Prometheus PromQL语句编写案例

原文链接：https://blog.csdn.net/xiaojinran/article/details/112398797

概述

Prometheus是一套使用Go语言进行编写的监控工具，专注于基础监控，默认仅保留15天的监控数据，15天的监控数据，已经足够运维人员去排查和分析运维故障。Prometheus有专门的PQL语言，可以对采集上来的指标进行多维度、函数分析，具有高度的指标定制化能力。本文将同大家一起学习Prometheus的PQL语法，验证并记录下过程。

PQL重要概念

即时向量
一个时间点某指标的值，如：

node_cpu_seconds_total{mode="idle"}

区间向量
指的是在某段时间内metric的取值，每个时间点都包含一系列的值，如：

node_cpu_seconds_total{mode="idle"}[5m]

指标类型

• Gauge，度量值，这个值是有变化的，如CPU使用率，有高有低

• Counter，累计值，从程序开始，只增不减，如开机运行时长

标签
一个指标，可以包括多个标签（label），用来指示这个指标的具体表示信息，起到对一个指标的修饰作用，标签可使用正则表达式进行匹配。
如node_cpu_seconds_total指标，直接查询该指标，会打印出该指标的全部标签数据。

拿关系型数据比较，可以这么类似比喻，node_cpu_seconds_total为表，cpu，instance，job，mode，value为其字段，表数据总为最新的数据，数据量总数等于各个字段的枚举值相乘。
当我们给这个Metric指标做了标签过滤时，相当于执行了where限制性语句，如node_cpu_seconds_total{mode="idle"}，只过滤出包含mode字段，并且其值为idle，类似于SQL语句。

select * from node_cpu_seconds_total where mode = 'idle'

标签支持正则表达式，使用=~(Rexp)，如node_cpu_seconds_total{mode=\~"idle|iowait"}，类似于SQL语句。

select * from node_cpu_seconds_total where mode = 'idle' or mode = 'iowait'

标签过滤器可以有多个，用逗号进行隔开，相当于执行了where … and … 语句，如node_cpu_seconds_total{mode="idle",cpu='0'}，类似于SQL语句。

select * from node_cpu_seconds_total where mode = 'idle' and cpu = '0'

配合标签，我们可以精确的找到我们需要用于展示或者计算的指标值。
偏移量offset
指标通过偏移量offset关键字，可以查询相对于当前时间点之前的数据，默认获取当前最新数据，如node_cpu_seconds_total offset 5m，获取5分钟前该指标的数据。
注释
PQL使用"#"对语法进行注释。
函数
sum

• sum函数可以对瞬时向量进行求和，如sum(node_cpu_seconds_total)，将统计所有值的总和。类似于select sum(value) from node_cpu_seconds_total

• sum后面可以加 by 关键字，表示通过那个维度进行数据统计求和，如sum by (mode) (node_cpu_seconds_total) 类似于 select sum(vaule) from node_cpu_seconds_total group by mode

min

• min函数可以对瞬时向量进行求最小值，min(node_cpu_seconds_total)。类似于select min(value) from node_cpu_seconds_total

• 同样，也支持by关键字，进行某个维度的求最小值

max

• max函数可以对瞬时向量进行求最大值，max(node_cpu_seconds_total)。类似于select max(value) from node_cpu_seconds_total

• 同样，也支持by关键字，进行某个维度的求最大值

avg

• avg函数可以对瞬时向量进行求平均avg(node_cpu_seconds_total)。类似于select avg(value) from node_cpu_seconds_total

• 同样，也支持by关键字，进行某个维度的求最均值

count

• count函数可以对瞬时向量个数求总数，如count(node_cpu_seconds_total)类似于select count(*) from node_cpu_seconds_total

• 同样，也支持by关键字，进行某个维度的求最总个数

topk

• topk函数可以对瞬时向量的值从大到小进行排列，并获取前N个值，需要传入两个参数，一个是N，一个是指标，如topk(5,node_cpu_seconds_total)，类似于select * from (select * from node_cpu_seconds_total order by value desc) where rownum<=5

• 同样，也支持by关键字，进行某个维度进行计算

bottomk

• 同topk相反，这里不再赘述。

计算
+ 加法运算

• 指标支持加法运算，一个即时向量，由于标签值不一致，所以会有多个值，这些值可以跟另外一个即时向量进行相加，这里的相加要保持一个原则，那就是需要具有同一个标签值的才会相加。node_cpu_seconds_total + node_cpu_seconds_total，这相当于所有值都多加一个原来的值，总体的值的数量是保持不变的。

