2. PromQL 基础回顾：数据类型与基础查询语法

在构建质量门禁与误差预算台账之前，必须牢固掌握 PromQL 的核心数据类型与查询语法。PromQL 是 SRE 工程师与可观测性平台交互的“通用语言”，其类型系统直接决定了你能从指标数据中提取出何种维度的信息。

2.1 四种核心数据类型

PromQL 严格区分四种数据类型，理解它们的差异是避免查询错误的第一步。下表从定义、典型场景与示例三个维度进行对比：

2.2 Instant Vector（瞬时向量）—— 实时快照

Instant Vector 是 PromQL 中最常用的数据类型。它返回一组时间序列在当前查询时间点的最新值。如果某个序列在最近 5 分钟内没有新数据，则不会出现在结果中。

基础语法：

<metric_name>{<label_selector>}

示例：

# 查询所有 HTTP 请求总数
http_requests_total

# 查询特定状态码的请求数（精确匹配）
http_requests_total{status="500"}

# 查询多个状态码（正则匹配）
http_requests_total{status=~"5[0-9][0-9]"}

# 排除特定实例
http_requests_total{instance!="localhost:9090"}

2.3 Range Vector（范围向量）—— 时间窗口

Range Vector 通过在指标名后附加 [duration] 来定义时间窗口。它返回每个时间序列在窗口内的所有样本，是计算速率、增长率和分位数的基础。

基础语法：

<metric_name>{<label_selector>}[<duration>]

示例：

# 过去 5 分钟的所有请求数据
http_requests_total[5m]

# 过去 1 小时的错误请求数据
http_requests_total{status="500"}[1h]

# 过去 30 分钟，按 job 分组
http_requests_total{job="api-server"}[30m]

常用时间单位：

• s — 秒（如 30s）
• m — 分钟（如 5m）
• h — 小时（如 1h）
• d — 天（如 7d）
• w — 周（如 2w）

2.4 Scalar（标量）与 String（字符串）

Scalar 通常作为运算的右操作数出现，例如将错误率与阈值 0.001 比较。PromQL 会自动将标量提升为与 Instant Vector 运算的虚拟序列。

# 错误率超过 0.1% 的告警条件
http_requests_total{status="500"} / http_requests_total > 0.001

String 在 PromQL 中用途有限，主要用于 label_replace() 等函数的模板参数，或作为注释。在质量门禁场景中几乎不会直接使用。

2.5 数据类型转换与运算规则

PromQL 的运算遵循严格的类型匹配规则，理解这些规则可以避免 80% 的查询错误：

2.6 基础查询语法与标签匹配器

PromQL 的标签匹配器（Label Matcher）是筛选时间序列的核心工具。掌握匹配器类型可以精确控制查询范围：

组合查询示例：

# 查询生产环境、非健康检查路径的 5xx 错误
http_requests_total{
  env="production",
  path!~"/health|/ready",
  status=~"5[0-9][0-9]"
}

2.7 数据类型与查询流程关系图

下图展示了从原始指标到质量门禁判断的完整数据流，以及各数据类型在其中的角色：

2.8 常见查询模式速查

以下模式在误差预算台账中高频出现，建议作为模板记忆：