跳至主要內容

Prometheus 第4章：基本概念

Corey2026/8/13大约 8 分钟云原生Prometheus云原生课程笔记

Prometheus · 第 4 章（合并）

由原课程小节笔记合并，便于连续阅读。

4.1 prometheus基本概念-sample数据点

本节重点介绍 : prometheus 基本概念

  • point 时序中单一数据点的数据结构，大小
  • 标签和标签组
  • sample 时序曲线中的一个点

prometheus 基本概念

Point 数据点

  • 源码位置 D:\nyy_work\go_path\src\github.com\prometheus\prometheus\promql\value.go
// Point represents a single data point for a given timestamp.
type Point struct {
	T int64
	V float64
}
  • 具体含义： 一个时间戳和一个value组合成的数据点
  • size:16byte: 包含 1个8byte int64时间戳和1个8byte float64 value
  • 举例图片
  • image.png

Label 标签

  • 源码位置 D:\nyy_work\go_path\src\github.com\prometheus\prometheus\pkg\labels\labels.go
type Label struct {
	Name, Value string
}
  • 一对label 比如cpu="0"mode: "user"
  • 举例图片
  • image.png

Labels 标签组

  • 源码位置 D:\nyy_work\go_path\src\github.com\prometheus\prometheus\pkg\labels\labels.go
type Labels []Label
  • 是Label切片的别名
  • 就是 一个指标的所有tag values
  • 举例图片
  • image.png

sample 数据点

  • 源码位置 D:\nyy_work\go_path\src\github.com\prometheus\prometheus\promql\value.go
// Sample is a single sample belonging to a metric.
type Sample struct {
	Point

	Metric labels.Labels
}
  • sample代表一个数据点
  • 举例图片
  • image.png

image.png

本节重点总结 : prometheus 基本概念

  • point 时序中单一数据点的数据结构，大小 8+8=16byte
  • 标签和标签组 key-value的字符串
  • sample 时序曲线中的一个点

4.2 prometheus四种查询类型

本节重点介绍 : prometheus 四种查询类型

  • 4种查询类型
    • vector
    • matrix
    • scalar
    • string
  • instant query 对应vector
  • range query 对应matrix

prometheus四种查询类型

  • 文档地址
  • 查询类型源码地址 D:\nyy_work\go_path\src\github.com\prometheus\prometheus\promql\parser\value.go
// The valid value types.
const (
	ValueTypeNone   ValueType = "none"
	ValueTypeVector ValueType = "vector"
	ValueTypeScalar ValueType = "scalar"
	ValueTypeMatrix ValueType = "matrix"
	ValueTypeString ValueType = "string"
)

即时向量 Instant vector : 一组时间序列，每个时间序列包含一个样本，所有样本共享相同的时间戳

  • vector 向量 源码位置 D:\nyy_work\go_path\src\github.com\prometheus\prometheus\promql\value.go
// Vector is basically only an alias for model.Samples, but the
// contract is that in a Vector, all Samples have the same timestamp.
type Vector []Sample
  • vector 向量,是samples的别名,但是所有sample具有相同timestamp ,常用作instant_query的结果
  • 在prometheus页面上就是table查询 ，对应查询接口 /api/v1/query
  • 举例图片
  • image.png

范围向量 Range vector : 一组时间序列，一段时间的结果

  • 在prometheus页面上就是graph查询 ，对应查询接口 /api/v1/query_range
  • 返回的结果是Matrix 矩阵，源码位置 D:\nyy_work\go_path\src\github.com\prometheus\prometheus\promql\value.go
// Matrix is a slice of Series that implements sort.Interface and
// has a String method.
type Matrix []Series
  • Matrix是series的切片 Series源码位置 D:\nyy_work\go_path\src\github.com\prometheus\prometheus\promql\value.go
// Series is a stream of data points belonging to a metric.
type Series struct {
	Metric labels.Labels `json:"metric"`
	Points []Point       `json:"values"`
}
  • series 是标签组+Points的组合
  • 举例图片
  • image.png

