使用 promethus 指标在 grafana 上创建 dashboard 的一些疑问记录

我用几个例子一步一步拆解一些常用的写法和指标。

 

例子一

这里我有一个需求是计算我的程序，每处理 1Gb 数据需要使用多少 CPU 时间。

(increase(container_cpu_usage_seconds_total{cluster="$cluster", namespace="$namespace"}[5m]) / on(pod, container, namespace) increase(enrich_event_bytes_total{cluster="$cluster", namespace="$namespace"}[5m])) * (1024 * 1024 * 1024)

 

increase/rate:

我们除了 increase 还经常使用 rate.

在Prometheus中，rate和increase函数都是用来处理计数器类型的时间序列数据。计数器是一种只增不减的指标，它常用来表示累积值，例如累计使用的CPU时间。然而，rate和increase在它们处理和计算这些数据方面存在一些关键的区别：

  1. rate()：

    • rate()函数计算在给定时间范围内的平均增长率。
    • 它是一个瞬时的概念，通常用来了解“每秒”这样的速率。
    • rate()会处理计数器重置（例如，由于容器重启）和抓取间隔的影响，尝试提供一个平滑的估计。
    • 适用于计算指标的瞬时变化，如每秒请求数。

  2. increase()：

    • increase()函数计算在给定时间范围内计数器增加的总量。
    • 它会考虑整个时间范围，并给出开始和结束时刻之间的增量值。
    • 和rate()一样，increase()也会处理计数器的重置情况。
    • 通常用于计算在某个具体时间范围内的总变化量，如在过去5分钟内接收到的总数据字节数。

简单理解，一个是算平均值的，一个是算总值的。在这里因为我最终要做一个除法，所以我打算获取一个增量的值，

 

[1m]/[5m]/[10m]:

在Prometheus查询语言中，[5m]是一个时间范围选择器，它指定了查询应该考虑的历史时间窗口大小。在这个上下文中，increase(enrich_event_bytes_total[5m])的意思是计算指标enrich_event_bytes_total在过去5分钟内的增加量。

这是如何工作的：

  • enrich_event_bytes_total 是一个计数器，它不断增加，每次处理事件时都会增加表示该事件大小的值。
  • 当您对这个指标应用increase()函数时，Prometheus会查看5分钟前该计数器的值和现在的值。
  • 然后，它计算两个值之间的差异，这就是在5分钟内的“增加量”。
  • 如果在这5分钟内有任何计数器重置（例如，由于容器重启），Prometheus也会正确处理这种情况，确保提供一个准确的增加量。

时间范围选择器[5m]是可配置的，您可以根据需要设置不同的时间长度，比如[1h]表示1小时，[10s]表示10秒等。选择合适的时间范围对于准确反映指标的实际变化非常关键。

总的来说这个可以帮我们划定一个区间数据，以让我们得到这个量。比如这里我使用 5m，5分钟。我只需要同样获取 5m 内增量的 cpu 使用时间 / 5m 内增量的 数据处理总量，理论上就可以计算出 处理 1单位数据(默认单位数据是 1kb，取决于你的上报单位) 需要的 CPU 时间。

 

On (pod, container, namespace):

这个可以理解为一个 SQL join 操作上的 on，他可以作为拼接条件帮助我们处理的数据。

在Prometheus中，当您尝试对两个指标进行操作时，如果这两个指标的标签集不匹配，那么在进行除法操作时可能会得到空结果。这是因为Prometheus在执行二元操作符（如除法/）时，默认执行的是标签的精确匹配（也称为内部连接）。

这意味着，只有当两个指标拥有完全相同的标签和相对应的值时，操作才会产生结果。

所以手动指定正确的条件，可以帮助我们计算拥有同样条件的数据。

 

同样的我们还可以指定别的条件，获取选择忽略一些条件。

  1. 忽略不匹配的标签： 使用ignore关键字来忽略不需要的标签，这样可以在执行操作时排除这些标签：

    increase(container_cpu_usage_seconds_total{cluster="$cluster", namespace="$namespace"}[5m]) / ignoring(cluster, namespace) increase(enrich_event_bytes_total[5m])

  2. 使用on关键字： 指定哪些标签必须匹配，这通常是两个指标共有的一组标签，例如pod或container：

    increase(container_cpu_usage_seconds_total{cluster="$cluster", namespace="$namespace"}[5m]) / on(pod, container) increase(enrich_event_bytes_total[5m])

    请根据实际情况替换pod和container为您的指标实际有的共同标签。

  3. 添加缺失的标签： 如果enrich_event_bytes_total指标确实应该有cluster和namespace这些标签，您可能需要调整收集这些指标的配置，确保标签的一致性。

  4. 使用group_left或group_right： 这些操作允许您在操作不同的向量时保留一个向量的所有标签。这在您希望保持其中一个指标的标签集时非常有用：

    increase(container_cpu_usage_seconds_total{cluster="$cluster", namespace="$namespace"}[5m]) / on() group_left increase(enrich_event_bytes_total[5m])

    group_left表示保持左侧指标的标签，group_right则相反。

 

例子二

sum(rate(enrich_event_bytes_total{}[$__interval])) by (namespace)

这个Prometheus查询是用来计算每个命名空间（namespace）的enrich_event_bytes_total指标的速率，并将结果按命名空间聚合。让我们逐一解释这个表达式的组成部分：

  1. enrich_event_bytes_total{}：

    • 这是一个计数器类型的指标，用于跟踪处理的事件字节数。
    • 空的大括号{}表示没有应用任何过滤条件，所以它将选择所有的enrich_event_bytes_total时间序列。

  2. rate(...[$__interval])：

    • rate函数计算指标在给定时间范围内的平均速率，即单位时间内指标增加的量。
    • $__interval是一个变量，通常由Grafana提供，代表一个合适的查询间隔，这个间隔是动态计算的，基于Grafana面板的时间范围或是用户界面上的选择。

  3. sum(...)：

    • sum函数将所有选定时间序列的值相加。

  4. by (namespace)：

    • by子句指示Prometheus在求和之后要按照namespace标签进行分组。
    • 这意味着它将为每个不同的namespace值计算一个总和。

这个按命名空间聚合可以理解成 group by (namespace)，所以我们遇到需要将同一个 namespace 下，不同机器上的 metric 都聚合起来。我们可以直接使用这种写法将他们汇总。

相当于这里我们先用 rate(enrich_event_bytes_total{}[$__interval]) 求了个每个 pod 的平均值，然后再加起来 group by 了 namespace ，获得根据 namespace 聚合的总和。

 

在这里记录一下。

posted @ 2023-11-15 14:54  piperck  阅读(210)  评论(0)  编辑  收藏  举报