【PromQL 快速入门】从零掌握 Prometheus 指标查询

📌 前言

最近在项目中接触了 Prometheus + Grafana 监控体系，发现 PromQL（Prometheus Query Language） 是分析监控数据的核心工具。作为初学者，我整理了这份学习笔记，希望能帮助其他同学快速上手！

---

🎯 一、PromQL 是什么？

PromQL 是 Prometheus 专用的查询语言，用于：

• 从时间序列数据库中提取指标数据
• 实时计算聚合结果（如 CPU 使用率、错误率）
• 在 Grafana 中生成可视化图表

---

🔍 二、核心概念：指标与标签

1. 指标（Metric）

指标是监控数据的名称，表示被测量的系统属性（如 http_requests_total）。

常见指标类型

类型	特点	示例
Counter	只增不减（如请求总数）	http_requests_total
Gauge	可增可减（如内存占用）	node_memory_free
Histogram	统计数据分布（如延迟分桶）	request_latency_seconds_bucket

2. 标签（Label）

标签是键值对，用于细分指标维度（如按服务、实例、状态码过滤）。

示例：

http_requests_total{method="GET", status="200", instance="10.0.0.1:8080"}

• method="GET"：请求方法
• status="200"：HTTP 状态码

---

🚀 三、PromQL 实战查询

1. 基础查询

• 直接查询指标：

  node_cpu_seconds_total
  

• 按标签过滤：

  http_requests_total{status!="200"}  // 非200请求
  

2. 核心函数

函数	作用	示例
rate()	计算计数器增长率	rate(http_requests_total[5m])
sum()	求和	sum(api_errors) by (service)
histogram_quantile()	计算百分位数（P99）	histogram_quantile(0.99, latency_bucket)

3. 典型场景

（1）计算 CPU 使用率

100 - (avg(rate(node_cpu_seconds_total{mode="idle"}[5m])) * 100)

（2）统计 5xx 错误率

sum(rate(http_requests_total{status=~"5.."}[5m])) / sum(rate(http_requests_total[5m]))

---

💡 四、学习技巧

1. 在 Grafana Explore 中实验：实时修改查询并观察曲线变化。
2. 从现有仪表盘反向学习：点击面板的 Edit，查看背后的 PromQL。
3. 查阅官方文档：Prometheus 查询指南。

---

📚 五、推荐资源

• 书籍：《Prometheus 监控实战》
• 工具：PromQL 在线练习

---

🎉 总结

PromQL 的核心是：

1. 指标告诉你监控什么（如 http_requests_total）。
2. 标签告诉你如何细分（如 {status="500"}）。
3. 函数告诉你如何计算（如 rate()、sum()）。

下一步行动：

• 尝试在 Grafana 中复现本文的查询案例。
• 关注我的专栏，后续更新更多监控实战内容！