星途物语
星途物语
2025-01-01
目录

PromQL 使用

对一段指标的时间序列进行分析的语言（Prometheus 内置），它的核心是对指标的时间序列进行分析、计算和聚合，帮助用户从监控数据中提取有价值的信息

PromQL 是 Prometheus 监控系统内置的一种查询语言，PromQL 允许你以灵活的方式选择，聚合等其他方式转换和计算时间序列数据，该语言仅用于读取数据，可以说 PromQL 是我们学习 Prometheus 最困难也是最重要的部分，接下来我们将进入 PromQL 的基础知识，理论基础，然后深入了解更加高级的 PromQL 查询模式

当 Prometheus 从系统和服务收集指标数据时，它会把数据存储在内置的时序数据库中，要对收集到的数据进行任何处理，我们都可以使用 PromQL 从 TSDB 中读取数据，同时可以对所选的数据进行过滤，聚合以及其他转换操作

PromQL 执行可通过两种方式触发：

  1. 在 Prometheus 服务器中，记录规则和报警规则会定时执行，并执行查询操作来计算规则结果（例如：触发报警）。该执行在 Prometheus 的内部进行，并在配置规则时自动发生
  2. 外部用户和 UI 界面可以使用 Prometheus 服务器提供的 HTTP API 来执行 PromQL 查询，这就是仪表盘软件（例如：Grafana，PromLens以及Prometheus内置的WebUI）访问PromQL的方式

PromQL可以应用于许多监控场景，比如临时查询，我们可以用PromQL来对收集到的数据进行实时查询，这有助于我们去调试和诊断遇到的一些问题，我们一般也是直接使用内置的表达式查询界面来执行这类查询

Prometheus可以直接使用基于PromQL对收集的数据进行的查询结果来生成报警，一个完整的报警规则如下

groups:
  - name: demo-service-alerts
    rules:
      - alert: Many5xxErrors
        expr: |
          (
            sum by(path, instance, job) (
              rate(demo_api_request_duration_seconds_count{status=~"5..",job="demo"}[1m])
            )
          /
            sum by(path, instance, job) (
              rate(demo_api_request_duration_seconds_count{job="demo"}[1m])
            ) * 100 > 0.5
          )
        for: 30s
        labels:
          severity: critical
        annotations:
          title: "{{$labels.instance}} high 5xx rate on {{$labels.path}}"
          description: "The 5xx error rate for path {{$labels.path}} on {{$labels.instance}} is {{$value}}%."
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

除了构成报警规则核心的PromQL表达式（上面的yaml中的"expr"属性），报警规则还包含一切其他的元数据字段

这样配置完成之后,Prometheus会通过一个名为 AlertManager 的组件来发送报警通知，可以配置一些接收器来接收这些报警，比如钉钉、企业微信、WebHook等

# 结果类型

  1. 抓取目标报告的指标类型：Counter，Guage，Histogram，Summary
  2. PromQL 表达式的结果数据类型：字符串，标量，瞬时向量或区间向量

PromQL实际上没有直接的指标类型的概念，只关注表达式的结果类型，每个PromQL表达式都有一个类型，每个函数，运算符或其他类型的操作都要求其参数是某种表达式类型，例如：rate()函数要求它的参数是一个区间向量，但是rate()本身评估为一个瞬时向量输出，所以rate()的结果只能用在期望是瞬时向量的地方

也许这样说有点抽象，详细的说一下这 4 种结果类型

  1. string（字符串）：字符串只会作为某些函数(如：label_join()和label_replaca())的参数出现

  2. scalar（标量）：一个单一的数学值，如1.234，这些数字可以作为某些函数的参数，(如：histogram_quantile(0.9,...)或topk(3,...))，也会出现在算术运算

  3. instant vector（瞬时向量）：一组标记的时间序列，每个序列有一个样本，都在同一个时间戳，瞬时向量可以由TSDB时间序列选择器直接产生，如node_cpu_seconds_total，也可以由任何函数或其他转换来获取

    node_cpu_seconds_total{cpu="0", mode="idle"} 19165708.75 @ timestamp_1 node_cpu_seconds_total{cpu="0", mode="system"} 381598.72 @ timestamp_1 node_cpu_seconds_total{cpu="0", mode="user"} 23211638.97 @ timestamp_1

  4. range vector（区间向量）：一组标记的时间序列，每个序列都有一个随时变化的样本范围，在PromQL中只有两种方法可以生成区间向量，在查询中使用字面区间向量选择器(如：node_cpu_seconds_total[5m])，或使用子查询表达式(如：<expression>[5m:10s])，想要在指定的窗口内聚合一个序列的行为时，区间向量非常有用。像rate(node_cpu_seconds_total[5m])，计算每秒增加率一样，在node_cpu_seconds_total指标的最后5分钟内求平均值

    node_cpu_seconds_total{cpu="0", mode="idle"} 19165708.75 @ timestamp_119165136.3 @timestamp_2，19165167.72 @ tinestamp_3 node_cpu_seconds_total{cpu="0", mode="system"} 381598.72 @ timestamp_1381599.98 @ timestamp_2, 381600.58 @ timestamp_3 node_cpu_seconds_total{cpu="0", mode="user"} 23211638.97 @ timestamp_1 23211711.34 @timestamp_2，23211748.64 @ tinestamp_3