• 相加的两个瞬时向量个数不一致情况：node_cpu_seconds_total和node_cpu_seconds_total{mode="idle"}，后者经过过滤后，数量上明显比第一个少，此时输出的结果个数同过滤后数量少的个数一致。

• 两个即时向量都不具备有同样的标签值情况：如node_cpu_seconds_total + node_memory_Active_bytes，此时由于没有任何一个值具有相同的标签值，所以结果为nodata，此时我们可以用ignoring关键字，对标签值进行忽略，使他们可以进行相加。由于node_cpu_seconds_total比node_memory_Active_bytes多了cpu和mode标签，所以node_cpu_seconds_total数量个数一般大于node_memory_Active_bytes个数，所以需要使用group_left，node_cpu_seconds_total + ignoring(cpu,mode) group_left node_memory_Active_bytes，结果集以左边的node_cpu_seconds_total个数为准，如果加号两个即时向量位置相反，则可以使用group_right，如node_memory_Active_bytes + ignoring(cpu,mode) group_right node_cpu_seconds_total

- 减法运算

• 类似加法运算

* 乘法运算

• 类似加法运算

/ 除法运算

• 类似加法运算

逻辑比较
== 判断是否相等

• ==用于判断左右两边的值是否相等，如果相等则为1（true），如果不等则为0（false），如node_cpu_seconds_total ==BOOL 0 判断是否有存在0值

!= 判断是否不等

• 类似==

>= 大于等于

• >=用于判断左边的值是否大于或等于右边的值，如果满足，则为1（true），如果不满足则为0（false）

<=小于等于

• 类似大于等于

> 大于

• 类似大于等于

< 小于

• 类似大于等于

数据集操作
and

• 对多个指标的数据集进行标签判断，获取两个指标集具有共同的标签的值node_cpu_seconds_total and node_cpu_guest_seconds_total，类似sql select * from node_cpu_seconds_total a,node_cpu_guest_seconds_total b where a.cpu = b.cpu and a.instance = b.instance and a.job=b.job and a.mode = b.mode

or

• 对多个指标集数据进行展示，如果有标签重复，则仅显示其中一个标签的值。

unless

• 对多个指标的数据集进行标签判断，获取两个指标集不具有共同的标签的值，结果集以最左边为准，如node_memory_Active_bytes unless node_cpu_seconds_total和node_cpu_seconds_total unless node_memory_Active_bytes结果是不一样的。

函数

用于即时向量的函数

abs

• abs返回即时向量的绝对值

absent

• absent用于检测即时向量中，某个标签是否存在，如果不存在，则value为1，如检查标签为node_arp_entries{instance=“localhost:9100”}是否存在有元素，如果存在则返回nodata，如果不存在value则为1

• 常用于检测指标是否丢失。

ceil

• 用于将浮点数向上化为最接近的一个整数，如值为0.1，则为向上取整，成为1。

floor

• 用于将浮点数向下化为最接近的一个整数，如值为0.1，则为向下取整，成为0。

clamp_max

• 该函数需要两个参数，一个是向量，另外一个是封顶值，如果一个向量的值超过该封顶值，该向量的值则为封顶值。

clamp_min
该函数需要两个参数，一个是向量，另外一个是触底值，如果一个向量的值超过该触底值，该向量的值则为触底值。
用于区间向量的函数
区间向量的函数执行完成后，便成为了即时向量。
absent_over_time

• absent_over_time用于检测在给定的区间向量中，是否存在有元素，如果没有则value为1。

changes

• 返回给定的区间向量中，对比于当前值，发生变化的元素的数量。

delta

• 返回区间向量中，第一个元素和最后一个元素之间的变化值，时间区间也参与算法计算，所以即时第一个元素和最后一个元素均为整数，该值也未必是整数。

• 须作用在gauge类型的指标

deriv

• 返回区间向量中，满足线性规律的每秒变化值

• 须作用在gauge类型的指标

idelta

• 该函数计算区间向量间，最后两个元素的差值，如果区间内没有两个元素，则返回nodata

• 须作用在gauge类型的指标

irate

• 该函数计算区间向量间，最后两个元素的差值，并且除以区间的秒数，如果区间内没有两个元素，则返回nodata。

<aggregation>_over_time

• 该函数技术按区间向量的最大（max）、最小（min）、平均（avg）、求和（sum）、求总数（）等汇聚值。

- END -

推荐阅读 

订阅，一起成长

K8s生态圈

点在看，K8s一年不出问题 👇