17.5.3 聚合函数与分组策略

聚合函数与分组策略#

PromQL 的聚合用于对多条时间序列进行降维与汇总，是面板与告警的核心。聚合由函数与分组策略组成：函数决定数值合并方式，分组策略决定保留哪些标签。

一、原理草图：聚合与分组的作用#

文章图片

二、快速可执行环境（安装与验证）#

用 Docker 起一个 Prometheus，方便练习 PromQL 聚合。

# 1) 创建配置目录
mkdir -p /opt/prometheus
cat > /opt/prometheus/prometheus.yml <<'EOF'
global:
  scrape_interval: 15s
scrape_configs:
  - job_name: "prometheus"
    static_configs:
      - targets: ["localhost:9090"]
EOF

# 2) 启动 Prometheus
docker run -d --name prom \
  -p 9090:9090 \
  -v /opt/prometheus/prometheus.yml:/etc/prometheus/prometheus.yml \
  prom/prometheus:v2.48.0

# 3) 验证服务
curl -s http://localhost:9090/-/ready
# 预期输出：Prometheus Server is Ready.

命令解释：
- -v /opt/prometheus/prometheus.yml:/etc/prometheus/prometheus.yml：挂载配置文件。
- -p 9090:9090：暴露 Web UI 与 API。
- /-/ready：就绪检查接口。

三、常用聚合函数与示例（含解释）#

  • sum()：求和（实例 → 服务）
  • avg()：平均值（跨实例平均）
  • min() / max()：极值
  • count()：计数（实例数量、存活目标）
  • stddev() / stdvar()：波动性
  • topk() / bottomk()：排名
  • quantile()：分位数（延迟指标）

示例 1：按服务聚合 QPS

sum by (job) (rate(prometheus_http_requests_total[5m]))

解释：将实例维度汇总成服务维度，得到每个 job 的 QPS。

示例 2：按集群平均负载

avg by (job) (rate(process_cpu_seconds_total[5m]))

解释：对同一 job 的进程 CPU 使用率取平均。

示例 3：存活目标数统计

count by (job) (up)

解释：按 job 统计监控目标数量，常用于巡检。

示例 4：Top 5 负载实例

topk(5, rate(process_cpu_seconds_total[5m]))

解释：筛选 CPU 使用率最高的 5 个实例。

四、分组策略：by / without#

  • by (label1, label2)：保留标签，按标签组合分组。
  • without (label1, label2)：丢弃标签，其他标签自动保留为分组键。

示例 1：保留 job 标签

sum by (job) (rate(prometheus_http_requests_total[5m]))

示例 2：丢弃 instance 标签

avg without (instance) (rate(process_cpu_seconds_total[5m]))

五、聚合标签规则与注意点#

  • 默认聚合会丢弃所有标签（除非 by 指定保留）。
  • without 只删除指定标签，其余标签保留。
  • 指标名 __name__ 默认保留。

六、常见排错与修复#

问题 1：聚合结果“只有一条线”
- 原因：未指定 by，所有维度被合并。
- 修复：

sum by (job, instance) (rate(prometheus_http_requests_total[5m]))

问题 2：结果数量爆炸
- 原因：保留高基数标签（如 instance、pod）。
- 修复（丢弃高基数维度）：

sum without (instance, pod) (rate(container_cpu_usage_seconds_total[5m]))

问题 3：空结果
- 原因：标签键写错或数据不存在。
- 排查命令（API 验证）：

curl -G 'http://localhost:9090/api/v1/series' \
  --data-urlencode 'match[]=prometheus_http_requests_total'

七、练习题（含预期方向）#

  1. 统计 Prometheus 自身每分钟请求量
    - 提示：rate + sum by (job)
  2. 计算各 job 的 CPU 使用率均值
    - 提示：avg by (job)
  3. 统计 up=1 的目标数
    - 提示：count by (job) (up == 1)
  4. 找出 CPU 使用率最高的 3 个实例
    - 提示：topk(3, ...)

八、实践建议#

  • 面板中优先 sum by (job) 或 avg by (cluster)，减少噪声。
  • 告警中避免 topk 作为核心条件，保证稳定性。
  • 高基数指标先降维再计算，控制序列数量。