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”}
在这里插入图片描述
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]
在这里插入图片描述
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。
-在这里插入图片描述
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
_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。