# 瞬时查询

瞬时查询用于表格的视图，你想在一个时间点上显示PromQL查询的结果，一个瞬时查询有以下参数：

1.PromQL表达式、2.一个评估的时间戳

在查询的时候可以选择过滤过去的数据，比如（foo[1h]）表示查询foo序列近一小时的数据，访问过去的数据。

瞬时查询可以返回任何有效的PromQL表达式类型（字符串，标量，即时和范围向量）

下面来看一个瞬时查询的示例，看看它是如何工作的，比如http_requests_total在指定的时间戳来评估表达式，http_requests_total是一个瞬时向量选择器，它可以选择该时间序列的最新样本，最新意味着查询最近5分钟的样本数据

如果我们在一个有最近样本的时间戳上运行此查询，结果将包含两个序列，每个序列都有一个样本

prometheus_http_requests_total{code="200",job="prometheus",handler="/metrics"}
prometheus_http_requests_total{code="200",job="prometheus",handler="/targets"}

prometheus_http_requests_total{code="200",job="prometheus",handler="/targets"} or prometheus_http_requests_total{code="200",job="prometheus",handler="/metrics"}
1
2
3
4
image-20241223164410627 image-20241223164509002 image-20241223164701494

我们可以看到每隔5分钟都会有一个新的数据，但是这个数据也可能是不变的

# 区域查询

区域查询主要用于图形，想在一个指定的时间范围内显示一个 PromQL 表达式，范围查询的工作方式与即时查询完全相同，这些查询在指定时间范围的评估步中进行评估，当然，这些后台是高度优化的，在这种情况下 Prometheus 实际上并没有运行许多的独立即时查询

区间查询包括以下参数：PromQL表达式、开始时间、结束时间、评估步长

# 选择时间序列

学习如何用不同的的方式来选择数据，如何在单个时间戳或一段时间范围内基于标签过滤数据，以及如何使用移动时间的方式来选择数据

最简单的PromQL查询就是直接选择具有指定标签名称的序列

例如：以下查询将返回所有具有指标名称 demo_api_request_duration_seconds_count 的序列

image-20241223170628210

由于数据是 demo 产生的，所以数据很多，该查询语句会返回许多相同指标名称的序列，但有不同的标签组合 instance，job，method，path 和 status 等，输出结果如上所示

image-20241223171115338

此结果为区间向量

image-20241223171558287

当我们访问 Graph 的时候 API 会发生变化，因为是一个区间，所以要有始有终的

image-20241223172453523

这里就是区间查询了

过滤全部 method为 GET的数据

PromQL：demo_api_request_duration_seconds_count{method="GET"} PromQL：{name="demo_api_request_duration_seconds_count",method="GET"}

image-20241223173707512

过滤多个标签，使用","来分割多个条件

PromQL：demo_api_request_duration_seconds_count{method="GET",instance="localhost:10000"} PromQL：{_name_="demo_api_request_duration_seconds_count",method="GET",instance="localhost:10000"}

注意：组合使用多条件匹配的时候需要所有的条件都必须满足的时间序列

除了相等之外的，Prometheus还支持其他的几种匹配器类型

  • = ：等于
  • !=：不等于
  • =~：正则表达式匹配
  • !~：正则表达式不匹配

甚至我们可以完全省略指标名称，比如查询所有path标签的以/api开头的所有序列，但是该查询会查询到具有不同指标名的序列

PromQL：{path=~"/api.*"}

image-20241224085907384

使用不等于来过滤想要的数据 PromQL：demo_api_request_duration_seconds_count{method!="GET"} PromQL：{name="demo_api_request_duration_seconds_count",method != "GET"}

因为部分函数可能要求的是你需要传递一个区间向量，所以你需要添加一个时间，# 无法取Graph PromQL：demo_api_request_duration_seconds_count{method != "GET"}[1m] PromQL：{name="demo_api_request_duration_seconds_count",method != "GET"}[1m]

使用offset <time>来查询过去一小时之前的数据，# 可获取Graph PromQL：demo_memory_usage_bytes{type="free"} offset 1h PromQL：{name="demo_memory_usage_bytes",type="free"} offset 1h

#Prometheus
启动 Prometheus
数据模型

← 数据模型→

Theme by Vdoing | Copyright © 2025-2025 | 鄂ICP备2024086820号