3. Prometheus 基础回顾：PromQL 核心语法、数据模型与常用聚合算子

在深入蓝绿发布故障排查之前，必须牢固掌握 Prometheus 的数据模型与查询语言 PromQL。本节将系统梳理 Metric、Label、Sample 三大核心概念，以及 PromQL 的聚合算子与常用函数，为后续自动化告警与根因分析打下基础。

3.1 数据模型：Metric、Label、Sample

Prometheus 存储的所有时间序列数据由三个基本元素唯一标识：

3.2 PromQL 核心语法

PromQL 提供四种基本查询类型，用于从时间序列中提取数据：

• 即时查询（Instant Query）： 返回查询时间点的最新样本值。
• 范围查询（Range Query）： 返回一段时间窗口内的所有样本值。
• 偏移查询（Offset Modifier）： 查询过去某个时间点的数据。
• 子查询（Subquery）： 对范围向量进行二次聚合。

3.2.1 选择器语法

# 精确匹配
http_requests_total{job="api-server", method="GET"}

# 正则匹配（=~ 匹配正则，!~ 排除正则）
http_requests_total{instance=~"web-.*"}

# 负向匹配
http_requests_total{status!~"5.."}

# 范围向量（查询过去 5 分钟）
http_requests_total[5m]

3.2.2 常用操作符

3.3 常用聚合算子

聚合算子用于将多个时间序列合并为单个序列，是故障排查中计算集群整体状态的核心工具。

3.3.1 聚合算子使用示例

# 按 group 维度聚合，计算每个组的 QPS
sum(rate(http_requests_total[5m])) by (group)

# 计算全局 P99 延迟，排除异常值
histogram_quantile(0.99, sum(rate(http_request_duration_seconds_bucket[5m])) by (le))

# 找出响应时间超过 2s 的实例
topk(5, avg(rate(http_request_duration_seconds_sum[5m])) by (instance))

3.4 PromQL 数据模型与查询流程

下图展示了 Prometheus 从抓取数据到 PromQL 查询返回结果的完整链路：

3.5 蓝绿发布中的 PromQL 实战模式

在蓝绿发布故障排查中，以下 PromQL 模式会频繁出现：

# 模式 1：对比两组流量比例
sum(rate(http_requests_total{group="blue"}[5m])) / sum(rate(http_requests_total[5m]))

# 模式 2：检测错误率突增
sum(rate(http_requests_total{status=~"5.."}[5m])) / sum(rate(http_requests_total[5m])) > 0.05

# 模式 3：计算健康实例占比
count(up{group="green"} == 1) / count(up{group="green"})

# 模式 4：P99 延迟对比（蓝 vs 绿）
histogram_quantile(0.99, sum(rate(http_request_duration_seconds_bucket{group="blue"}[5m])) by (le)) -
histogram_quantile(0.99, sum(rate(http_request_duration_seconds_bucket{group="green"}[5m])) by (le))

3.6 常用函数速查