3、PromQL入门：PromQL基础语法、选择器与聚合操作、常用函数实战

监控系统搭好了，数据也进来了。但说实话，如果不会查数据，那 Prometheus 就是个摆设。PromQL 就是这门查询语言，我刚开始接触时也觉得有点绕，但用顺手了会发现它真的很强大。

3.1 PromQL 基础语法

PromQL 的查询结果有两种类型：瞬时向量和范围向量。说白了，瞬时向量就是「当前这一刻的数据」，范围向量是「过去一段时间的数据」。

举个例子：

# 查询当前 CPU 使用率
node_cpu_seconds_total

# 查询过去 5 分钟的 CPU 使用率
node_cpu_seconds_total[5m]

嗯，这里要注意：不加中括号就是瞬时向量，加了就是范围向量。我在项目中经常犯这个错，查了半天发现数据不对，原来是忘了加时间范围。

PromQL 还支持四种数据类型：

类型	说明	示例
瞬时向量	一组时间序列，每个序列只有一个样本	node_memory_MemTotal_bytes
范围向量	一组时间序列，每个序列包含多个样本	node_memory_MemTotal_bytes[1h]
标量	一个单纯的数字	1024
字符串	文本值，用得少	"production"

3.2 选择器：怎么精确找到你要的数据

光写个指标名，查出来的数据可能一大堆。比如 node_cpu_seconds_total 会返回所有 CPU 核的数据。这时候就需要用选择器来过滤。

PromQL 支持三种选择器：

• 精确匹配（=）：标签值必须完全相等
• 正则匹配（=~）：标签值匹配正则表达式
• 反向匹配（!=, !~）：不等于或不匹配

看几个例子：

# 只看 CPU 0 的数据
node_cpu_seconds_total{cpu="0"}

# 只看 user 和 system 模式
node_cpu_seconds_total{mode=~"user|system"}

# 排除 idle 模式
node_cpu_seconds_total{mode!="idle"}

我曾经在排查一个性能问题时，发现某个节点的 CPU 使用率异常高。用 node_cpu_seconds_total{mode!="idle"} 一查，发现是某个进程在疯狂占用 iowait。嗯，选择器用得好，排查效率翻倍。

3.3 聚合操作：把数据汇总起来

单个指标看完了，但有时候我们需要看整体情况。比如所有 CPU 核的平均使用率，或者所有节点的内存总量。这时候就要用聚合操作。

常用的聚合函数有：

函数	作用	示例
sum()	求和	sum(node_cpu_seconds_total)
avg()	求平均值	avg(node_cpu_seconds_total)
max()	最大值	max(node_memory_MemFree_bytes)
min()	最小值	min(node_memory_MemFree_bytes)
count()	计数	count(node_cpu_seconds_total)

聚合操作还可以配合 by 和 without 来分组。你想想看，如果我想看每个节点的 CPU 平均使用率，可以这样写：

# 按 instance 分组，计算平均 CPU 使用率
avg by(instance) (node_cpu_seconds_total{mode="user"})

我个人习惯用 by 来指定保留哪些标签，这样逻辑更清晰。比如查每个机房的平均延迟：

avg by(datacenter) (http_request_duration_seconds)

3.4 常用函数实战

PromQL 内置了几十个函数，但说实话，日常用得最多的就那么几个。我挑几个最实用的讲讲。

3.4.1 rate() 和 irate()：计算速率

这两个函数专门处理 Counter 类型的数据。Counter 是只增不减的，比如请求总数、CPU 时间。直接看数值没意义，要看它的变化速率。

# 过去 5 分钟的平均每秒请求数
rate(http_requests_total[5m])

# 过去 5 分钟的瞬时每秒请求数（更敏感）
irate(http_requests_total[5m])

rate() 算的是平均值，适合看长期趋势。irate() 算的是最后两个点的变化率，适合看突发流量。我在做告警时，一般用 rate() 来设置阈值，因为更稳定，不容易误报。

3.4.2 increase()：计算增量

这个函数直接告诉你「这段时间内增加了多少」。比如：

# 过去 1 小时内增加了多少请求
increase(http_requests_total[1h])

我曾经用这个函数来统计每天的 API 调用量，配合 Grafana 的表格展示，老板看了直点头。

3.4.3 histogram_quantile()：计算分位数

这个函数专门配合 Histogram 类型使用。比如你想知道「99% 的请求在多少毫秒内完成」：

# 计算 P99 延迟
histogram_quantile(0.99, rate(http_request_duration_seconds_bucket[5m]))

3.4.4 其他常用函数

• delta()：计算 Gauge 类型的变化量（比如温度变化）
• predict_linear()：线性预测，比如预测磁盘还能用多久
• absent()：检查指标是否存在，常用于告警

举个例子，预测磁盘满的时间：

# 预测 4 小时后磁盘使用率
predict_linear(node_filesystem_free_bytes[1h], 4 * 3600) < 0

这个函数我特别喜欢。有一次线上磁盘告警，我用它预测出还有 3 小时会满，赶紧让运维去扩容。结果 2 小时 50 分的时候磁盘真的满了，差点出事。嗯，从那以后我每次做容量规划都会用这个函数。

3.5 实战：组合查询

光讲单个函数没意思，咱们来组合一下。比如我想看「每个节点的 CPU 使用率超过 80% 的核数」：

# 先算每个核的使用率，再统计超过 80% 的核数
count by(instance) (
  (100 - avg by(instance, cpu) (rate(node_cpu_seconds_total{mode="idle"}[5m]) * 100)) > 80
)

这个查询看起来复杂，但拆开看其实很简单：

1. 先算每个 CPU 核的 idle 比例
2. 用 100 减去 idle 比例得到使用率
3. 筛选出使用率 > 80% 的核
4. 按 instance 统计数量

PromQL 就是这样，基础语法就那么几个，但组合起来能玩出花来。我建议你多动手试试，在 Prometheus 的 Web UI 里反复调，很快就能上手。

好了，PromQL 的基础就这些。下一章咱们聊聊怎么用 Grafana 把这些查询变成漂亮的图表。