prometheus.(4).函数计算公式

数学理论基础-计算公式

作者声明:本博客内容是作者在学习以及搭建过程中积累的内容,内容采自网络中各位老师的优秀博客以及视频,并根据作者本人的理解加以修改(由于工作以及学习中东拼西凑,如何造成无法提供原链接,在此抱歉!!!)

作者再次声明:作者只是一个很抠脚的IT工作者,希望可以跟那些提供原创的老师们学习

原文:大米运维

CPU的构思

%Cpu(s): 2.2 us, 1.9 sy, 0.0 ni, 95.5 id, 0.0 wa, 0.0 hi, 0.3 si, 0.0 st

CPU的使用率 = (所有非空闲状态的CPU使用时间总和 )/(所有状态CPU时间的总和)

(1-((sum(increase(node_cpu_seconds_total{mode="idle"}[5m])) by (instance)) / (sum(increase(node_cpu_seconds_total[5m])) by (instance)))) * 100


(sum(increase(node_cpu_seconds_total{mode!="idle"}[5m])) by (instance) / sum(increase(node_cpu_seconds_total[5m])) by (instance) )* 100

函数

rate()

rate函数,rate用来计算两个 间隔时间内发生的变化率(一段时间内平均每秒的增量)。

专门用来搭配Counters类型的数据,rate(指标名{筛选条件}[时间间隔])

比如 查看1分钟内非idle的cpu使用率

rate(node_cpu_seconds_total{mode!="idle"}[1m])

irate()

rate与irate的区别

irate和rate都会用于计算某个指标在一定时间间隔内的变化速率。但是它们的计算方法有所不同:irate取的是在指定时间范围内的最近两个数据点来算速率,而rate会取指定时间范围内所有数据点,算出一组速率,然后取平均值作为结果。

所以官网文档说:irate适合快速变化的计数器(counter),而rate适合缓慢变化的计数器(counter)。

根据以上算法我们也可以理解,对于快速变化的计数器,如果使用rate,因为使用了平均值,很容易把峰值削平。除非我们把时间间隔设置得足够小,就能够减弱这种效应。

相同函数,截取不同时间的图形分析

rate(node_network_receive_bytes_total{device="ens32",instance="k8s-node1"}[1m])

1分钟内 增加了 1000bytes (假设)

5分钟内 增加了 5000bytes (假设)

会把1000bytes除以 1m*60秒,=~16bytes/s 就是这样计算出在这1分钟内,平均每秒钟增加 16bytes

1584428753976

把5分钟内的增量 除以 5m*60s ,5分钟的增量 假如是 5000 , 那么除以300 以后 也还是约等于 =~ 16bytes/s

1584428799672

以上两种时间段的取法,都是假设成⼀种平均的取法,这是一种假设的理想状态,事实上生产环境 网络数据接收量 可不是这么平均的。有可能在 第一分钟 增加了 1000, 到 第二分钟 就变成增加了2500….

所以 rate(1m) 这样的取值方法比起 rate(5m) ,因为它取的时间段短,所以 任何某⼀瞬间的凸起或者降低在成图的时候会体现的更细致 更敏感而rate(5m)把整个5分钟内的都⼀起平均了,那么当发生瞬时凸起的时候,会显得图平缓了⼀些 (因为 取的时间段长 把波峰波谷都给平均消下去了)

increase()

increase 函数 在promethes中,是用来针对Counter 这种持续增长的数值,截取其中⼀段时间的 增量(一段时间内的总增量)

increase(node_cpu_seconds_total[1m]) =》 这样 就获取了 CPU总使用时间在1分钟内的增量

sum( )

比如上面得到各个指标的cpu使用率,如果我想计算总的cpu使用率怎么办?

sum( ) 就如其字⾯意思⼀样 起到value 加合的作用 sum( increase(node_cpu_seconds_total[1m]) ) 外⾯套⽤⼀个sum 即可把所有核数值加合

问题1:所有机器的CPU 也全都加到⼀起了,变成 服务器集群 总CPU平均值了?

by()

by (instance) 这个函数 可以把 sum加合到⼀起的数值 按照指定的⼀个方式进行一层的 拆分

instance 代表的是 机器名

意思就是说 把sum函数中 服务器加合的这个糗事 再给它强行拆分出来

sum(increase(node_cpu_seconds_total{mode="idle"}[1m])) by (instance)

sum() by (cluster_name) 可以帮我们实现集群加合并分三条曲线输出了,顺带一提的是 (cluster_name) 这个标签,默认node_exporter是没有办法提供的,node_exporter只能按照不同的机器名去划分。如果希望支持cluster_name 我们需要自行定义标签。

topk()

topk() 函数的定义是:取前面x位的最高值,最简单理解就是数学的top,当我们有很多服务器我们想要获取某个key的数据排在前3位的服务器。

Gauge类型使用方式:

topk(3,key)

Counter类型使用方式

topk(3,rate(key[1m]))

注意:此种函数获得数据并不是很适用图形化展示,实际使用的时候 ⼀般用topk()函数 进行瞬时报警而不是为了观察曲线图

count()

定义: 把数值符合条件的 输出数目进行加合

例如:找出当前(或者历史的)当数值数大于2000的机器数量

1584432005529

更多函数:https://prometheus.io/docs/prometheus/latest/querying/functions/

标签匹配

模糊匹配 =~

模糊不匹配 !~

posted @ 2020-05-04 10:30  薄荷少年郎微微凉  阅读(6247)  评论(0编辑  收藏  举报