Prometheus 常用 PromQL 语句-轻识

PromQL 是 Prometheus 提供的一个函数式的表达式语言，可以使用户实时地查找和聚合时间序列数据。表达式计算结果可以在图表中展示，也可以在 Prometheus表达式浏览器中以表格形式展示，或者作为数据源，以 HTTP API 的方式提供给外部系统使用。PromQL 虽然以 QL 结尾，但是它不是类似 SQL 的语言，因为在时间序列上执行计算类型时，SQL 语言相对缺乏表达能力。而 PromQL 语言表达能力非常丰富，可以使用标签进行任意聚合，还可以使用标签将不同的标签连接到一起进行算术运算操作。内置了时间和数学等很多函数可以使用。

然而 PromQL 也是大部分使用 Prometheus 的用户的梦魇，压根不知道如何去编写，很多情况下都是参考别人的来编写，假如自己去实现一个需求从0写一条 PromQL 语句还是比较费劲。这里我们就将一些常用的 PromQL 查询方式进行一些简单的说明，希望对大家有所帮助。

选择序列

选择指定指标名称的序列最新样本：

my_metric_name

选择指定指标名称序列5分钟的样本范围：

my_metric_name[5m]

筛选给定标签的序列：

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

更复杂的标签匹配器：

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

匹配器：

=: 等于

!=: 不等于

=~: 正则匹配

!~: 正则不匹配

Counter 的增长速率

过去5分钟每秒平均增长速率：

rate(http_requests_total[5m])

1分钟时间窗口中最后两个样本计算的每秒增长速率：

irate(http_requests_total[1m]

过去1小时增加的绝对数值：

increase(http_requests_total[1h])

多个序列聚合

对所有序列进行求和：

sum(my_metric_name)

根据方法和路径标签维度进行求和：

sum by(method, path) (my_metric_name)

without 用于从计算结果中移除列举的标签，而保留其它标签，by 则正好相反，结果向量中只保留列出的标签，其余标签则移除：

sum without(method, path) (my_metric_name)

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

序列间的数学计算

将两个相同标签的序列相加：

left_metric + right_metric

只将匹配 instance 和 job 标签的序列相加：

left_metric + on(instance, job) right_metric

忽略匹配 instance 和 job 标签的序列相加：

left_metric + ignoring(instance, job) right_metric

多对一匹配模式：

left_metric + on(instance, job) group_left right_metric

在结果中包括一侧（右侧）的 version 标签：

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

集合操作

包括任何左侧或右侧的标签集合：

left_metric or right_metric

包括任何同时存在于左侧或右侧的标签集：

left_metric and right_metric

包含任何左侧的标签集合，但不包括右侧的：

left_metric unless right_metric

只在某些标签上匹配：

left_metric and on(job, instance) right_metric

过滤

只保留大于1024样本值的序列：

left_metric > 1024

只保留左边样本值大于右边样本值的序列：

left_metric > right_metric

不过滤序列，而是比较序列，然后返回0或1：

left_metric > bool right_metric

在某些匹配的标签上操作：

left_metric > on(job, instance) right_metric

其他常用的比较运算符：==、!=、>、<、>=、≤。

直方图分位数

过去5分钟内，每个标签维度请求延迟的90%分位数：

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

只针对 method 和 path 维度的90%分位数：

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

Gauges 的变化

过去一小时内的绝对值变化：

delta(my_gauge[1h])

基于过去4小时的数据来预测1小时后的数据：

predict_linear(my_gauge[4h], 3600)

时间

获取 Unix 时间，以秒为单位：

time()

获取最后一次成功运行的批处理作业的年龄：

time() - my_batch_job_last_success_timestamp_seconds

查找一小时内没有成功的批处理作业：

time() - my_batch_job_last_success_timestamp_seconds > 3600

缺失数据处理

当输入向量为空时，创建一个一个输出序列：

absent(my_metric_name)

当输入的范围向量5分钟内都是空的时候，创建一个空的输出序列：

absent_over_time(my_metric_name[5m])

标签操作

用 - 分隔符连接两个标签的值：

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

提取标签的一部分并将其存储在新标签中：

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

关于 PromQL 更多的使用方法，可以参考 PromQL 官方文档：

基础：https://prometheus.io/docs/prometheus/latest/querying/basics/

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

函数：https://prometheus.io/docs/prometheus/latest/querying/functions/

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

此外还有一个比较友好的 PromQL Cheatsheet 文档，如下所示：

由于微信压缩比较严重，如果你想要获取原图可以在公众号中回复 PromQL 关键字获取高清 PDF 文档。

K8S进阶训练营，点击下方图片了解详情