2. PromQL 基础回顾：数据类型与核心概念

在深入自愈剧本的告警延迟排查之前，必须牢固掌握 PromQL 的四种基本数据类型与核心概念。这些是构建查询、理解聚合行为、定位性能瓶颈的基石。错误的数据类型理解往往直接导致查询结果不符合预期，进而引发误告警或延迟触发。

2.1 四种数据类型速览

PromQL 表达式求值后返回以下四种类型之一。理解它们的区别是编写正确查询的第一步。

2.2 核心概念：时间序列与标签

Prometheus 存储的所有数据本质上都是时间序列。每个时间序列由 Metric Name（指标名） 和一组 Label（标签） 唯一标识。

• Metric Name： 描述被监控对象的一般特征，例如 http_requests_total、node_memory_MemAvailable_bytes。
• Labels： 键值对，用于对同一个指标进行多维度的细分。例如 method="GET"、status="200"、instance="web-01:9090"。

一个完整的时间序列标识示例：

http_requests_total{method="POST", handler="/api/v1/order", instance="10.0.0.1:8080"}

这个标识代表了一个特定的时间序列：所有标签值完全匹配的、随时间变化的 http_requests_total 数据点集合。

2.3 瞬时向量 vs. 区间向量：核心差异

这是 PromQL 中最关键的概念区分，直接决定了查询的语义和性能。

2.4 数据类型转换与操作符

PromQL 操作符对操作数的数据类型有严格要求。理解这些规则可以避免运行时错误。

• 二元算术运算符（+、-、*、/、%）：
  • 瞬时向量 + 瞬时向量 → 瞬时向量（按标签匹配进行元素级运算）
  • 瞬时向量 + 标量 → 瞬时向量（标量作用于每个元素）
  • 标量 + 标量 → 标量
  • 不支持 区间向量直接参与算术运算。
• 比较运算符（==、!=、>、<、>=、<=）：
  • 返回与操作数相同类型的结果，但值为 0（假）或 1（真）。
  • 常用于告警规则中过滤出满足条件的序列。
• 向量匹配（Vector Matching）：
  • 一对一匹配： 默认模式，要求两侧标签集合完全相同。
  • 多对一 / 一对多匹配： 使用 on、ignoring、group_left、group_right 关键字，允许标签不完全匹配时进行运算。这是实现多维度聚合的基础。

2.5 核心概念关系图

下图展示了 PromQL 中数据类型、时间序列与查询操作之间的核心关系，帮助建立整体认知。

2.6 常见陷阱与排查思路

• 陷阱 1：在需要区间向量的地方使用了瞬时向量。
  • 例如：rate(http_requests_total) 会报错，必须写成 rate(http_requests_total[1m])。
  • 排查： 检查 PromQL 语法错误提示，确认函数参数类型。
• 陷阱 2：区间向量窗口过大导致查询超时。
  • 例如：在高基数指标上使用 avg_over_time(metric[1h])，可能因数据量过大导致 Prometheus OOM 或查询超时。
  • 排查： 监控 Prometheus 查询性能指标（如 prometheus_engine_query_duration_seconds），逐步缩小时间窗口。
• 陷阱 3：标量与向量运算时忽略了标签匹配。
  • 例如：node_memory_MemTotal_bytes / 1024 是合法的，但 node_memory_MemTotal_bytes / node_memory_MemFree_bytes 会按标签匹配进行元素级除法，如果标签不一致，结果可能为空。
  • 排查： 使用 on() 或 ignoring() 明确匹配规则。