pql语言学习

转自：https://yunlzheng.gitbook.io/prometheus-book/parti-prometheus-ji-chu/promql/prometheus-query-language

//非常全面易懂的教程

1.语法

当我们直接使用监控指标名称查询时，可以查询该指标下的所有时间序列，只会返回瞬时向量表达式，返回值中只会包含该时间序列中的最新的一个样本值：

http_requests_total{code="200",handler="alerts",instance="localhost:9090",job="prometheus",method="get"}=(20889@1518096812.326)
http_requests_total{code="200",handler="graph",instance="localhost:9090",job="prometheus",method="get"}=(21287@1518096812.326)
http_requests_total   //直接使用监控指标名称查询时，可以查询该指标下的所有时间序列。如上。
http_requests_total{}

1.1 筛选

PromQL支持使用=和!=两种完全匹配模式：

• 通过使用label=value可以选择那些标签满足表达式定义的时间序列；
• 反之使用label!=value则可以根据标签匹配排除时间序列；

需要查询所有http_requests_total时间序列中满足或不满足标签instance为localhost:9090的时间序列：

http_requests_total{instance="localhost:9090"}
http_requests_total{instance!="localhost:9090"}

除了使用完全匹配的方式对时间序列进行过滤以外，PromQL还可以支持使用正则表达式作为匹配条件，多个表达式之间使用|进行分离： 

• 使用label=~regx表示选择那些标签符合正则表达式定义的时间序列；
• 反之使用label!~regx进行排除； （这里～号是什么意思？可以理解为表示正则的符号？）

例如，如果想查询多个环节下的时间序列序列可以使用如下表达式：

http_requests_total{environment=~"staging|testing|development",method!="GET"} 

1.2 指标类型：

counter：这种类型的指标只会增加，永远不会减少（除非指标被重置）。它通常用来计数事件的发生次数，如请求总数、错误数等。

gauge：仪表盘，类似汽车的仪表盘，是表示一个瞬时值，不会累计。

1.3 范围查询

http_request_total{} # 瞬时向量表达式，选择当前最新的数据
http_requests_total{}[5m] //选择最近5分钟内的所有样本数据

//时间位移操作
http_request_total{} offset 5m  //5分钟前的瞬时样本数据
http_request_total{}[1d] offset 1d //昨天一天的区间内的样本数据

2.内置函数  

2.1 sum和sum_over_time 

• sum (求和)。所有序列最新一个数据（瞬时向量）求和，sum是对瞬时向量求和，不会对区间向量求和。返回的时间序列是没有标签的。
• sum_over_time(range-vector) : 区间向量内每个度量指标的求和。各序列（tag组合维度）的2分钟数据（区间向量）求和。
• avg_over_time(range-vector) : 区间向量内每个度量指标的平均值。【需要传入区间向量。】

sum/avg_over_time是给各序列求区间内的和/平均，sum/avg再结合by按照维度再求平均。

sum不区分tag维度，所有的瞬时向量一起求和。返回的时间序列是没有标签的。

 sum_over_time对各个序列单独求和，是对区间向量进行的。

2.2 absent

https://prometheus.fuckcloudnative.io/di-san-zhang-prometheus/di-4-jie-cha-xun/functions

2.3 增长情况

increase: 

increase() 函数：计算指标在过去N分钟（[N m]）的增加量。适用于 counter 类型的指标，它会计算时间范围内的增量（即变化量）。

• 首尾值：获取时间范围内的第一个和最后一个数据点的值。
• 增量计算：计算这两个值之间的增量，即 last_value - first_value。

sum(increase(...)[1m]) by (...) > 0 这样的查询组合可以用来对某个指标的增加量进行聚合，并筛选出那些增加量大于零的结果。

rate:

计算的是给定时间范围内每秒的平均增长速率，返回的是一个“速率”，即每秒增长了多少（可以用于计算qps）。适用于 counter 类型的指标，通常用于监控系统的实时处理能力或性能表现。示例：rate(http_requests_total[5m]) 计算的是过去5分钟内的每秒请求处理速率。

计算过程：

增量计算：delta = last_value - first_value，time_span = last_timestamp - first_timestamp，

rate() 函数通过将计算出的增量除以时间跨度来得出每秒的平均增长速率：

rate = delta / time_span

delta:

计算的是时间序列在指定时间范围内的值的直接差值，适用于 gauge（仪表盘）类型的指标。直接返回最后一个值减去第一个值的差值，可能会有负值。对那些有可能随时间增加或减少的指标很有用，比如温度、内存使用量等。

例子：

delta(temperature_reading[5m])

• 计算过去5分钟内温度的变化量。如果温度从20°C增加到23°C，则 delta 返回 3。

3. 原理

Prometheus Server并不直接服务监控特定的目标，其主要任务负责数据的收集，存储并且对外提供数据查询支持。为了能够能够监控到某些东西，我们需要使用到Exporter。Prometheus周期性地从Exporter暴露的HTTP服务地址（通常是/metrics）拉取监控样本数据。

Exporter可以是一个独立运行的程序独立于监控目标以外，也可以是直接内置在监控目标中。只要能够向Prometheus提供标准格式的监控样本数据即可。exporter是什么:https://yunlzheng.gitbook.io/prometheus-book/part-ii-prometheus-jin-jie/exporter/what-is-prometheus-exporter

exporter提供的数据类型必须是这样：

# HELP node_cpu Seconds the cpus spent in each mode.
# TYPE node_cpu counter
node_cpu{cpu="cpu0",mode="idle"} 362812.7890625
# HELP node_load1 1m load average.
# TYPE node_load1 gauge
node_load1 3.0703125

由三个部分组成：

• 样本的一般注释信息（HELP）。# HELP <metrics_name> <doc_string>
• 样本的类型注释信息（TYPE）# TYPE <metrics_name> <metrics_type>
• 样本。格式：

metric_name [
  "{" label_name "=" `"` label_value `"` { "," label_name "=" `"` label_value `"` } [ "," ] "}"
] value [ timestamp ]

value是一个float格式的数据，timestamp的类型为int64（从1970-01-01 00:00:00以来的毫秒数），timestamp为可选，默认为当前时间。