2. PromQL 基础回顾：数据类型、选择器与聚合操作

在进入水位录制规则设计之前，必须牢固掌握 PromQL 的四种数据类型、标签选择机制以及基础聚合操作。这些是构建任何录制规则表达式的底层语言基础。

2.1 PromQL 四种数据类型

PromQL 表达式求值后返回以下四种类型之一。理解它们的区别是正确使用函数与操作符的前提。

2.2 选择器与标签匹配

选择器用于从时间序列数据库中筛选出目标序列。标签匹配是 PromQL 最灵活的过滤手段，分为三种匹配操作符。

2.2.1 匹配操作符对比

2.2.2 选择器语法结构

# 瞬时向量选择器：直接指定指标名 + 标签过滤
node_memory_MemAvailable_bytes{env="prod", instance=~"web-.*"}

# 区间向量选择器：在瞬时向量基础上加 [时间窗口]
node_memory_MemAvailable_bytes{env="prod"}[5m]

# 空标签选择器：匹配所有包含该标签的序列（无论值是什么）
node_memory_MemAvailable_bytes{env=""}

# 标签存在性匹配：使用正则 .* 匹配任意值
node_memory_MemAvailable_bytes{env=~".*"}

2.3 基础聚合操作

聚合操作将多个时间序列合并为更少的序列，是水位规则中“降维”和“归一化”的核心手段。

2.3.1 常用聚合函数

2.3.2 聚合语法：by 与 without

聚合时必须指定保留哪些标签维度。两种子句控制维度保留方式：

• by：显式列出要保留的标签，其余标签被丢弃。
• without：显式列出要移除的标签，其余标签全部保留。

# 按 job 和 env 分组求和，丢弃 instance 等其余标签
sum by (job, env) (node_memory_MemAvailable_bytes)

# 等价写法：移除 instance 和 device 标签，保留其他所有标签
sum without (instance, device) (node_memory_MemAvailable_bytes)

2.4 数据类型与聚合流程总览

下图展示了从原始指标到录制规则结果的完整数据流，以及各阶段涉及的数据类型转换：

2.5 实战案例：从原始指标到水位规则

以下是一个完整的水位录制规则表达式拆解，综合运用了选择器、区间向量和聚合操作：

# 规则名称：instance:node_memory_usage:ratio_avg5m
# 表达式含义：每台实例过去5分钟的平均内存使用率

# 步骤1：原始瞬时向量（内存总量）
node_memory_MemTotal_bytes{job="node-exporter"}

# 步骤2：原始瞬时向量（可用内存）
node_memory_MemAvailable_bytes{job="node-exporter"}

# 步骤3：计算瞬时使用率（标量运算，结果仍为瞬时向量）
(1 - node_memory_MemAvailable_bytes / node_memory_MemTotal_bytes)

# 步骤4：转换为区间向量，取5分钟平均值
avg_over_time(
  (1 - node_memory_MemAvailable_bytes{job="node-exporter"}
        / node_memory_MemTotal_bytes{job="node-exporter"})[5m]
)

# 步骤5：最终录制规则（已包含 by 保留 instance 标签）
- record: instance:node_memory_usage:ratio_avg5m
  expr: |
    avg by (instance) (
      avg_over_time(
        (1 - node_memory_MemAvailable_bytes{job="node-exporter"}
              / node_memory_MemTotal_bytes{job="node-exporter"})[5m]
      )
    )