即时向量与范围向量：理解 Instant Vector 与 Range Vector 的区别

在 PromQL 中，向量是查询返回的核心数据结构。理解 即时向量（Instant Vector） 与 范围向量（Range Vector） 的区别，是编写精准告警表达式的基础。两者的核心差异在于：是否携带时间窗口内的历史样本数据。

1. 核心概念对比

2. 向量选择器 {}：精确过滤标签

向量选择器使用花括号 {} 来根据标签（Label）过滤时间序列。它是 PromQL 中最常用的过滤机制。

• 精确匹配：{job="prometheus"} — 只选择 job 标签为 "prometheus" 的序列。
• 正则匹配：{job=~"prometheus|node"} — 选择 job 匹配正则的序列。
• 排除匹配：{job!="cadvisor"} — 排除 job 为 "cadvisor" 的序列。
• 存在性检查：{__name__=~".*_total"} — 选择所有以 _total 结尾的指标。

3. 时间范围 [5m]：定义滑动窗口

时间范围选择器紧跟在指标名或向量选择器之后，用方括号 [] 包裹，指定要回溯的时间长度。常见的时间单位包括：

• s — 秒（如 [30s]）
• m — 分钟（如 [5m]）
• h — 小时（如 [1h]）
• d — 天（如 [1d]）

时间窗口的选择直接影响告警的灵敏度与稳定性：

4. 即时向量与范围向量的转换流程

以下 SVG 图展示了从原始指标到告警表达式的典型数据流：

5. 实战案例：从范围向量到告警表达式

以下是一个完整的告警表达式编写流程，展示如何从范围向量推导出可用的告警规则：

1. 原始查询（范围向量）：

   http_requests_total{job="api"}[5m]

   返回每个 job="api" 序列在过去 5 分钟内的所有样本。
2. 计算速率（转为即时向量）：

   rate(http_requests_total{job="api"}[5m])

   rate() 函数将范围向量转换为每秒增长率（即时向量）。
3. 设置告警阈值：

   rate(http_requests_total{job="api"}[5m]) > 100

   当每秒请求数超过 100 时触发告警。

6. 向量选择器与时间范围组合示例

下表展示了不同组合的查询效果：

7. 避坑指南：常见误解

• 误解一：“范围向量比即时向量慢。” — 实际上，范围向量需要读取更多数据，但合理使用索引和标签过滤后，性能差异可接受。
• 误解二：“[5m] 表示每 5 分钟采样一次。” — 不对，它表示查询过去 5 分钟内的所有样本，采样间隔由 Prometheus 的 scrape_interval 决定。
• 误解三：“即时向量不能用于趋势分析。” — 即时向量可以配合 offset 关键字实现前后对比，但范围向量更适合滑动窗口计算。