📚 课程目录第2章 Prometheus基础回顾

2. Prometheus 基础回顾：架构、数据模型与 PromQL 核心概念

在进入容量压测与巡检脚本编排之前，必须牢固掌握 Prometheus 的核心基础。本章将系统回顾 Prometheus 的拉取式架构、多维数据模型以及 PromQL 的查询本质，为后续的指标采集、告警规则编写和自动化巡检脚本奠定坚实的理论基础。

2.1 Prometheus 整体架构与核心组件

Prometheus 采用 拉取（Pull） 模式采集指标，区别于传统的推送（Push）模式。这种设计使其在服务发现、故障隔离和可靠性方面具有天然优势。其核心架构由以下组件构成：

容量压测视角： 在压测场景中，Pull 模式意味着压测工具（如 Locust、k6）需要暴露 /metrics 端点，Prometheus 才能抓取到实时并发数、QPS、错误率等关键指标。服务发现机制（如基于 Consul 或 Kubernetes）可以自动将压测节点纳入监控范围，无需手动维护目标列表。

2.2 数据模型：指标、标签与样本

Prometheus 的数据模型是其强大查询能力的基石。所有采集到的数据本质上都是一个带时间戳的 时间序列（Time Series），由以下核心元素唯一标识：

元素	定义	示例	说明
Metric Name	指标名称，描述被监控量的含义	`http_requests_total`	必须符合正则 `[a-zA-Z_:][a-zA-Z0-9_:]*`
Labels	键值对标签，用于维度区分	`{method="GET", status="200"}`	每个标签对构成一个维度，组合后唯一标识时间序列
Sample	实际数据点，包含值和时间戳	`1024 @ 1700000000`	值可以是任意 64 位浮点数；时间戳精确到毫秒

一个完整的时间序列在 Prometheus 内部表示为：

<metric_name>{<label_name1>="<label_value1>", ...}  <value>  [<timestamp>]

例如，一个记录 HTTP 请求总数的指标可能如下：

http_requests_total{method="POST", handler="/api/v1/order", instance="10.0.0.1:8080", job="order-service"}  2048  @ 1700000000

2.2.1 指标类型（Metric Types）

Prometheus 客户端库提供了四种核心指标类型，理解它们对于编写正确的巡检脚本至关重要：

类型	行为特征	典型用途	巡检脚本关注点
Counter	只增不减（重启归零）	请求总数、错误总数、CPU 时间	使用 `rate()` 或 `increase()` 计算速率
Gauge	可增可减，反映当前状态	内存使用量、并发连接数、温度	直接取值，或使用 `avg_over_time()` 平滑
Histogram	分桶统计，累积计数	请求延迟分布、响应大小分布	使用 `histogram_quantile()` 计算 P99/P95
Summary	客户端预计算的分位数	请求延迟分位数（无法聚合）	直接读取，但注意无法跨实例聚合

常见误区： 在巡检脚本中，对 Counter 类型直接使用 avg() 或 sum() 而不结合 rate() 是常见错误。Counter 的原始值是累积值，必须通过速率函数才能反映当前负载水平。例如，rate(http_requests_total[5m]) 才是正确的每秒请求速率。

2.3 PromQL 核心概念：查询与聚合

PromQL（Prometheus Query Language）是 Prometheus 的查询语言，也是我们编写巡检脚本和告警规则的核心工具。掌握 PromQL 的核心概念，意味着能够从海量时间序列中精确提取所需信息。

2.3.1 选择器与匹配模式

PromQL 通过 选择器 来匹配时间序列。选择器由指标名称和标签匹配器组成：

# 精确匹配
http_requests_total{job="api-server", method="GET"}

# 正则匹配
http_requests_total{instance=~"10.0.0.*"}

# 负向匹配
http_requests_total{status!~"5.."}

# 隐式匹配（省略标签）
http_requests_total  # 匹配所有该指标下的时间序列

2.3.2 范围向量与瞬时向量

这是 PromQL 中最容易混淆的概念，也是编写巡检脚本时必须清晰区分的：

向量类型	语法	含义	巡检脚本应用
Instant Vector	`metric_name{labels}`	返回最新时间戳的一个样本值	获取当前 CPU 使用率、当前内存占用
Range Vector	`metric_name{labels}[5m]`	返回过去一段时间窗口内的多个样本值	计算过去 5 分钟的平均延迟、速率

范围向量是计算速率、分位数和滑动窗口聚合的基础。例如：

# 计算过去 5 分钟内每秒请求速率
rate(http_requests_total[5m])

# 计算过去 10 分钟内 P99 延迟
histogram_quantile(0.99, rate(http_request_duration_seconds_bucket[10m]))

2.3.3 常用聚合与运算函数

在容量压测巡检脚本中，以下 PromQL 函数和操作符使用频率最高：

2.3.4 一个完整的巡检查询示例

假设我们需要编写一个巡检脚本，检查过去 5 分钟内所有 API 服务的错误率是否超过 1%。对应的 PromQL 查询如下：

# 步骤1：计算每秒错误请求数（Counter 速率）
sum(rate(http_requests_total{status=~"5.."}[5m])) by (job, instance)

# 步骤2：计算每秒总请求数
sum(rate(http_requests_total[5m])) by (job, instance)

# 步骤3：计算错误率（除法运算）
(
  sum(rate(http_requests_total{status=~"5.."}[5m])) by (job, instance)
)
/
(
  sum(rate(http_requests_total[5m])) by (job, instance)
)
* 100  # 转换为百分比

  脚本编排提示： 在 Python 巡检脚本中，上述 PromQL 查询会通过 prometheus_api_client 或直接调用 HTTP API 执行。查询结果是一个包含 job 和 instance 标签的向量，脚本需要遍历结果并与阈值（如 1.0）进行比较，触发告警或记录日志。

2.4 本章小结

本章回顾了 Prometheus 的三大基础支柱：

架构：Pull 模式、服务发现、TSDB 存储与告警链路，是理解数据采集流程的基础。
数据模型：指标名称 + 标签 = 时间序列；Counter/Gauge/Histogram/Summary 四种类型决定了查询方式。
PromQL：瞬时向量 vs 范围向量、速率函数、聚合操作与分位数计算，是巡检脚本的核心语言。

这些概念将贯穿后续所有章节，尤其是在编写容量压测脚本和巡检规则时，每一个 PromQL 查询的正确性都直接决定了巡检结果的可靠性。