Prometheus 之PromQL

PromQL是 Prometheus 内置的数据查询语言。支持用户进行实时的数据查询及聚合操作。

标签:

address双下划线标签是普罗米修斯系统默认标签，不显示在targe当中，只有把光标移动到abel字段上，才显示默认标签

node_cpu_guest_seconds_total{cpu="0"} #时间序列

监控(指标数据) 标签

node使用cpu描述的统计，符合标签cpu=0的时间序列查询结果

container_cpu_load_average_10s 时间序列

匹配标签的操作符号

=完全相当 

匹配标签值 操作符号:

=完全相当

!= 不等于 相当于取反

=~ 正则表达式匹配

!~ 正则表达式取反

数学运算

+加法   -减法  *乘法    /除法  %取余  ^幂运算

通配符:

.任意单个字符

.*多个任意资源

.+一个或者多个任意字符

时长的单位类型：

s seconds 秒  h hour 小时   w weeks 周

m minutes 分    d day 天   y years 年

数据类型:一组时序，每个时许只有一个采样值

promql的查询操作可能需要针对若干个时间序列上的样本数据进行，挑选出目标时间序列是构建表达式时最为关键的一步

1、顺时向量:一组时序，每个时许只有一个采样值

2、区间向量::一组时序，每个时序包含的是一段时间内的多个采样值

3、标量数据:浮点数

4、字符串

5、counter:总数，在promql当中没有直接作用，rate topk increase irate函数来生成样本数据的变化情况

increase 要结合区间向量一起使用，时间序列在一定范围的增量

irate:是一个高灵敏度的函数,计算指标是瞬时速率，基于样本范围内的最后两个样本进行计算，irate更适用于短时间内的变化速率分析

6、gauge:用于存储值。可增可减的指标样本数据，用于求和求平均数，取最小值和最大值。也会结合dalta和predict_linear函数来一起适用

predict_linear:可以预测时间序列V 在T秒之后的变化，对样本数据变化趋势做出预测

predict_linear(node_filesystem_files{ instance="master01"}[2h],4*3600)

node_filesystem_files文件数，选择的标签是master01 2h过去两小时，4*3600未来四小时

7、historgram:对一定时间范围内的数据进行采样，通常是请求持续的时长和响应大小的类型，这一类的数据计入可配置的桶(bucket)，可以通过区间来对样本进行筛选

node_authorizer_graph_actions_duration_seconds_bucket(instance="20.0.0.92:6443,le="0.0.0002")

观测桶的上边界，样本统计区间表示所有的样本值小于等于上边界值的所有样本数量

apiserver_current_inqueue_requests{instance="20.0.0.92:6443"} >= 1

快速了解看监控样本的分布情况

8、Summary:分位数计算，类似于historgram，在客户端于一段时间内(默认十分钟)的每个采样点进行统计，计算并且存储了分数位的值，服务端可以直接抓取响应的值

rate(container_cpu_load_average_10s){instance="node=01"}[5m])

展示ratecontainer_cpu_load_average_10s指标的过去每五分钟的采样值，对应的标签node01

histogram_quantile(0.95, sum(rate(http_request_duration_seconds_bucket{job="your_job"}[5m])) by (le)

聚合操作符

sum求和  min最小  max最大  avg平均值  stddev标准差  stdvar方差  count原数个数  cpunt_values等于某个值的原数个数  topk最大的原数个数

bottomk最小的原数个数 quantile

topk(3,container_cpu_usage_seconds_total) 需要带入数值，数值表示的是取提前几位还是后几位

业务

计算某个节点的所有容器的适用内存的序列

sum(container_memory_usage_bytes{instance="node01"})/1024/1024/1024

node01节点上最近1m所有容器适用cpu的使用率

最近1分钟所有容器的使用率

sum by (id) (rate (container_cpu_usage_seconds_total{id!="/"}[1m])

查询k8s集群当中最近的1分钟每个pod的cpu使用率

sum by(name) (rate (container_cpu_usage_seconds_total{image!="",name!=""}[1m]))