包含 vector1 和 vector2 中的所有元素。

例如：我們有 vector1 為 A B C，vector2 為 B C D，那么 vector1 or vector2 的結(jié)果為：A B C D。

3、unless 排除操作

vector1 and vector2 進(jìn)行一個(gè)或操作，會(huì)產(chǎn)生一個(gè)新的集合。該集合首先取 vector1 集合的所有元素，然后排除掉所有在 vector2 中存在的元素。

例如：我們有 vector1 為 A B C，vector2 為 B C D，那么 vector1 unless vector2 的結(jié)果為：A。

4）操作符優(yōu)先級(jí)

在 PromQL 操作符中優(yōu)先級(jí)由高到低依次為：

^*, /, %+, -==, !=, <=, <, >=, >and, unlessor

八、PromQL 內(nèi)置函數(shù)

Prometheus 提供了其它大量的內(nèi)置函數(shù)，可以對(duì)時(shí)序數(shù)據(jù)進(jìn)行豐富的處理。某些函數(shù)有默認(rèn)的參數(shù)，例如：year(v=vector(time()) instant-vector)。其中參數(shù) v 是一個(gè)瞬時(shí)向量，如果不提供該參數(shù)，將使用默認(rèn)值 vector(time())。instant-vector 表示參數(shù)類型。

1） abs()

abs(v instant-vector) 返回輸入向量的所有樣本的絕對(duì)值。

2）absent()

absent(v instant-vector)，如果傳遞給它的向量參數(shù)具有樣本數(shù)據(jù)，則返回空向量；如果傳遞的向量參數(shù)沒(méi)有樣本數(shù)據(jù)，則返回不帶度量指標(biāo)名稱且?guī)в袠?biāo)簽的時(shí)間序列，且樣本值為 1。

當(dāng)監(jiān)控度量指標(biāo)時(shí)，如果獲取到的樣本數(shù)據(jù)是空的，使用 absent 方法對(duì)告警是非常有用的。例如：

# 這里提供的向量有樣本數(shù)據(jù)absent(http_requests_total{method="get"})  => no dataabsent(sum(http_requests_total{method="get"}))  => no data# 由于不存在度量指標(biāo) nonexistent，所以 返回不帶度量指標(biāo)名稱且?guī)в袠?biāo)簽的時(shí)間序列，且樣本值為1absent(nonexistent{job="myjob"})  => {job="myjob"}  1# 正則匹配的 instance 不作為返回 labels 中的一部分absent(nonexistent{job="myjob",instance=~".*"})  => {job="myjob"}  1# sum 函數(shù)返回的時(shí)間序列不帶有標(biāo)簽，且沒(méi)有樣本數(shù)據(jù)absent(sum(nonexistent{job="myjob"}))  => {}  1

3）ceil()

ceil(v instant-vector)將 v 中所有元素的樣本值向上四舍五入到最接近的整數(shù)。例如：

node_load5{instance="192.168.1.75:9100"} # 結(jié)果為 2.79ceil(node_load5{instance="192.168.1.75:9100"}) # 結(jié)果為 3

4）changes()

changes(v range-vector)輸入一個(gè)區(qū)間向量，返回這個(gè)區(qū)間向量?jī)?nèi)每個(gè)樣本數(shù)據(jù)值變化的次數(shù)（瞬時(shí)向量）。例如：

# 如果樣本數(shù)據(jù)值沒(méi)有發(fā)生變化，則返回結(jié)果為 1changes(node_load5{instance="192.168.1.75:9100"}[1m]) # 結(jié)果為 1

5）clamp_max()

clamp_max(v instant-vector, max scalar)函數(shù)，輸入一個(gè)瞬時(shí)向量和最大值，樣本數(shù)據(jù)值若大于 max，則改為 max，否則不變。例如：

node_load5{instance="192.168.1.75:9100"} # 結(jié)果為 2.79clamp_max(node_load5{instance="192.168.1.75:9100"}, 2) # 結(jié)果為 2

6）clamp_min()

clamp_min(v instant-vector, min scalar)函數(shù)，輸入一個(gè)瞬時(shí)向量和最小值，樣本數(shù)據(jù)值若小于 min，則改為 min，否則不變。例如：

node_load5{instance="192.168.1.75:9100"} # 結(jié)果為 2.79clamp_min(node_load5{instance="192.168.1.75:9100"}, 3) # 結(jié)果為 3

