Prometheus Metrics和PromQL的使用

Metrics

官方解釋是
Metrics are numerical measurements in layperson terms. (通俗地講柠新,Metrics就是數(shù)字測(cè)量)
Prometheus fundamentally stores all data as time series(Prometheus把所有數(shù)據(jù)都存儲(chǔ)為時(shí)間序列)
Every time series is uniquely identified by its metric name and optional key-value pairs called labels.(每個(gè)時(shí)間序列都由metric name和可選的鍵值對(duì)Metric labels作為唯一標(biāo)識(shí))
Samples form the actual time series data. Each sample consists of: a float64 value, a millisecond-precision timestamp(樣本組成了實(shí)際的時(shí)序數(shù)據(jù),每個(gè)樣本由一個(gè)float64的值和一個(gè)毫秒精度的時(shí)間戳組成)

<metric name>{<label name>=<label value>, ...}    value@timestamp
# 例子:
node_load15{instance="192.168.243.99:9100", job="node_exporter"}    0.05 @1727773666.825
  • node_load15是metric name,意思是機(jī)器15分鐘內(nèi)的平均負(fù)載(Linux top命令上面的3個(gè)load average之一)
  • 這個(gè)metric有2個(gè)標(biāo)簽笛粘,instance標(biāo)明了這條數(shù)據(jù)來自哪臺(tái)機(jī)器,job就是Prometheus配置文件里面scrape_configs.job_name外莲,這2個(gè)標(biāo)簽是Prometheus自動(dòng)給加上的
  • 整個(gè)例子的意思是队贱,192.168.243.99這臺(tái)機(jī)器在時(shí)間戳1727773666.825這一刻的15分鐘平均負(fù)載是0.05

Metric types

Prometheus有4種Metric types:

  • Counter —— 計(jì)數(shù)器,數(shù)據(jù)只增不減
  • Gauge —— 儀表盤住拭,數(shù)據(jù)可增可減
  • Summary —— 摘要類型挪略,用于分析數(shù)據(jù)分布情況
  • Histogram —— 直方圖類型,用于分析數(shù)據(jù)分布情況

訪問 node_exporter_IP:9100/metrics 就能看見其所有的Metric滔岳,比如:


每一組metrics都由# HELP 和 # TYPE開頭杠娱。HELP是這段數(shù)據(jù)的說明,TYPE是這段數(shù)據(jù)的類型

PromQL

PromQL(Prometheus Query Language)是Prometheus tsdb的查詢語言谱煤,可實(shí)時(shí)查找/計(jì)算/聚合時(shí)間序列數(shù)據(jù)摊求,并將結(jié)果在圖表中展示。
語法:<metric name>{<label name>=<label value>, ...}[duration]

  • 瞬時(shí)向量刘离,表示時(shí)間序列中最新的一個(gè)樣本值睹簇,(上圖第一個(gè)示例奏赘,返回值只有1個(gè))
  • 區(qū)間向量,表示給定時(shí)間范圍內(nèi)的一組樣本(上圖第二個(gè)示例太惠,返回值有多個(gè))磨淌,時(shí)間范圍可以使用 秒(s)、分鐘(m)凿渊、小時(shí)(h)梁只、天(d)、周(w)和年(y)埃脏。比如[1m]就是返回1分鐘內(nèi)的監(jiān)控?cái)?shù)據(jù)

標(biāo)簽的篩選

支持精確匹配和正則匹配搪锣,以及它們的取反操作

精確匹配

= , !=
例子:查詢node_cpu_guest_seconds_total CPU等于1 和 不等于1的數(shù)據(jù)

正則匹配

=~ , !~

例子:查詢 node_disk_io_time_seconds_total 中device是dm-數(shù)字 的數(shù)據(jù)和不是dm-數(shù)字 的數(shù)據(jù)

算數(shù)運(yùn)算

支持 \+ 加, - 減, * 乘, / 除, % 取模, ^ 冪 運(yùn)算
例 獲取可用內(nèi)存:

