PromQL (Prometheus Query Language)进阶教程

Prometheus Query Language典型应用场景：在仪表板中可视化Prometheus数据、使用Prometheus的警报管理器构建警报规则等。了解如何构建PromQL是使用Prometheus的一项基本技能，通过上篇文章学习了基础知识，本文带你更深入学习并实践。

Prometheus metrics类型

我们已经知道，Prometheus将从各种exportor中获取的指标数据存储在时间序列数据库中。对于想要存储的度量，必须有标识符，还包括一些列标签，当然还有时间戳和收集数据。

• 格式：Identifier -> ( timestamp1, value 1), ( t2,v2),…
• 示例：http_request_total{job=”httpcollector”, method=”GET”, path=”/tesst’}

通过这些标签可以筛选指标。从技术上讲，指标存储在JSON对象中，如下所示：

{
   
 job=”httpcollector”, 
 method=”GET”, 
 path=”/tesst’ , 
 __name__=”http_request_total”
}

__name__是指标的名称。例如，使用它来过滤具有特定名称的所有指标。当应用PromQL时，Prometheus将转换数据并以4种不同的格式呈现：

• String
• Scalar
• Instant vector
• Range vector

前两个很容易理解：String只是一种文本格式，而Scalar是一个数值。然而&#