7）day_of_month()

day_of_month(v=vector(time()) instant-vector)函數(shù)，返回被給定 UTC 時(shí)間所在月的第幾天。返回值范圍：1~31。

8）day_of_week()

day_of_week(v=vector(time()) instant-vector)函數(shù)，返回被給定 UTC 時(shí)間所在周的第幾天。返回值范圍：0~6，0 表示星期天。

9）days_in_month()

days_in_month(v=vector(time()) instant-vector)函數(shù)，返回當(dāng)月一共有多少天。返回值范圍：28~31。

10）delta()

delta(v range-vector)的參數(shù)是一個(gè)區(qū)間向量，返回一個(gè)瞬時(shí)向量。它計(jì)算一個(gè)區(qū)間向量 v 的第一個(gè)元素和最后一個(gè)元素之間的差值。由于這個(gè)值被外推到指定的整個(gè)時(shí)間范圍，所以即使樣本值都是整數(shù)，你仍然可能會(huì)得到一個(gè)非整數(shù)值。

例如，下面的例子返回過(guò)去兩小時(shí)的 CPU 溫度差：

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

11）deriv()

deriv(v range-vector)的參數(shù)是一個(gè)區(qū)間向量,返回一個(gè)瞬時(shí)向量。它使用簡(jiǎn)單的線性回歸計(jì)算區(qū)間向量 v 中各個(gè)時(shí)間序列的導(dǎo)數(shù)。這個(gè)函數(shù)一般只用在 Gauge 類型的時(shí)間序列上。

12）exp()

exp(v instant-vector)函數(shù)，輸入一個(gè)瞬時(shí)向量，返回各個(gè)樣本值的 e 的指數(shù)值，即 e 的 N 次方。當(dāng) N 的值足夠大時(shí)會(huì)返回 +Inf。特殊情況為：

Exp(+Inf) = +InfExp(NaN) = NaN

13）floor()

floor(v instant-vector)函數(shù)與 ceil() 函數(shù)相反，將 v 中所有元素的樣本值向下四舍五入到最接近的整數(shù)。

14）histogram_quantile()

histogram_quantile(φ float, b instant-vector)從 bucket 類型的向量 b 中計(jì)算 φ (0 ≤ φ ≤ 1) 分位數(shù)（百分位數(shù)的一般形式）的樣本的最大值。（有關(guān) φ 分位數(shù)的詳細(xì)說(shuō)明以及直方圖指標(biāo)類型的使用，請(qǐng)參閱直方圖和摘要）。向量 b 中的樣本是每個(gè) bucket 的采樣點(diǎn)數(shù)量。每個(gè)樣本的 labels 中必須要有 le 這個(gè) label 來(lái)表示每個(gè) bucket 的上邊界，沒(méi)有 le 標(biāo)簽的樣本會(huì)被忽略。直方圖指標(biāo)類型自動(dòng)提供帶有 _bucket 后綴和相應(yīng)標(biāo)簽的時(shí)間序列。可以使用 rate() 函數(shù)來(lái)指定分位數(shù)計(jì)算的時(shí)間窗口。

例如：一個(gè)直方圖指標(biāo)名稱為 employee_age_bucket_bucket，要計(jì)算過(guò)去 10 分鐘內(nèi) 第 90 個(gè)百分位數(shù)，請(qǐng)使用以下表達(dá)式：

histogram_quantile(0.9, rate(employee_age_bucket_bucket[10m]))

返回：

{instance="10.0.86.71:8080",job="prometheus"} 35.714285714285715

這表示最近 10 分鐘之內(nèi) 90% 的樣本的最大值為 35.714285714285715。

15）holt_winters()

holt_winters(v range-vector, sf scalar, tf scalar)函數(shù)基于區(qū)間向量 v，生成時(shí)間序列數(shù)據(jù)平滑值。平滑因子 sf 越低, 對(duì)舊數(shù)據(jù)的重視程度越高。趨勢(shì)因子 tf 越高，對(duì)數(shù)據(jù)的趨勢(shì)的考慮就越多。其中，0< sf, tf <=1。holt_winters 僅適用于 Gauge類型的時(shí)間序列。

16）hour()

hour(v=vector(time()) instant-vector)函數(shù)返回被給定 UTC 時(shí)間的當(dāng)前第幾個(gè)小時(shí)，時(shí)間范圍：0~23。

