2. Prometheus 基础回顾：架构、数据模型、PromQL 与部署模式
在深入集群升级回滚机制之前，必须夯实 Prometheus 监控基础。本章从架构、数据模型、查询语言和部署模式四个维度，梳理 Prometheus 的核心概念，为后续基于监控驱动的自动化决策提供理论支撑。
2.1 Prometheus 整体架构
Prometheus 采用 拉取（Pull） 为主的监控架构，通过服务发现动态获取目标端点，定期采集指标数据并存储于本地时序数据库。其核心组件包括：
- Prometheus Server：负责指标抓取、存储与查询。
- Exporters：将非原生支持 Prometheus 的应用（如 Node、MySQL、Nginx）转换为指标端点。
- Pushgateway：用于短期任务或无法直接拉取的场景，允许作业主动推送指标。
- Alertmanager：处理告警路由、去重、静默与通知。
- Service Discovery：自动发现 Kubernetes、Consul、EC2 等环境中的监控目标。
关键设计原则： Pull 模式避免了推送风暴，使监控系统对目标集群的侵入性降到最低；同时，本地存储保证了离线自愈能力。
2.2 数据模型
Prometheus 所有采集的数据均以 时间序列（Time Series） 形式存储，每个序列由 指标名称（Metric Name） 和一组 标签（Labels） 唯一标识。
| 概念 | 说明 | 示例 |
|---|---|---|
| Metric Name | 描述被监控对象的一般含义，如 http_requests_total |
node_cpu_seconds_total |
| Labels | 键值对，用于维度区分，如 method="GET", instance="10.0.0.1:9090" |
job="node-exporter" |
| Sample | 实际数据点，包含时间戳（毫秒）和 float64 值 | @1620000000 1234.56 |
| Time Series | 同一 Metric + Labels 组合的样本序列 | node_cpu_seconds_total{cpu="0",mode="idle"} |
标签设计原则： 标签是 Prometheus 数据模型的灵魂。合理使用标签可以实现多维聚合，但应避免基数爆炸（如将用户 ID 或请求 IP 作为标签）。
2.3 PromQL 核心概念
PromQL（Prometheus Query Language）是 Prometheus 内置的函数式查询语言，支持即时查询与范围查询。以下为集群升级回滚场景中最常用的核心概念：
- Instant Vector：某一时刻的时序数据集合，如
node_cpu_seconds_total{cpu="0"}。 - Range Vector：一段时间窗口内的时序数据集合，如
node_cpu_seconds_total[5m]。 - 聚合操作：
sum(),avg(),max(),rate(),irate()等。 - 二元运算符：算术（
+,-,*,/）、比较（>,<,==）、逻辑（and,or,unless）。 - 函数：
rate()计算每秒增长率，increase()计算增量，histogram_quantile()计算分位数。
# 计算过去5分钟集群所有节点的平均CPU使用率（排除idle模式）
100 - (avg by (instance) (rate(node_cpu_seconds_total{mode="idle"}[5m])) * 100)
# 检测最近1分钟内API请求错误率是否超过5%
sum(rate(http_requests_total{status=~"5.."}[1m])) / sum(rate(http_requests_total[1m])) > 0.05
常见陷阱： 使用
rate() 时务必确保时间窗口至少为抓取间隔的 4 倍，否则可能产生数据空洞。例如抓取间隔 15s，则窗口应 ≥ 1m。
2.4 部署模式
Prometheus 支持多种部署模式，在 Kubernetes 集群升级回滚场景中，通常采用以下两种：
| 部署模式 | 适用场景 | 优势 | 劣势 |
|---|---|---|---|
| 单实例 | 小规模集群（< 100 节点）、开发/测试环境 | 部署简单，运维成本低 | 单点故障，存储容量有限 |
| 高可用（HA） | 生产环境、关键业务监控 | 故障切换，数据冗余 | 资源消耗翻倍，需协调重复数据 |
| Thanos / Cortex | 大规模集群、多集群联邦、长期存储 | 全局视图，无限存储，跨集群查询 | 架构复杂，引入额外组件 |
在后续章节的升级回滚实战中，我们将基于 Prometheus Operator 在 Kubernetes 上部署高可用 Prometheus 集群，并结合 Thanos 实现跨集群监控数据聚合。
2.5 本章小结
本章回顾了 Prometheus 的四大基础支柱：
- 架构：Pull 模式 + 组件解耦，为集群监控提供弹性底座。
- 数据模型：时间序列 + 标签体系，支撑多维聚合分析。
- PromQL：即时/范围向量 + 聚合函数，是升级回滚健康检查的核心工具。
- 部署模式：从单实例到 Thanos，按规模与可靠性需求选择。