📚 课程目录第2章 Prometheus核心回顾

Prometheus 核心回顾：架构、数据模型与 PromQL 基础

在构建 SLO 监控体系之前，必须牢固掌握 Prometheus 的核心概念。本节将系统回顾 Prometheus 的拉取架构、核心数据模型以及 SLO 计算中最高频使用的 PromQL 函数，为后续的 SLO 计算与告警规则编写打下坚实基础。

Prometheus 采用主动拉取（Pull）的监控架构，区别于传统的推送模型。这种设计使得监控系统对目标实例的可用性感知更加直接，且易于在内部网络进行控制。

  架构要点： Prometheus Server 通过服务发现或静态配置，定期从 Exporter 或应用自身暴露的 HTTP 端点（/metrics）拉取指标数据。Alertmanager 负责处理告警，Grafana 等工具负责可视化。

Prometheus 存储的所有数据都是时间序列。理解数据模型是编写 PromQL 和设计 SLO 指标的基础。

概念	说明	SLO 场景示例
Metric（指标名）	描述被监控对象的一般特征，如 `http_requests_total`	`slo:error_budget_burn_rate`
Label（标签）	键值对，用于区分同一指标的不同维度，如 `method="GET"`	`sloth_service="api"`、`sloth_window="1h"`
Sample（样本）	实际数据点，包含时间戳（int64）和值（float64）	`0.05`（表示 5% 的错误预算消耗率）

关键记忆： 一个时间序列由 metric_name{label1="value1", label2="value2"} 唯一标识。SLO 计算中，我们经常通过标签来筛选特定服务或维度的数据。

PromQL 是 Prometheus 的查询语言。在 SLO 作业模板中，以下四个函数是核心。

rate() 专门用于处理 Counter 类型指标（如请求总数、错误总数）。它计算时间序列在指定时间窗口内的每秒平均增长率，是计算请求速率和错误速率的基石。

# 计算过去 5 分钟内，每秒的 HTTP 请求数
rate(http_requests_total[5m])

# 计算过去 5 分钟内，每秒的 HTTP 500 错误数
rate(http_requests_total{status=~"5.."}[5m])

Histogram（直方图） 是 SLO 中衡量延迟的关键指标类型。histogram_quantile() 函数可以从直方图的累积桶（Bucket）数据中，估算出指定分位数的值（如 p99 延迟）。

  SLO 黄金用法： 通常与 rate() 结合，先计算每个桶的增长率，再计算分位数，以得到一段时间内的延迟分布。

# 计算过去 5 分钟内，p99 延迟（单位：秒）
histogram_quantile(0.99, rate(http_request_duration_seconds_bucket[5m]))

函数	用途	SLO 场景
`sum()`	聚合，对时间序列求和	计算总请求数、总错误数
`increase()`	计算时间窗口内的增量（Counter 类型）	计算窗口内的错误数，用于错误预算消耗

架构： Prometheus Server 主动拉取 → 存储到 TSDB → Alertmanager 处理告警 → Grafana 展示。
数据模型： 时间序列由 metric{label="value"} 唯一标识，SLO 计算依赖标签进行维度筛选。
PromQL 核心：
- rate()：Counter 类型指标的每秒增长率，用于计算请求/错误速率。
- histogram_quantile()：从 Histogram 估算分位数，用于计算延迟 SLO。
- sum() / increase()：聚合与增量计算，用于错误预算消耗统计。

常见误区： 不要对 Gauge 类型指标使用 rate()；计算分位数时，务必先对 _bucket 指标使用 rate() 或 increase()，再传入 histogram_quantile()，否则结果会随时间窗口累积而失真。