📚 课程目录第2章 Prometheus基础回顾

2. Prometheus 基础回顾：架构、数据模型、PromQL 与告警规则

在构建数据库自愈脚本之前，必须牢固掌握 Prometheus 的核心概念。本章将系统梳理 Prometheus 的架构组件、数据模型、PromQL 查询语言基础以及告警规则的配置方法，为后续的告警接收与自动化处理奠定基础。

2.1 Prometheus 整体架构

Prometheus 采用拉取（Pull）模式采集指标，核心组件包括 Prometheus Server、Exporter、Alertmanager 以及可视化工具。下图展示了各组件之间的数据流与协作关系：

  架构要点：Prometheus Server 定期从 Exporter 拉取指标，存储于本地 TSDB；告警规则在 Server 端评估，触发后推送至 Alertmanager；Alertmanager 负责去重、分组、抑制，最终通过 Webhook 或邮件通知自愈脚本或运维人员。

2.2 数据模型

Prometheus 的所有数据都存储为时间序列，每个序列由指标名称（Metric Name）和一组标签（Labels）唯一标识。

概念	说明	示例
Metric Name	指标名称，描述被监控对象的含义	`mysql_global_status_threads_connected`
Labels	键值对标签，用于维度区分	`instance="db01:9104"`, `env="prod"`
Sample	时间戳 + 浮点数值	`@1620000000 128`
Metric Type	Counter / Gauge / Histogram / Summary	Counter 只增不减，Gauge 可增可减

自愈脚本关注点：数据库自愈场景中，最常使用 Gauge 类型指标（如连接数、复制延迟、QPS）和 Counter 类型指标（如错误日志计数、慢查询累计数）。

2.3 PromQL 基础

PromQL（Prometheus Query Language）是 Prometheus 内置的数据查询语言，用于实时聚合和分析时间序列数据。以下是自愈脚本开发中最高频使用的 PromQL 模式：

2.3.1 常用查询模式

查询模式	PromQL 示例	用途
即时向量	`mysql_global_status_threads_connected`	获取当前连接数
范围向量	`mysql_global_status_threads_connected[5m]`	获取过去 5 分钟连接数序列
聚合运算	`avg by(instance) (mysql_global_status_threads_connected)`	按实例计算平均连接数
速率计算	`rate(mysql_global_status_queries_total[1m])`	计算每秒查询速率
阈值判断	`mysql_global_status_threads_connected > 200`	筛选连接数超过 200 的实例

2.3.2 自愈场景常用 PromQL 表达式

# 数据库连接数过高（Gauge）
mysql_global_status_threads_connected > 300

# 主从复制延迟（Gauge，单位秒）
mysql_slave_status_seconds_behind_master > 30

# 慢查询速率（Counter，计算 5 分钟速率）
rate(mysql_global_status_slow_queries_total[5m]) > 10

# 数据库实例存活（Up 指标）
up{job="mysql"} == 0

# 磁盘使用率（Gauge，百分比）
(1 - node_filesystem_avail_bytes{mountpoint="/data"} / node_filesystem_size_bytes{mountpoint="/data"}) * 100 > 90

注意：在告警规则中使用 PromQL 时，务必考虑 for 语句（持续时间）来避免因瞬时抖动导致的误告警。例如：连接数超过 300 持续 2 分钟才触发告警。

2.4 告警规则配置

告警规则定义在 Prometheus 配置文件（通常为 rules.yml）中，由 Prometheus Server 定期评估。规则文件采用 YAML 格式，包含 groups 和 rules 两个层级。

2.4.1 规则文件结构

groups:
  - name: mysql_alerts
    interval: 15s
    rules:
      - alert: MySQLHighConnections
        expr: mysql_global_status_threads_connected > 300
        for: 2m
        labels:
          severity: critical
        annotations:
          summary: "MySQL 连接数过高 ({{ $value }})"
          description: "实例 {{ $labels.instance }} 当前连接数 {{ $value }}，超过阈值 300"

      - alert: MySQLReplicationLag
        expr: mysql_slave_status_seconds_behind_master > 30
        for: 1m
        labels:
          severity: warning
        annotations:
          summary: "MySQL 主从复制延迟 ({{ $value }}s)"
          description: "实例 {{ $labels.instance }} 复制延迟 {{ $value }} 秒"

2.4.2 告警规则字段说明

字段	必填	说明
`alert`	是	告警名称，必须唯一
`expr`	是	PromQL 表达式，返回非零结果时触发
`for`	否	持续时间，防止抖动误报
`labels`	否	附加标签，如 severity（严重级别）
`annotations`	否	告警描述信息，支持模板变量 `{{ $value }}`、`{{ $labels }}`

2.4.3 告警状态流转

Prometheus 告警的生命周期包含三种状态：

Pending：表达式条件满足，但尚未达到 for 指定的持续时间。
Firing：条件持续满足超过 for 时间，告警被正式触发并发送至 Alertmanager。
Resolved：条件不再满足，告警自动恢复。

自愈脚本触发点：自愈脚本通常监听 Alertmanager 的 Webhook，接收 Firing 状态的告警。当收到 Resolved 通知时，脚本可以执行恢复确认或清理操作。

2.5 本章小结

本章回顾了 Prometheus 的四大核心基础：

架构：Pull 模式、Exporter、Server、Alertmanager 的分工与数据流。
数据模型：时间序列由 Metric Name + Labels 唯一标识，支持 Counter/Gauge 等类型。
PromQL：即时向量、范围向量、聚合、速率计算是自愈脚本中最常用的查询模式。
告警规则：通过 YAML 定义 expr、for、labels、annotations，告警状态经历 Pending → Firing → Resolved 的流转。