【Prometheus】PromQL

数据类型

即时向量（instant vector）

node_cpu_seconds_total{instance="ahoj-dev-ubuntu-virtualbox",mode="idle"}

区间向量（range vector）

node_cpu_seconds_total{instance="ahoj-dev-ubuntu-virtualbox",mode="idle"}[1m]

标量（scalar）

2 * 4

字符串（string）

时间序列过滤器

瞬时向量过滤器

过滤器标签支持两种模式：完全匹配和正则匹配，正则匹配使用 Google RE2语法
=：完全相同
!=：不相同
=~：选择与提供的正则表达式相匹配的标签
!~：选择与提供的正则表达式不匹配的标签
例如：node_cpu_seconds_total{mode=~"user|system",cpu="0"}

区间向量过滤器

以当前时间为基准，查询时间范围内的数据
时间范围通过数字表示，时间单位有s, m, h, d, w, y
例如：node_cpu_seconds_total{mode=~"user|system",cpu="0"}[30s]查询的是 30s 内的数据

时间位移操作

如果想查询昨天一天的区间内的数据，需要使用时间位移关键字offset
例如：node_cpu_seconds_total{mode=~"user|system",cpu="0"} offset 3m
这里的offset关键字要跟在选择器{}后面
正确示例：max(node_cpu_seconds_total{mode=~"user|system",cpu="0"} offset 3m)
错误示例：max(node_cpu_seconds_total{mode=~"user|system",cpu="0"}) offset 3m
时间位移操作适用于区间向量，例如：查询一周之前的 5分钟之内的 cpu用户态使用率
rate(node_cpu_seconds_total{instance="ahoj-dev-ubuntu-virtualbox",mode="user"}[5m] offset 1w)

操作符

官方文档：https://prometheus.io/docs/prometheus/latest/querying/operators/

数学运算符

+, -, *, /, %, ^(幂运算)

布尔运算符

查询请求数大于20的：prometheus_http_requests_total > 20
将请求数大于20的结果置为 True，其他置为 False：prometheus_http_requests_total > bool 20

集合运算符

and(交集), or(并集), unless(排除)
unless：vector1 和 vector2 进行 unless 操作，会产生一个新的集合，该集合首先取 vector1 集合的所有元素，然后排除掉所有 vector2 中存在的元素。
例如：vector1 = [a, b, c], vector2 = [b, c, d] 那么 vector1 unless vector2 = [a]

操作符优先级

^
*, /, %, atan2
+, -
==, !=, <=, <, >=, >
and, unless
or

聚合运算

sum (calculate sum over dimensions，求和)
min (select minimum over dimensions，最小值)
max (select maximum over dimensions，最大值)
avg (calculate the average over dimensions，平均值)
group (all values in the resulting vector are 1，)
stddev (calculate population standard deviation over dimensions，标准差)
- 常用来描述数据的波动大小，反应一组数据偏离平均值的程度
- 例如：统计两个球队队员身高，两只对位平均身高都是 180，看起来似乎差不多，但画图如下

stdvar (calculate population standard variance over dimensions，标准方差)
count (count number of elements in the vector，计数)
count_values (count number of elements with the same value，对value进行技术)
bottomk (smallest k elements by sample value，后n条时序)
topk (largest k elements by sample value，前n条时序)
- topk(5, prometheus_http_requests_total)
quantile (calculate φ-quantile (0 ≤ φ ≤ 1) over dimensions，分位数)