PromQL 查询语言基础

本节将学习：PromQL 基本查询语法、聚合操作符、时间范围查询，以及常用函数的使用。这些是使用 Prometheus 的核心技能。

什么是 PromQL

PromQL 是什么？ PromQL（Prometheus Query Language）是 Prometheus 的查询语言。

PromQL 有什么用途呢？

查询时间序列数据。 可以用 PromQL 查询时间序列数据。例如查询 CPU 使用率、内存使用量。
聚合和分析数据。 可以用 PromQL 聚合和分析数据。例如计算平均值、求和、最大值。
创建告警规则。 可以用 PromQL 创建告警规则。例如当 CPU 使用率超过 80% 时告警。
构建 Dashboard。 可以用 PromQL 构建 Dashboard。例如在 Grafana 中使用 PromQL 查询数据。

PromQL 有什么特点呢？

第一个特点：功能强大。 支持复杂的查询和聚合，支持数学运算和函数。

第二个特点：易于使用。 语法简洁直观，支持标签过滤。

第三个特点：灵活高效。 支持实时查询，支持范围查询。

这就是 PromQL。它是 Prometheus 的核心功能之一。

PromQL 基本查询语法

PromQL 基本查询有哪些方式呢？

第一种方式：查询指标名称。 直接输入指标名称，例如

http_requests_total

。这会返回所有标签组合的指标。

第二种方式：使用标签过滤。 使用花括号

{}

和标签来过滤，例如

http_requests_total{method="GET"}

。这会返回所有 method 为 GET 的指标。

第三种方式：多标签过滤。 使用多个标签来过滤，例如

http_requests_total{method="GET", status="200"}

。这会返回所有 method 为 GET 且 status 为 200 的指标。

第四种方式：标签匹配操作符。 使用不同的匹配操作符：

```
=
```
：完全匹配，例如
```
{method="GET"}
```
```
!=
```
：不等于，例如
```
{method!="GET"}
```
```
=~
```
：正则匹配，例如
```
{status=~"2.."}
```
，匹配所有以 2 开头的三位数
```
!~
```
：正则不匹配，例如
```
{status!~"2.."}
```
，不匹配所有以 2 开头的三位数

查询示例：

查询所有 HTTP 请求：
```
http_requests_total
```
查询 GET 请求：
```
http_requests_total{method="GET"}
```
查询状态码为 200 的请求：
```
http_requests_total{status="200"}
```

查询 GET 且状态码为 200 的请求：

http_requests_total{method="GET", status="200"}

查询所有成功状态码（2xx）：
```
http_requests_total{status=~"2.."}
```
。这里使用正则匹配，匹配所有以 2 开头的三位数。
查询所有错误状态码（非 2xx）：
```
http_requests_total{status!~"2.."}
```
。这里使用正则不匹配，不匹配所有以 2 开头的三位数。

这就是 PromQL 基本查询语法。

PromQL 聚合操作符

PromQL 支持哪些聚合操作符呢？

```
sum()
```
：求和。计算所有值的总和。
```
avg()
```
：平均值。计算所有值的平均值。
```
min()
```
：最小值。找出所有值中的最小值。
```
max()
```
：最大值。找出所有值中的最大值。
```
count()
```
：计数。计算时间序列的数量。
```
stddev()
```
：标准差。计算所有值的标准差。
```
stdvar()
```
：方差。计算所有值的方差。

聚合示例：

计算总请求数：
```
sum(http_requests_total)
```
。这会计算所有 HTTP 请求的总数。
按 method 分组求和：
```
sum(http_requests_total) by (method)
```
。这会按 method 标签分组，计算每组的总请求数。
计算平均请求延迟：
```
avg(http_request_duration_seconds)
```
。这会计算所有请求的平均延迟。
计算最大请求延迟：
```
max(http_request_duration_seconds)
```
。这会找出所有请求中的最大延迟。
计算请求数（按状态码分组）：
```
count(http_requests_total) by (status)
```
。这会按 status 标签分组，计算每组的请求数。

聚合语法：

<聚合函数>(<指标>) [by|without] (<标签列表>)

```
by
```
：按指定标签分组。例如
```
sum(...) by (method)
```
，按 method 分组。
```
without
```
：排除指定标签后分组。例如
```
sum(...) without (instance)
```
，排除 instance 标签后分组。

这就是 PromQL 聚合操作符。

PromQL 时间范围查询

PromQL 支持哪些时间范围选择器呢？

```
[5m]
```
：最近 5 分钟
```
[1h]
```
：最近 1 小时
```
[1d]
```
：最近 1 天
```
[1w]
```
：最近 1 周