标量 Scalar 一个简单的数字浮点值

  • 举例图片
  • image.png

String 一个简单的字符串值；目前未使用

本节重点总结 : prometheus 四种查询类型

  • 4种查询类型
    • vector 一个时刻的结果
    • matrix 一段时间的结果
    • scalar 浮点数
    • string
  • instant query 对应vector
  • range query 对应matrix

4.3 四种标签匹配模式

本节重点介绍 : prometheus 四种标签匹配模式

  • 4种查询类型
    • = 等于
    • != 不等于
    • =~ 正则匹配
    • !~ 正则非匹配

四种标签匹配模式

  1. = 等于

    • 查询举例: cpu第一个核并且是用户态的数据 node_cpu_seconds_total{​mode="user",cpu="0"}
    • 查询举例: go_gc_duration_seconds{​quantile="0.75"}
    • image.png

  2. != 不等于

    • 查询举例: 非lo网卡的接收字节数 node_network_receive_bytes_total{​device!="lo"}
    • 查询举例:
    • image.png

  3. =~ 正则匹配

    • 查询: 挂载点以/run开头的文件系统剩余字节数 node_filesystem_avail_bytes{​mountpoint=~"^/run.*"}
    • 查询: prometheus_http_requests_total{​handler=~"/api.*"}
    • image.png

  4. !~ 正则非匹配

    • 查询: 块设备名字不包含vda的读字节数 node_disk_read_bytes_total{​device!~".vda."}
    • 查询: prometheus_http_requests_total{​code!~".*00"}
    • image.png

  5. __name__ 也是个标签，可以匹配metrics

    • 查询 {​__name__="go.*",quantile=".0."} 等价于 go_gc_duration_seconds{​quantile=~".0."}
    • image.png

本节重点介绍 : prometheus 四种标签匹配模式

  • 4种查询类型

    • = 等于
    • != 不等于
    • =~ 正则匹配
    • !~ 正则非匹配

  • =,!=不需要正则，速度最快

  • 4种可以自由组合

  • 标签的key要明确给出

  • __name__ 也是个标签，可以匹配metrics

  • promql中查询没数据，大多是标签匹配的问题

4.4 四种数据类型

本节重点介绍 : prometheus 四种数据类型

  • 四种数据类型
    • gauge 当前值
    • counter 计数器
    • histogram 直方图样本观测
    • summary 摘要

四种数据类型

gauge 当前值

  • 举例 go_info{​instance="localhost:9090", job="prometheus", version="go1.16.7"}
  • 类似的info信息，看时序的结果值=1 意义不大
  • 主要是看标签的key和value go.1.16.7 ,关注一下
  • 举例 go_memstats_heap_alloc_bytes

image.png

counter 计数器

  • 代表一个累积指标单调递增计数器
  • 使用rate 查看qps rate(prometheus_http_requests_total[1m])
  • 使用increase 查看增量 increase(prometheus_http_requests_total[10s])
  • image.png

histogram 直方图样本观测

  • 通常之类的东西请求持续时间或响应大小和计数它们配置的桶中
  • image.png
  • 它还提供所有观察值的总和
# http所有接口 总的95分位值
# sum/count 可以算平均值
prometheus_http_request_duration_seconds_sum/ prometheus_http_request_duration_seconds_count

# histogram_quantile(0.95, sum(rate(prometheus_http_request_duration_seconds_bucket[5m])) by (le,handler))

histogram_quantile(0.95, sum(rate(prometheus_http_request_duration_seconds_bucket[1m])) by (le))

# range_query接口的95分位值
histogram_quantile(0.95, sum(rate(prometheus_http_request_duration_seconds_bucket{handler="/api/v1/query_range"}[5m])) by (le))

summary 摘要会采样观察值

  • 通常是请求持续时间和响应大小之类的东西
  • 尽管它还提供了观测值的总数和所有观测值的总和
# gc耗时

# HELP go_gc_duration_seconds A summary of the pause duration of garbage collection cycles.
# TYPE go_gc_duration_seconds summary
go_gc_duration_seconds{quantile="0"} 0.000135743
go_gc_duration_seconds{quantile="0.25"} 0.000872805
go_gc_duration_seconds{quantile="0.5"} 0.000965516
go_gc_duration_seconds{quantile="0.75"} 0.001055636
go_gc_duration_seconds{quantile="1"} 0.006464756