17）idelta()

idelta(v range-vector)的參數(shù)是一個(gè)區(qū)間向量, 返回一個(gè)瞬時(shí)向量。它計(jì)算最新的 2 個(gè)樣本值之間的差值。這個(gè)函數(shù)一般只用在 Gauge 類型的時(shí)間序列上。

18）increase()

increase(v range-vector)函數(shù)獲取區(qū)間向量中的第一個(gè)和最后一個(gè)樣本并返回其增長(zhǎng)量, 它會(huì)在單調(diào)性發(fā)生變化時(shí)(如由于采樣目標(biāo)重啟引起的計(jì)數(shù)器復(fù)位)自動(dòng)中斷。由于這個(gè)值被外推到指定的整個(gè)時(shí)間范圍，所以即使樣本值都是整數(shù)，你仍然可能會(huì)得到一個(gè)非整數(shù)值。

例如：以下表達(dá)式返回區(qū)間向量中每個(gè)時(shí)間序列過(guò)去 5 分鐘內(nèi) HTTP 請(qǐng)求數(shù)的增長(zhǎng)數(shù)：

increase(http_requests_total{job="apiserver"}[5m])

increase 的返回值類型只能是計(jì)數(shù)器類型，主要作用是增加圖表和數(shù)據(jù)的可讀性。使用 rate 函數(shù)記錄規(guī)則的使用率，以便持續(xù)跟蹤數(shù)據(jù)樣本值的變化。

19）irate()

irate(v range-vector)函數(shù)用于計(jì)算區(qū)間向量的增長(zhǎng)率，但是其反應(yīng)出的是瞬時(shí)增長(zhǎng)率。irate 函數(shù)是通過(guò)區(qū)間向量中最后兩個(gè)兩本數(shù)據(jù)來(lái)計(jì)算區(qū)間向量的增長(zhǎng)速率，它會(huì)在單調(diào)性發(fā)生變化時(shí)(如由于采樣目標(biāo)重啟引起的計(jì)數(shù)器復(fù)位)自動(dòng)中斷。這種方式可以避免在時(shí)間窗口范圍內(nèi)的“長(zhǎng)尾問(wèn)題”，并且體現(xiàn)出更好的靈敏度，通過(guò) irate 函數(shù)繪制的圖標(biāo)能夠更好的反應(yīng)樣本數(shù)據(jù)的瞬時(shí)變化狀態(tài)。

例如：以下表達(dá)式返回區(qū)間向量中每個(gè)時(shí)間序列過(guò)去 5 分鐘內(nèi)最后兩個(gè)樣本數(shù)據(jù)的 HTTP 請(qǐng)求數(shù)的增長(zhǎng)率：

irate(http_requests_total{job="api-server"}[5m])

20）label_join()

label_join(v instant-vector, dst_label string, separator string, src_label_1 string, src_label_2 string, ...)函數(shù)可以將時(shí)間序列 v 中多個(gè)標(biāo)簽 src_label 的值，通過(guò) separator 作為連接符寫入到一個(gè)新的標(biāo)簽 dst_label 中。可以有多個(gè) src_label 標(biāo)簽。

例如：以下表達(dá)式返回的時(shí)間序列多了一個(gè) foo 標(biāo)簽，標(biāo)簽值為 etcd,etcd-k8s：

up{endpoint="api",instance="192.168.123.248:2379",job="etcd",namespace="monitoring",service="etcd-k8s"}=> up{endpoint="api",instance="192.168.123.248:2379",job="etcd",namespace="monitoring",service="etcd-k8s"}  1label_join(up{endpoint="api",instance="192.168.123.248:2379",job="etcd",namespace="monitoring",service="etcd-k8s"}, "foo", ",", "job", "service")=> up{endpoint="api",foo="etcd,etcd-k8s",instance="192.168.123.248:2379",job="etcd",namespace="monitoring",service="etcd-k8s"}  1

21）label_replace()

為了能夠讓客戶端的圖標(biāo)更具有可讀性，可以通過(guò) label_replace 函數(shù)為時(shí)間序列添加額外的標(biāo)簽。label_replace 的具體參數(shù)如下：

label_replace(v instant-vector, dst_label string, replacement string, src_label string, regex string)

該函數(shù)會(huì)依次對(duì) v 中的每一條時(shí)間序列進(jìn)行處理，通過(guò) regex 匹配 src_label 的值，并將匹配部分 relacement 寫入到 dst_label 標(biāo)簽中。如下所示：

label_replace(up, "host", "$1", "instance",  "(.*):.*")