比較運(yùn)算

== , != , > , < , >= , <=

例:node_load15 > 0.9

邏輯運(yùn)算

and 且彩掐, or 或, unless 非

例:找出近15分鐘負(fù)載大于0.9且內(nèi)存使用率大于80%的機(jī)器:

node_load15 > 0.9 and (1 - ((node_memory_MemFree_bytes + node_memory_Buffers_bytes + node_memory_Cached_bytes) / node_memory_MemTotal_bytes)) > 0.8

聚合 操作

sum 构舟、max、min堵幽、avg狗超、count 、count_values朴下、topk(樣本值前K個(gè)最大值)努咐、stddev(標(biāo)準(zhǔn)差)、stdvar(方差), bottomk(樣本值后K個(gè)最小值), quantile(統(tǒng)計(jì)分位數(shù))
例:


?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末殴胧,一起剝皮案震驚了整個(gè)濱河市渗稍,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌团滥,老刑警劉巖竿屹,帶你破解...
    沈念sama閱讀 212,542評(píng)論 6 493
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異灸姊,居然都是意外死亡羔沙,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,596評(píng)論 3 385
  • 文/潘曉璐 我一進(jìn)店門厨钻,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人坚嗜,你說我怎么就攤上這事夯膀。” “怎么了苍蔬?”我有些...
    開封第一講書人閱讀 158,021評(píng)論 0 348
  • 文/不壞的土叔 我叫張陵诱建,是天一觀的道長。 經(jīng)常有香客問我碟绑,道長俺猿,這世上最難降的妖魔是什么茎匠? 我笑而不...
    開封第一講書人閱讀 56,682評(píng)論 1 284
  • 正文 為了忘掉前任,我火速辦了婚禮押袍,結(jié)果婚禮上诵冒,老公的妹妹穿的比我還像新娘。我一直安慰自己谊惭,他們只是感情好汽馋,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,792評(píng)論 6 386
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著圈盔,像睡著了一般豹芯。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上驱敲,一...
    開封第一講書人閱讀 49,985評(píng)論 1 291
  • 那天铁蹈,我揣著相機(jī)與錄音,去河邊找鬼众眨。 笑死握牧,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的围辙。 我是一名探鬼主播我碟,決...
    沈念sama閱讀 39,107評(píng)論 3 410
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢(mèng)啊……” “哼姚建!你這毒婦竟也來了矫俺?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 37,845評(píng)論 0 268
  • 序言:老撾萬榮一對(duì)情侶失蹤掸冤,失蹤者是張志新(化名)和其女友劉穎厘托,沒想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體稿湿,經(jīng)...
    沈念sama閱讀 44,299評(píng)論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡铅匹,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,612評(píng)論 2 327
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了饺藤。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片包斑。...
    茶點(diǎn)故事閱讀 38,747評(píng)論 1 341
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖涕俗,靈堂內(nèi)的尸體忽然破棺而出罗丰,到底是詐尸還是另有隱情,我是刑警寧澤再姑,帶...
    沈念sama閱讀 34,441評(píng)論 4 333
  • 正文 年R本政府宣布萌抵,位于F島的核電站,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏绍填。R本人自食惡果不足惜霎桅,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 40,072評(píng)論 3 317
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望讨永。 院中可真熱鬧滔驶,春花似錦、人聲如沸住闯。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,828評(píng)論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽比原。三九已至插佛,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間量窘,已是汗流浹背雇寇。 一陣腳步聲響...
    開封第一講書人閱讀 32,069評(píng)論 1 267
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留蚌铜,地道東北人锨侯。 一個(gè)月前我還...
    沈念sama閱讀 46,545評(píng)論 2 362
  • 正文 我出身青樓,卻偏偏與公主長得像冬殃,于是被迫代替她去往敵國和親囚痴。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,658評(píng)論 2 350

推薦閱讀更多精彩內(nèi)容