范围查询示例：

查询最近 5 分钟的请求数：
```
http_requests_total[5m]
```
。这会返回最近 5 分钟内的所有数据点。
计算最近 1 小时的请求速率：
```
rate(http_requests_total[1h])
```
。这会计算最近 1 小时内的每秒请求速率。
计算最近 5 分钟的平均速率：
```
avg_over_time(http_requests_total[5m])
```
。这会计算最近 5 分钟内的平均值。
计算最近 1 小时的最大值：
```
max_over_time(http_requests_total[1h])
```
。这会找出最近 1 小时内的最大值。

速率计算函数：

```
rate()
```
：每秒速率（适用于 Counter）。例如
```
rate(http_requests_total[1h])
```
，计算每秒请求速率。
```
irate()
```
：瞬时速率（适用于 Counter）。例如
```
irate(http_requests_total[5m])
```
，计算瞬时请求速率。
```
increase()
```
：增量（适用于 Counter）。例如
```
increase(http_requests_total[1h])
```
，计算最近 1 小时的增量。

rate() vs irate()：

```
rate()
```
计算平均速率。更平滑，适用于长期趋势分析。
```
irate()
```
计算瞬时速率。更敏感，适用于短期波动分析。

这就是 PromQL 时间范围查询。

PromQL 常用函数

PromQL 支持哪些函数呢？

第一个是数学函数。

```
abs()
```
：绝对值。例如
```
abs(cpu_usage_percent - 50)
```
，计算 CPU 使用率与 50% 的差的绝对值。
```
round()
```
：四舍五入。例如
```
round(cpu_usage_percent * 100, 2)
```
，将 CPU 使用率四舍五入到小数点后两位。
```
ceil()
```
：向上取整。例如
```
ceil(cpu_usage_percent * 100)
```
，将 CPU 使用率向上取整。
```
floor()
```
：向下取整。例如
```
floor(cpu_usage_percent * 100)
```
，将 CPU 使用率向下取整。

第二个是时间函数。

```
time()
```
：当前时间戳。返回当前 Unix 时间戳。
```
hour()
```
：小时。返回时间的小时部分。
```
minute()
```
：分钟。返回时间的分钟部分。

第三个是标签函数。

label_replace()

：替换标签。例如

label_replace(http_requests_total, "env", "$1", "environment", "(.*)")

，将 environment 标签替换为 env 标签。

```
label_join()
```
：连接标签。例如
```
label_join(http_requests_total, "full_name", "-", "service", "instance")
```
，将 service 和 instance 标签连接为 full_name 标签。

函数示例：

计算 CPU 使用率百分比：
```
cpu_usage_percent * 100
```
。将小数转换为百分比。
四舍五入：
```
round(cpu_usage_percent * 100, 2)
```
。四舍五入到小数点后两位。
向上取整：
```
ceil(cpu_usage_percent * 100)
```
。向上取整。
向下取整：
```
floor(cpu_usage_percent * 100)
```
。向下取整。

替换标签：

label_replace(http_requests_total, "env", "$1", "environment", "(.*)")

。替换标签名称。

这就是 PromQL 常用函数。

PromQL 实际查询示例

示例 1：计算 QPS（每秒请求数）

sum(rate(http_requests_total[5m])) by (method)

这个查询计算每秒请求数，按 method 分组。使用

rate()

计算速率，

sum()

求和，

by (method)

按 method 分组。

示例 2：计算错误率

sum(rate(http_requests_total{status=~"5.."}[5m]))
/
sum(rate(http_requests_total[5m]))
* 100

这个查询计算错误率。分子是所有 5xx 错误的速率，分母是所有请求的速率，然后乘以 100 转换为百分比。

示例 3：计算 P95 延迟

histogram_quantile(0.95,
sum(rate(http_request_duration_seconds_bucket[5m])) by (le))

这个查询计算 P95 延迟。使用

histogram_quantile()

函数，0.95 表示 95 分位数。

示例 4：计算 CPU 使用率

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

这个查询计算 CPU 使用率。CPU 使用率 = 100 - 空闲率。使用

rate()

计算速率，

avg()

计算平均值。

这就是 PromQL 实际查询示例。

本节小结

在本节中，我们学习了 PromQL 查询语言基础：

第一个是基本查询。 指标名称、标签过滤、匹配操作符。这些是 PromQL 的基础。

第二个是聚合操作符。 sum、avg、min、max、count 等。这些是分析数据的重要工具。

第三个是时间范围查询。 范围选择器、速率计算函数。这些是分析趋势的重要工具。

第四个是常用函数。 数学函数、时间函数、标签函数。这些是处理数据的重要工具。

PromQL 查询结构： PromQL 查询由基本查询、聚合操作、时间范围、函数组成。这些可以组合使用，构建复杂的查询。

这就是 PromQL 查询语言基础。掌握这些基础知识，是使用 Prometheus 的关键。

在下一节，我们将学习 PromQL 高级查询。学习更复杂的查询技巧，例如多指标关联、子查询、标签操作等。