2. Prometheus 基础回顾：指标类型、数据模型与 PromQL 入门

在深入成本分摊与性能调优之前，必须牢固掌握 Prometheus 的核心基础。本章将系统回顾 Prometheus 的四种核心指标类型、其分层数据模型，以及 PromQL 的入门查询语法。这些知识是后续所有成本分析与优化策略的基石。

2.1 核心指标类型 (Metric Types)

Prometheus 客户端库提供了四种核心指标类型，每种类型服务于不同的监控场景。理解它们的差异是编写正确 PromQL 和设计高效采集方案的前提。

2.2 数据模型：标签驱动的多维存储

Prometheus 的数据模型是其强大灵活性的根源。每个时间序列由 指标名称 和一组 标签 (Labels) 唯一标识。

• 指标名称 (Metric Name)： 描述被监控的通用特征，例如 http_requests_total。
• 标签 (Labels)： 键值对，用于对同一指标进行多维度的细分，例如 method="GET"、status="200"、pod="nginx-abc123"。
• 样本 (Sample)： 由时间戳 (Timestamp) 和值 (Value) 组成。

这种设计使得我们可以通过标签的任意组合来灵活地聚合和过滤数据，例如：查询所有 GET 请求的总数，或查询特定 pod 的 CPU 使用率。

2.3 PromQL 入门：查询与聚合

PromQL (Prometheus Query Language) 是用于从 Prometheus 中检索和聚合时间序列数据的函数式语言。掌握基础语法是进行成本分析和性能调优的第一步。

2.3.1 基础查询与选择器

• 指标名称查询： node_cpu_seconds_total — 返回该指标下的所有时间序列。
• 标签匹配器：
  • = : 精确匹配。例如：node_cpu_seconds_total{mode="idle"}
  • != : 不匹配。例如：node_cpu_seconds_total{mode!="idle"}
  • =~ : 正则匹配。例如：node_cpu_seconds_total{mode=~"user|system"}
  • !~ : 正则不匹配。
• 范围向量选择器： 获取过去一段时间内的样本。例如：node_memory_MemAvailable_bytes[5m] 返回过去 5 分钟的所有样本。

2.3.2 常用聚合与函数

聚合操作是成本分摊的核心，它允许我们将细粒度的指标按团队、服务或命名空间进行汇总。

2.3.3 二元运算符与向量匹配

PromQL 支持算术、比较和逻辑/集合运算符。向量匹配允许我们将两个不同指标的时间序列进行关联计算，这是实现成本分摊公式的关键。

• 算术运算符： +, -, *, /, %, ^
• 比较运算符： ==, !=, >, <, >=, <=
• 向量匹配 (on / ignoring)：

    # 将 CPU 使用率与 Pod 的成本系数相乘
    sum by (pod) (rate(container_cpu_usage_seconds_total[5m]))
    * on (pod) group_left(team)
    pod_cost_coefficient