企业官网型网站模板,福建凭祥建设工程有限公司网站,虚拟货币交易网站建设,手机验证登录网站开发什么是 PromQL PromQL (Prometheus Query Language) 是 Prometheus 监控系统中用于查询时间序列数据的语言。它允许用户编写查询#xff0c;以从 Prometheus 中检索并处理监控数据。 PromQL 的基础概念
1. 时间序列
Prometheus 中的时间序列由以下几个部分组成#xff1a;…什么是 PromQL PromQL (Prometheus Query Language) 是 Prometheus 监控系统中用于查询时间序列数据的语言。它允许用户编写查询以从 Prometheus 中检索并处理监控数据。 PromQL 的基础概念
1. 时间序列
Prometheus 中的时间序列由以下几个部分组成 指标名称 (Metric name)表示时间序列的类别。例如http_requests_total 表示 HTTP 请求的总数。标签 (Labels)用于标识某个时间序列的具体特性。例如methodGET, status200 可以标识不同的 HTTP 方法和状态。时间戳 (Timestamp)表示记录数据的具体时间。值 (Value)时间序列在某一时间点上的具体数值。 2. 基本查询
基本的 PromQL 查询是通过 指标名称来检索 时间序列数据。
示例
# 这将返回 http_requests_total 指标的所有时间序列。
http_requests_total
3. 标签过滤
可以通过标签来筛选时间序列。使用 {} 来包含标签选择器
示例
# 该查询返回所有符合 methodGET 且 status200 的时间序列。
http_requests_total{methodGET, status200}可以通过 , !, ~, !~ 等操作符来进行更多的匹配规则
符号含义精确匹配!不匹配~正则表达式匹配!~正则表达式不匹配
4. 区间选择
PromQL 支持通过时间区间来查询过去一段时间的数据称为 区间向量 (Range Vector)。
示例
# 该查询表示从当前时间起过去 5 分钟内的数据。
http_requests_total[5m]PromQL 的数据类型
PromQL 中有四种数据类型 瞬时向量 (Instant Vector)一组带有当前时间戳的时间序列。区间向量 (Range Vector)一组带有时间区间的时间序列。标量 (Scalar)单个浮点数值。字符串 (String)单个字符串值较少使用。 1. 瞬时向量
示例
# 返回 up 指标的所有瞬时向量
up
2. 区间向量
示例
# 返回 up 指标在过去 5 分钟内的所有时间序列。
up[5m]
3. 标量
标量是单个数值通常用于某些计算场景。
示例
# 表示常量 5。
5 PromQL 的操作符
1. 算术运算符
PromQL 支持常见的算术运算符主要用于对查询结果进行计算。
操作符含义加-减*乘/除%取余^幂运算
示例
# 将请求速率结果乘以 100。
rate(http_requests_total[5m]) * 100 2. 比较运算符
用于对查询结果进行比较操作。
操作符含义等于!不等于大于小于大于等于小于等于
示例
# 返回所有状态为 1 的实例表示健康
up 1 3. 逻辑运算符
用于对不同查询结果进行逻辑运算。
操作符含义and交集or并集unless差集
示例
# 返回所有健康且请求数大于 100 的实例。
up 1 and http_requests_total 100PromQL 的聚合操作符
Prometheus 提供了丰富的聚合操作符用于将多条时间序列合并为一条。
操作符含义sum求和avg平均值min最小值max最大值count计数stddev标准差stdvar方差topk取前 k 大bottomk取前 k 小quantile分位数
示例
# 计算过去 5 分钟内所有请求的总和。
sum(rate(http_requests_total[5m]))# 按 instance 标签计算请求速率的平均值。
avg by (instance) (rate(http_requests_total[5m]))PromQL 的内置函数
PromQL 提供了一些内置函数帮助用户对时间序列进行更复杂的计算。
1. 时间序列计算函数
rate()计算时间序列在某段时间内的速率适用于 Counter 类型
rate(http_requests_total[5m])irate()计算时间序列的瞬时速率。
irate(http_requests_total[1m])increase()计算某个区间内指标值的增量适用于 Counter 类型。
increase(http_requests_total[5m])2. 统计函数
avg_over_time()计算时间区间内的平均值。
avg_over_time(http_requests_total[10m])sum_over_time()计算时间区间内的总和。
sum_over_time(http_requests_total[10m])max_over_time()计算时间区间内的最大值。
max_over_time(http_requests_total[10m])3. 特殊函数
abs()返回绝对值。
abs(node_load1)clamp_min() 和 clamp_max()限制最小值和最大值。
clamp_min(cpu_usage, 0.1)4. 偏移数据
offset来查询指定时间之前的数据。它允许你向前或向后偏移数据的时间点。
# 表示查询 1 小时前的数据。
rate(http_requests_total[5m] offset 1h)PromQL 的子查询 子查询 (Subquery) 是一种强大的功能允许你在指定时间范围内查询一组区间向量 (Range Vector)然后将结果用作进一步的操作。这与普通的区间向量查询不同子查询在区间上执行某个操作然后将结果作为新的时间序列。子查询的语法是在查询的基础上添加 []。 语法
查询[区间:解析度]查询你要执行的基本查询。 区间子查询的时间范围表示从当前时间点向过去的时间范围。 解析度可选用于控制子查询的采样分辨率时间间隔默认为 Prometheus 的全局评估间隔。 示例
avg_over_time(rate(http_requests_total[5m])[30m:])# rate(http_requests_total[5m])首先计算过去 5 分钟的请求速率。
# [30m:]接下来我们对过去 30 分钟内的请求速率进行子查询生成一个时间区间数据。
# avg_over_time()最后对这些请求速率计算出 30 分钟内的平均值。# 该查询表示对过去 1 小时内的请求速率数据进行采样每 1 分钟取一次样本然后计算这些样本的平均值。
avg_over_time(rate(http_requests_total[5m])[1h:1m])# rate(http_requests_total[5m])计算 5 分钟的请求速率。
# [1h:1m]查询过去 1 小时的数据并每 1 分钟取一次样本。
# avg_over_time()对这些样本计算 1 小时内的平均值。# 计算过去 1 小时内每 5 分钟请求速率的总和。
sum_over_time(rate(http_requests_total[5m])[1h:])# 每 10 秒钟采样一次并返回过去 1 小时内的请求速率数据。
rate(http_requests_total[5m])[1h:10s]# 首先计算 5 分钟的请求速率然后在过去 1 小时内查找最大请求速率。
max_over_time(rate(http_requests_total[5m])[1h:])