函數(shù)處理后，時(shí)間序列將包含一個(gè) host 標(biāo)簽，host 標(biāo)簽的值為 Exporter 實(shí)例的 IP 地址：

up{host="localhost",instance="localhost:8080",job="cadvisor"}   1up{host="localhost",instance="localhost:9090",job="prometheus"}   1up{host="localhost",instance="localhost:9100",job="node"}   1

22）ln()

ln(v instant-vector) 計(jì)算瞬時(shí)向量 v 中所有樣本數(shù)據(jù)的自然對(duì)數(shù)。特殊情況：

ln(+Inf) = +Infln(0) = -Infln(x < 0) = NaNln(NaN) = NaN

23）log2()

log2(v instant-vector)函數(shù)計(jì)算瞬時(shí)向量 v 中所有樣本數(shù)據(jù)的二進(jìn)制對(duì)數(shù)。特殊情況同上。

24）log10()

log10(v instant-vector)計(jì)算瞬時(shí)向量 v 中所有樣本數(shù)據(jù)的十進(jìn)制對(duì)數(shù)。特殊情況同上。

25）minute()

minute(v=vector(time()) instant-vector)函數(shù)返回給定 UTC 時(shí)間當(dāng)前小時(shí)的第多少分鐘。結(jié)果范圍：0~59。

26）month()

month(v=vector(time()) instant-vector)函數(shù)返回給定 UTC 時(shí)間當(dāng)前屬于第幾個(gè)月，結(jié)果范圍：0~12。

27）predict_linear()

predict_linear(v range-vector, t scalar)函數(shù)可以預(yù)測(cè)時(shí)間序列 v 在 t 秒后的值。它基于簡(jiǎn)單線性回歸的方式，對(duì)時(shí)間窗口內(nèi)的樣本數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，從而可以對(duì)時(shí)間序列的變化趨勢(shì)做出預(yù)測(cè)。該函數(shù)的返回結(jié)果不帶有度量指標(biāo)，只有標(biāo)簽列表。

例如，基于 2 小時(shí)的樣本數(shù)據(jù)，來(lái)預(yù)測(cè)主機(jī)可用磁盤空間的是否在 4 個(gè)小時(shí)候被占滿，可以使用如下表達(dá)式：

predict_linear(node_filesystem_free{job="node"}[2h], 4 * 3600) < 0

28）rate()

rate(v range-vector)函數(shù)可以直接計(jì)算區(qū)間向量 v 在時(shí)間窗口內(nèi)平均增長(zhǎng)速率，它會(huì)在單調(diào)性發(fā)生變化時(shí)(如由于采樣目標(biāo)重啟引起的計(jì)數(shù)器復(fù)位)自動(dòng)中斷。該函數(shù)的返回結(jié)果不帶有度量指標(biāo)，只有標(biāo)簽列表。

例如，以下表達(dá)式返回區(qū)間向量中每個(gè)時(shí)間序列過(guò)去 5 分鐘內(nèi) HTTP 請(qǐng)求數(shù)的每秒增長(zhǎng)率：

rate(http_requests_total[5m])結(jié)果：{code="200",handler="label_values",instance="120.77.65.193:9090",job="prometheus",method="get"} 0{code="200",handler="query_range",instance="120.77.65.193:9090",job="prometheus",method="get"}  0{code="200",handler="prometheus",instance="120.77.65.193:9090",job="prometheus",method="get"}   0.2...

rate() 函數(shù)返回值類型只能用計(jì)數(shù)器，在長(zhǎng)期趨勢(shì)分析或者告警中推薦使用這個(gè)函數(shù)。

注意：

當(dāng)將 rate() 函數(shù)與聚合運(yùn)算符（例如 sum()）或隨時(shí)間聚合的函數(shù)（任何以 _over_time 結(jié)尾的函數(shù)）一起使用時(shí)，必須先執(zhí)行 rate 函數(shù)，然后再進(jìn)行聚合操作，否則當(dāng)采樣目標(biāo)重新啟動(dòng)時(shí) rate() 無(wú)法檢測(cè)到計(jì)數(shù)器是否被重置。

29）resets()

resets(v range-vector)的參數(shù)是一個(gè)區(qū)間向量。對(duì)于每個(gè)時(shí)間序列，它都返回一個(gè)計(jì)數(shù)器重置的次數(shù)。兩個(gè)連續(xù)樣本之間的值的減少被認(rèn)為是一次計(jì)數(shù)器重置。

