Prometheus之数据类型和函数

前言：

在了解Prometheus数据类型前，我们先了解下面几个统计学名词概念：

平均数（Mean）：

平均数是所有数据加起来除以数据个数得到的结果。它表示数据的中心趋势。

最大值（Maximum）：

最大值是数据集中最大的数值。它表示数据的上限。

最小值（Minimum）：

最小值是数据集中最小的数值。它表示数据的最小极限。

中位数（Median）：

中位数是将数据从小到大排序后，位于中间位置的数值。如果数据个数是奇数，则中位数是中间的数值；如果数据个数是偶数，则中位数是中间两个数值的平均值。

百分位数（Quantile）

概念

百分位数（Percentile）是一种统计学上的概念，用来描述一组数据中某个数值相对于整个数据集的位置。具体来说，一个百分位数表示的是有百分之几的数据值小于或等于这个数值，

计算方法：

1. 排序：将数据集从小到大排序
2. 定位：计算百分位数的位置，通常使用以下公式：
   
3. 插值：如果计算的位置是整数，则直接取该位置的数据值；如果位置是小数，则进行线性插值。
4. 示例：
   

Prometheus数据类型：

Prometheus 是一个强大的开源监控和警报工具，其核心是时间序列数据模型。在 Prometheus 中，数据类型主要分为以下四种基本类型，每种类型都适用于不同的监控场景：

Counter（计数器）

定义：

Counter 是一个单调递增的指标，通常用于追踪某个事件的总数，如请求次数、任务完成次数等。

特点：

Counter 的值只能增加或者重置为0，不能减少。当监控重启或者重置时，Counter 可以被重置。

使用场景：

适用于统计总量，如HTTP请求的总次数、数据库查询的总次数等。

Gauge（仪表盘）

定义：

Gauge 是一个可以任意变化的指标，它反映了某个时刻的实时值，如系统的负载、内存使用率、当前活跃用户数等。

特点：

Gauge 的值可以增加、减少或者重置，能够反映资源的实时状态。

使用场景：

适用于表示资源的实时状态或者变化，如CPU使用率、磁盘空间占用、队列长度等。

Histogram（直方图）

定义：

Histogram 用于追踪一段时间内的数据分布情况，它将数据分桶（bucket）存储，每个桶记录了特定范围内数据的数量。

特点：

Histogram 可以提供数据的分布情况，包括最小值、最大值、平均值、中位数等统计信息。

使用场景：

适用于分析数据的分布，如请求的响应时间、数据库查询延迟等。

Summary（摘要）

定义：

Summary 类似于 Histogram，但它提供了一个滑动时间窗口内的数据摘要，包括总数和样本的定量统计信息。

特点：

Summary 提供了样本的总数和分位数统计，如平均数、中位数、90百分位数等。

使用场景：

适用于需要实时计算分位数和统计信息的场景，如HTTP请求的响应时间分布。

Prometheus 函数

Prometheus 提供了丰富的函数库，可以用于对时间序列数据进行各种操作和计算。以下是一些常用的 Prometheus 函数和它们的简要说明：

聚合操作

1. sum()

• 作用:
  计算一组时间序列的和。
• 示例:

sum(rate(http_requests_total[5m])) 

计算过去5分钟内 HTTP 请求数量的总和。

2. avg()

• 作用:
  计算一组时间序列的平均值。
• 示例:

avg(cpu_usage{job="app"}) 

计算所有名为 “app” 的作业的 CPU 使用率的平均值。

3. min()

• 作用:
  计算一组时间序列的最小值。
• 示例:

min(memory_usage) 

获取内存使用率的最小值。

4. max()

• 作用:
  计算一组时间序列的最大值。
• 示例:

max(disk_io)

获取磁盘 I/O 的最大值。

5. count()

• 作用:
  计算一组时间序列的数量。
• 示例:

count(up) 

计算当前处于 “up” 状态的实例数量。

数学运算

1. rate()

• 作用:
  计算 Counter 类型指标在指定时间范围内的增长率。
• 示例:

rate(http_requests_total[5m]) 

计算过去5分钟内 HTTP 请求的增长率。

2. increase()

• 作用:
  计算 Counter 类型指标在指定时间范围内的增加量。
• 示例:

increase(http_requests_total[5m])

计算过去5分钟内 HTTP 请求的增加量。

3. irate()

• 作用:
  计算 Counter 类型指标在指定时间范围内的瞬时增长率。
• 示例:

irate(http_requests_total[5m]) 

计算过去5分钟内 HTTP 请求的瞬时增长率。

时间序列操作

1. delta()

• 作用:
  计算时间序列在指定时间范围内的变化量。
• 示例:

delta(cpu_usage[1h]) 

计算过去1小时内 CPU 使用率的变化量。

2. deriv()

• 作用:
  计算时间序列的导数。
• 示例:

deriv(memory_usage[1h]) 

计算过去1小时内内存使用率的导数。

3. reset()

• 作用:
  将 Counter 类型的时间序列重置为 0。
• 示例:

reset(http_requests_total)

将 HTTP 请求计数器重置为 0。

时间相关函数

1. time()

• 作用:
  返回当前 UNIX 时间。
• 示例:

time() 

获取当前 UNIX 时间。

2. day_of_week()

• 作用:
  返回特定时间点的星期几。
• 示例:

day_of_week(time()) 

获取当前时间的星期几。

3. days_in_month()

• 作用:
  返回特定时间点所在月份的天数。
• 示例:

days_in_month(time())

获取当前月份的天数。

预测和回归

1. holt_winters()

• 作用:
  使用 Holt-Winters 方法进行时间序列预测。
• 示例:

holt_winters(cpu_usage[1h], 0.3, 0.3) 

对过去1小时的 CPU 使用率进行预测。

2. predict_linear()

• 作用:
  使用线性回归进行时间序列预测。
• 示例:

predict_linear(memory_usage[1h], 3600) 

预测未来1小时的内存使用率。

实用函数

1. label_replace()

• 作用:
  替换或添加标签。
• 示例:

label_replace(up, "new_label", "\$1", "instance", "(.*)") 

为 up 指标添加或替换 new_label 标签。

2. vector()

• 作用:
  将标量转换为向量。
• 示例:

vector(1) 

创建一个值为1的向量。

3. scalar()

• 作用:
  将向量转换为标量。
• 示例:

scalar(sum(cpu_usage)) 

将 CPU 使用率的总和转换为标量值。