Prometheus 常用 PromQL 語句

PromQL 是 Prometheus 提供的一個函數(shù)式的表達(dá)式語言，可以使用戶實時地查找和聚合時間序列數(shù)據(jù)。表達(dá)式計算結(jié)果可以在圖表中展示，也可以在 Prometheus表達(dá)式瀏覽器中以表格形式展示，或者作為數(shù)據(jù)源，以 HTTP API 的方式提供給外部系統(tǒng)使用。PromQL 雖然以 QL 結(jié)尾，但是它不是類似 SQL 的語言，因為在時間序列上執(zhí)行計算類型時，SQL 語言相對缺乏表達(dá)能力。而 PromQL 語言表達(dá)能力非常豐富，可以使用標(biāo)簽進(jìn)行任意聚合，還可以使用標(biāo)簽將不同的標(biāo)簽連接到一起進(jìn)行算術(shù)運(yùn)算操作。內(nèi)置了時間和數(shù)學(xué)等很多函數(shù)可以使用。

然而 PromQL 也是大部分使用 Prometheus 的用戶的夢魘，壓根不知道如何去編寫，很多情況下都是參考別人的來編寫，假如自己去實現(xiàn)一個需求從0寫一條 PromQL 語句還是比較費(fèi)勁。這里我們就將一些常用的 PromQL 查詢方式進(jìn)行一些簡單的說明，希望對大家有所幫助。

選擇序列

選擇指定指標(biāo)名稱的序列最新樣本：

my_metric_name

選擇指定指標(biāo)名稱序列5分鐘的樣本范圍：

my_metric_name[5m]

篩選給定標(biāo)簽的序列：

my_metric_name{label1="value1", label2="value2"}

更復(fù)雜的標(biāo)簽匹配器：

my_metric_name{label1!="value1", label2=~"regex1", label3!~"regex2"}

匹配器：

• =: 等于

• !=: 不等于

• =~: 正則匹配

• !~: 正則不匹配

Counter 的增長速率

過去5分鐘每秒平均增長速率：

rate(http_requests_total[5m])

1分鐘時間窗口中最后兩個樣本計算的每秒增長速率：

irate(http_requests_total[1m]

過去1小時增加的絕對數(shù)值：

increase(http_requests_total[1h])

多個序列聚合

對所有序列進(jìn)行求和：

sum(my_metric_name)

根據(jù)方法和路徑標(biāo)簽維度進(jìn)行求和：

sum by(method, path) (my_metric_name)

without 用于從計算結(jié)果中移除列舉的標(biāo)簽，而保留其它標(biāo)簽，by 則正好相反，結(jié)果向量中只保留列出的標(biāo)簽，其余標(biāo)簽則移除：

sum without(method, path) (my_metric_name)

其他常用的聚合運(yùn)算符：sum(), min(), max(), avg(), stddev(), stdvar(), count(), count_values(),bottomk(), topk(), quantile()。

序列間的數(shù)學(xué)計算

將兩個相同標(biāo)簽的序列相加：

left_metric + right_metric

只將匹配 instance 和 job 標(biāo)簽的序列相加：

left_metric + on(instance, job) right_metric

忽略匹配 instance 和 job 標(biāo)簽的序列相加：

left_metric + ignoring(instance, job) right_metric

多對一匹配模式：

left_metric + on(instance, job) group_left right_metric

在結(jié)果中包括一側(cè)（右側(cè)）的 version 標(biāo)簽：

left_metric + on(instance, job) group_left(version) right_metric

集合操作

包括任何左側(cè)或右側(cè)的標(biāo)簽集合：

left_metric or right_metric

包括任何同時存在于左側(cè)或右側(cè)的標(biāo)簽集：

left_metric and right_metric

包含任何左側(cè)的標(biāo)簽集合，但不包括右側(cè)的：

left_metric unless right_metric

只在某些標(biāo)簽上匹配：

left_metric and on(job, instance) right_metric

過濾

只保留大于1024樣本值的序列：

left_metric > 1024

只保留左邊樣本值大于右邊樣本值的序列：

left_metric > right_metric

不過濾序列，而是比較序列，然后返回0或1：

left_metric > bool right_metric

在某些匹配的標(biāo)簽上操作：

left_metric > on(job, instance) right_metric

其他常用的比較運(yùn)算符：==、!=、>、<、>=、≤。

直方圖分位數(shù)

過去5分鐘內(nèi)，每個標(biāo)簽維度請求延遲的90%分位數(shù)：

histogram_quantile(0.9, rate(my_request_durations_seconds_bucket[5m]))

只針對 method 和 path 維度的90%分位數(shù)：

histogram_quantile(  0.9,  sum by(le, path, method) (    rate(my_request_durations_seconds_bucket[5m])  ))

Gauges 的變化

過去一小時內(nèi)的絕對值變化：

delta(my_gauge[1h])

基于過去4小時的數(shù)據(jù)來預(yù)測1小時后的數(shù)據(jù)：

predict_linear(my_gauge[4h], 3600)

時間

獲取 Unix 時間，以秒為單位：

time()

獲取最后一次成功運(yùn)行的批處理作業(yè)的年齡：

time() - my_batch_job_last_success_timestamp_seconds

查找一小時內(nèi)沒有成功的批處理作業(yè)：

time() - my_batch_job_last_success_timestamp_seconds > 3600

缺失數(shù)據(jù)處理

當(dāng)輸入向量為空時，創(chuàng)建一個一個輸出序列：

absent(my_metric_name)

當(dāng)輸入的范圍向量5分鐘內(nèi)都是空的時候，創(chuàng)建一個空的輸出序列：

absent_over_time(my_metric_name[5m])

標(biāo)簽操作

用 - 分隔符連接兩個標(biāo)簽的值：

label_join(my_metric_name, "-", "label1", "label2")

提取標(biāo)簽的一部分并將其存儲在新標(biāo)簽中：

label_replace(my_metric, "dest-label", "$1", "source-label", "(.*):.*")

關(guān)于 PromQL 更多的使用方法，可以參考 PromQL 官方文檔：

• 基礎(chǔ)：https://prometheus.io/docs/prometheus/latest/querying/basics/

• 操作符：https://prometheus.io/docs/prometheus/latest/querying/operators/

• 函數(shù)：https://prometheus.io/docs/prometheus/latest/querying/functions/

• 示例：https://prometheus.io/docs/prometheus/latest/querying/examples/

此外還有一個比較友好的 PromQL Cheatsheet 文檔，如下所示：

由于微信壓縮比較嚴(yán)重，如果你想要獲取原圖可以在公眾號中回復(fù) PromQL 關(guān)鍵字獲取高清 PDF 文檔。

K8S進(jìn)階訓(xùn)練營，點(diǎn)擊下方圖片了解詳情