這個(gè)函數(shù)一般只用在計(jì)數(shù)器類型的時(shí)間序列上。

30）round()

round(v instant-vector, to_nearest=1 scalar)函數(shù)與 ceil 和 floor 函數(shù)類似，返回向量中所有樣本值的最接近的整數(shù)。to_nearest 參數(shù)是可選的,默認(rèn)為 1,表示樣本返回的是最接近 1 的整數(shù)倍的值。你也可以將該參數(shù)指定為任意值（也可以是小數(shù)），表示樣本返回的是最接近它的整數(shù)倍的值。

31）scalar()

scalar(v instant-vector)函數(shù)的參數(shù)是一個(gè)單元素的瞬時(shí)向量,它返回其唯一的時(shí)間序列的值作為一個(gè)標(biāo)量。如果度量指標(biāo)的樣本數(shù)量大于 1 或者等于 0, 則返回 NaN。

32） sort()

sort(v instant-vector)函數(shù)對(duì)向量按元素的值進(jìn)行升序排序，返回結(jié)果：key: value = 度量指標(biāo)：樣本值[升序排列]。

33）sort_desc()

sort(v instant-vector)函數(shù)對(duì)向量按元素的值進(jìn)行降序排序，返回結(jié)果：key: value = 度量指標(biāo)：樣本值[降序排列]。

34） sqrt()

sqrt(v instant-vector)函數(shù)計(jì)算向量 v 中所有元素的平方根。

35）time()

time()函數(shù)返回從 1970-01-01 到現(xiàn)在的秒數(shù)。注意：它不是直接返回當(dāng)前時(shí)間，而是時(shí)間戳

36）timestamp()

timestamp(v instant-vector)函數(shù)返回向量 v 中的每個(gè)樣本的時(shí)間戳（從 1970-01-01 到現(xiàn)在的秒數(shù)）。

該函數(shù)從 Prometheus 2.0 版本開始引入。

37）vector()

vector(s scalar)函數(shù)將標(biāo)量 s 作為沒(méi)有標(biāo)簽的向量返回，即返回結(jié)果為：key: value= {}, s。

38）year()

year(v=vector(time()) instant-vector)函數(shù)返回被給定 UTC 時(shí)間的當(dāng)前年份。

39）_over_time()

下面的函數(shù)列表允許傳入一個(gè)區(qū)間向量，它們會(huì)聚合每個(gè)時(shí)間序列的范圍，并返回一個(gè)瞬時(shí)向量：

avg_over_time(range-vector) : 區(qū)間向量?jī)?nèi)每個(gè)度量指標(biāo)的平均值。min_over_time(range-vector) : 區(qū)間向量?jī)?nèi)每個(gè)度量指標(biāo)的最小值。max_over_time(range-vector) : 區(qū)間向量?jī)?nèi)每個(gè)度量指標(biāo)的最大值。sum_over_time(range-vector) : 區(qū)間向量?jī)?nèi)每個(gè)度量指標(biāo)的求和。count_over_time(range-vector) : 區(qū)間向量?jī)?nèi)每個(gè)度量指標(biāo)的樣本數(shù)據(jù)個(gè)數(shù)。quantile_over_time(scalar, range-vector) : 區(qū)間向量?jī)?nèi)每個(gè)度量指標(biāo)的樣本數(shù)據(jù)值分位數(shù)，φ-quantile (0 ≤ φ ≤ 1)。stddev_over_time(range-vector) : 區(qū)間向量?jī)?nèi)每個(gè)度量指標(biāo)的總體標(biāo)準(zhǔn)差。stdvar_over_time(range-vector) : 區(qū)間向量?jī)?nèi)每個(gè)度量指標(biāo)的總體標(biāo)準(zhǔn)方差。12345678

注意：

即使區(qū)間向量?jī)?nèi)的值分布不均勻，它們?cè)诰酆蠒r(shí)的權(quán)重也是相同的。

八、PromQL 聚合操作

Prometheus 還提供了聚合操作符，這些操作符作用于瞬時(shí)向量。可以將瞬時(shí)表達(dá)式返回的樣本數(shù)據(jù)進(jìn)行聚合，形成一個(gè)新的時(shí)間序列。目前支持的聚合函數(shù)有：

sum (求和)min (最小值)max (最大值)avg (平均值)stddev (標(biāo)準(zhǔn)差)stdvar (標(biāo)準(zhǔn)方差)count (計(jì)數(shù))count_values (對(duì) value 進(jìn)行計(jì)數(shù))bottomk (后 n 條時(shí)序)topk (前 n 條時(shí)序)

