📚 课程目录第2章 Prometheus基础回顾

2. Prometheus 基础回顾：架构、数据模型与 PromQL 基础

在深入告警规则与状态一致性故障排查之前，必须牢固掌握 Prometheus 的核心基础。本节将系统回顾 Prometheus 的拉取架构、核心数据模型以及 PromQL 查询语言的基本用法，为后续章节的故障分析建立共同语言。

2.1 Prometheus 整体架构

Prometheus 采用 拉取（Pull） 模式采集指标，区别于传统的推送（Push）模式。这种设计使得监控系统对目标状态具有主动控制权，是保障数据一致性的关键前提。

  架构要点：
  Pull 模式：Prometheus Server 主动从目标 /metrics 端点拉取数据，避免因目标端推送失败导致数据丢失。
服务发现：动态获取监控目标列表，支持 Kubernetes、Consul、文件等多种发现机制。
告警规则评估：在 Server 内部周期性执行 PromQL 表达式，当条件持续满足时生成告警并推送至 Alertmanager。

2.2 数据模型：Metric、Label、Sample

Prometheus 存储的所有时间序列数据由三个核心元素唯一标识：指标名（Metric）、标签（Label） 和 样本（Sample）。理解这三者的关系是编写正确告警规则的基础。

元素	说明	示例
Metric	指标名称，描述被监控量的含义，遵循 `namespace_metricname` 命名规范。	`http_requests_total`
Label	键值对标签，用于对同一指标进行多维细分。每个时间序列由指标名 + 标签集合唯一确定。	`{method="GET", endpoint="/api", status="200"}`
Sample	时间戳 + 浮点数值，构成时间序列中的一个数据点。	`@1620000000 1024.5`

关键概念： 标签是 Prometheus 实现多维监控的核心。例如 http_requests_total{method="POST", status="500"} 与 http_requests_total{method="GET", status="200"} 是两个完全不同的时间序列。在告警规则中，必须精确控制标签匹配，避免因标签爆炸导致规则评估错误。

2.3 PromQL 基础

PromQL（Prometheus Query Language）是 Prometheus 内置的数据查询和聚合语言。告警规则本质上就是一段 PromQL 表达式，因此掌握 PromQL 是编写可靠告警规则的前提。

2.3.1 数据类型

类型	说明	示例
Instant Vector	一组时间序列，每个序列包含一个最新样本。	`node_cpu_seconds_total`
Range Vector	一组时间序列，每个序列包含一段时间范围内的多个样本。	`node_cpu_seconds_total[5m]`
Scalar	单一的浮点数值。	`1024`
String	字符串值，使用较少。	`"warning"`

2.3.2 常用选择器与操作符

# 标签精确匹配
http_requests_total{method="GET", status="200"}

# 标签正则匹配（=~ 匹配正则，!~ 排除正则）
http_requests_total{method=~"GET|POST", status!~"5.."}

# 范围查询：过去5分钟的数据
http_requests_total[5m]

# 偏移查询：1小时前的数据
http_requests_total offset 1h

# 聚合操作：按 method 分组求和
sum by (method) (http_requests_total)

# 速率计算：计算每秒增长率
rate(http_requests_total[5m])

# 比较操作符：触发条件判断
rate(http_requests_total[5m]) > 100

2.3.3 告警规则中的 PromQL 模式

在告警规则中，PromQL 表达式必须返回一个 Instant Vector，且每个返回的样本值代表告警的严重程度或触发阈值。以下是一个典型的告警规则结构：

groups:
  - name: example_alerts
    rules:
      - alert: HighRequestLatency
        expr: histogram_quantile(0.99, rate(http_request_duration_seconds_bucket[5m])) > 1.0
        for: 5m
        labels:
          severity: critical
        annotations:
          summary: "High request latency detected"

常见陷阱：

标签不一致：PromQL 表达式中的标签必须与告警规则中的 labels 和 annotations 模板变量一致，否则告警信息可能为空或错误。
范围向量误用：告警规则 expr 中不能直接使用范围向量（如 [5m]），必须通过 rate、increase 等函数转换为 Instant Vector。
聚合粒度：使用 by 或 without 聚合时，确保保留必要的标签维度，避免丢失故障定位所需的关键信息。

  核心流程：
  PromQL 引擎从 TSDB 中读取原始时间序列数据。
根据告警规则中的 expr 执行选择、聚合和计算，生成 Instant Vector 结果。
将结果与阈值进行比较，结合 for 持续时间判断是否触发告警。
满足条件后生成告警实例，状态从 Pending 转为 Firing。