# summary 平均值
go_gc_duration_seconds_sum /go_gc_duration_seconds_count

利用 sum/count 算平均值 ：histogram 和summary 都适用

  • go_gc_duration_seconds_sum/go_gc_duration_seconds_count 算平均值

本节重点介绍 : prometheus 四种数据类型

  • 四种数据类型
    • gauge 当前值 最简单，看标签
    • counter 计数器 多用在请求计数，cpu统计
    • histogram 直方图样本观测 ：服务端算分位值
    • summary 摘要：客户端算分位值
    • 利用 sum/count 算平均值 ：histogram 和summary 都适用

4.5 时间范围选择器

本节重点介绍 :

  • 时间范围选择器的正确用法
  • prometheus查询返回13位毫秒时间戳

范围向量选择器 Range Vector Selectors

  • 范围矢量的工作方式与即时矢量一样，不同之处在于它们从当前即时中选择了一定范围的样本。语法上，将持续时间附加在[]向量选择器末尾的方括号（）中，以指定应为每个结果范围向量元素提取多远的时间值。
  • 只能作用在counter上

时间范围

ms -毫秒
s -秒
m - 分钟
h - 小时
d -天-假设一天总是24小时
w -周-假设一周始终为7天
y -年-假设一年始终为365天
  • 时间范围不能脱离rate等函数，不然会报错

直接查询报错 promhttp_metric_handler_requests_total[1m]

Error executing query: invalid expression type "range vector" for range query, must be Scalar or instant Vector

需要叠加一个非聚合函数 如 rate irate delta idelta sum 等

  • 计算网卡入流量
    rate(promhttp_metric_handler_requests_total[1m])

时间范围 ，不能低于采集间隔

  • 采集8秒 ，查询3秒则无数据
  • rate(promhttp_metric_handler_requests_total[3s])

image.png

prometheus返回的都是毫秒时间戳

  • 10位代表秒时间戳
  • 13位代表毫秒时间戳
  • 举例图片
  • image.png

本节重点总结 :

  • 时间范围选择器的正确用法
  • 时间范围 ，不能低于采集间隔
  • prometheus查询返回13位毫秒时间戳

4.6 实用promql介绍

本节重点介绍 : prometheus promql简单的总结

  • topk 最值
  • absent nodata报警
  • offset 同环比
  • 分位值histogram_quantile
  • 成功的/总的 = 成功率
  • agg_over_time 横向的聚合

实用功能总结

查询函数文档

举例

agg 去掉/保留 label ，分布情况

  • 去掉举例：sum without(code) (rate(prometheus_http_requests_total[2m] ) )
  • image.png
  • 保留举例：sum by(code) (rate(prometheus_http_requests_total[2m] ) )
  • image.png

topk bottomK 看top

  • 举例：查看容器cpu使用率top5topk(5,prometheus_http_response_size_bytes_bucket)
  • image.png
  • 最小的 bottomk(5,prometheus_http_response_size_bytes_bucket)

同环比 相减

  • 举例：qps环比1小时 掉10sum (rate(prometheus_http_requests_total[2m] offset 1h) ) - sum (rate(prometheus_http_requests_total[2m] ) )

absent nodata报警

  • ==1代表absent生效
  • 举例：absent(abc_def)==1

分位值histogram_quantile

  • 举例查看apiserver 请求延迟90分位histogram_quantile(0.90, sum(rate(prometheus_http_request_duration_seconds_bucket[5m])) by (le))

两组series关联 成功率百分比

  • 举例：apiserver 请求成功率 100* ( sum(prometheus_http_requests_total{​code=~"2.*|3.*"})/ sum(prometheus_http_requests_total) )
  • image.png

agg_over_time 给所有ts的value做agg 横向agg

  • 举例查看一天的alertavg_over_time(go_goroutines [24h])

本节重点总结 : prometheus promql简单的总结

  • topk 最值
  • absent nodata报警
  • 分位值histogram_quantile
  • offset 同环比
  • 成功的/总的 = 成功率
  • agg_over_time 横向的聚合
Corey 知识库
Copyright © 2026 Corey