1）sum 求和

用于對(duì)記錄的 value 值進(jìn)行求和。

例如：sum(prometheus_http_requests_total)表示統(tǒng)計(jì)所有 HTTP 請(qǐng)求的次數(shù)。

sum(prometheus_http_requests_total)

2）min 最小值

返回所有記錄的最小值。

例如：min(prometheus_http_requests_total)表示獲取數(shù)據(jù)集合中的最小值。

min(prometheus_http_requests_total)

3）max 最大值

返回所有記錄的最大值。

例如：maxmetheus_http_requests_total)` 表示獲取數(shù)據(jù)集合中的最大值。

max(prometheus_http_requests_total)

4）avg 平均值

avg 函數(shù)返回所有記錄的平均值。

例如：avg(metheus_http_requests_total)表示獲取數(shù)據(jù)集合中的平均值。

avg(prometheus_http_requests_total)

5）stddev 標(biāo)準(zhǔn)差

標(biāo)準(zhǔn)差（Standard Deviation）常用來(lái)描述數(shù)據(jù)的波動(dòng)大小。

例如：統(tǒng)計(jì)出不同 HTTP 請(qǐng)求的數(shù)量波動(dòng)情況。

stddev(prometheus_http_requests_total)

6）count 計(jì)數(shù)

count 函數(shù)返回所有記錄的計(jì)數(shù)。

例如：count(prometheus_http_requests_total)表示統(tǒng)計(jì)所有 HTTP 請(qǐng)求的次數(shù)。

count(prometheus_http_requests_total)

7）bottomk 后幾條

bottomk 用于對(duì)樣本值進(jìn)行排序，返回當(dāng)前樣本值后 N 位的時(shí)間序列。

例如：獲取 HTTP 請(qǐng)求量后 5 位的請(qǐng)求，可以使用表達(dá)式：

bottomk(5, prometheus_http_requests_total)

8）topk 前幾條

topk 用于對(duì)樣本值進(jìn)行排序，返回當(dāng)前樣本值前 N 位的時(shí)間序列。

例如：獲取 HTTP 請(qǐng)求量前 5 位的請(qǐng)求，可以使用表達(dá)式：

topk(5, prometheus_http_requests_total)

九、PromQL 非法總結(jié)

由于所有的 PromQL 表達(dá)式必須至少包含一個(gè)指標(biāo)名稱，或者至少有一個(gè)不會(huì)匹配到空字符串的標(biāo)簽過(guò)濾器，因此結(jié)合 Prometheus 官方文檔，可以梳理出如下非法示例。

{job=~".*"} # 非法！.*表示任意一個(gè)字符,這就包括空字符串，且還沒(méi)有指標(biāo)名稱{job=""}    # 非法！{job!=""}   # 非法！

相反，如下表達(dá)式是合法的。

{job=~".+"}               # 合法！.+表示至少一個(gè)字符{job=~".*",method="get"}  # 合法！.*表示任意一個(gè)字符{job="",method="post"}    # 合法！存在一個(gè)非空匹配{job=~".+",method="post"} # 合法！存在一個(gè)非空匹配

關(guān)于 Prometheus PromQL 講解就先到這里了，其實(shí)官網(wǎng)介紹的很清楚，也不難，多使用就很容易掌握了，有疑問(wèn)的小伙伴歡迎給我留言，后續(xù)會(huì)持續(xù)更新【云原生+大數(shù)據(jù)】的文章，請(qǐng)小伙伴耐心等待~

關(guān)鍵詞：

相關(guān)閱讀

分享到：

版權(quán)和免責(zé)申明

凡注有"環(huán)球傳媒網(wǎng)"或電頭為"環(huán)球傳媒網(wǎng)"的稿件，均為環(huán)球傳媒網(wǎng)獨(dú)家版權(quán)所有，未經(jīng)許可不得轉(zhuǎn)載或鏡像；授權(quán)轉(zhuǎn)載必須注明來(lái)源為"環(huán)球傳媒網(wǎng)"，并保留"環(huán)球傳媒網(wǎng)"的電頭。

二、四種指標(biāo)類型