prometheus函数

PromQL基础
http_request_total{}	瞬时向量表达式，选择当前最新的数据
http_request_total{}[5m]	区间向量表达式，选择以当前时间为基准，5分钟内的数据
http_request_total{} offset 5m http_request_total{}[1d] offset 1d	分钟前的瞬时样本数据 昨天一天的区间内的样本数据
PromQL聚合操作
sum () by (cluster_name)	每个结果里的value值的求和,单位没限制，例如请求总时间
topk(3,count_netstat_wait_connections)	前n条时序   进行瞬时报警，不是为了观察曲线图
bottomk()	后n条时序
quantile(0.5, http_requests_total)	当φ为0.5时，即表示找到当前样本数据中的中位数
min max avg	最小 最大 平均
count()	每条结果计数,单位次数
count_values()	对value进行计数
PromQL 内置函数
rate(5m)	取一段时间增量的平均每秒数量，  5m内总增量/5m 适合缓慢变化的计数器（counter）
irate(5m)	指定时间范围内的最近两个数据点来算速率 适合快速变化的计数器（counter）
increase(5m)	取一段时间增量的总量，   5m内总增量
predict_linear(node_filesystem_free{job= "node"}[1h], 4 * 3600)	适合 gauges，对数据的变化趋势进行预测
by 与without(标签名)   avg without(cpu)  ( rate  (node_cpu_seconds_total{mode="idle"}[5m]) )	without用于从计算结果中移除列举的标签，而保留其它标签。by则正好相反，结果向量中只保留列出的标签，其余标签 则移除。通过without和by可以按照样本的问题对数据进行聚合。 without不按cpu标签分组，然后计算平均值。
ceil(node_load5{instance="192.168.1.75:9100"})	四舍五入
day_of_month()	返回被给定 UTC 时间所在月的第几天
clamp_max(node_load5{instance="192.168.1.75:9100"}, 2)	输入一个瞬时向量和最大值，样本数据值若大于 max，则改为 max，否则不变
changes(node_load5{instance="192.168.1.75:9100"}[1m])	输入一个区间向量， 返回这个区间向量内每个样本数据值变化的次数（瞬时向量） 如果样本数据值没有发生变化，则返回结果为 1
delta(cpu_temp_celsius{host="zeus"}[2h])	它计算一个区间向量 v 的第一个元素和最后一个元素之间的差值 用在 Gauge 类型的时间序列上
正则	参考：https://www.cnblogs.com/zhoujinyi/p/11951779.html