查询示例

简单时间序列选择

返回所有指标名为 http_requests_total 的时间序列

http_requests_total

返回所有指标名为 http_requests_total 且带有给定 job 和 handler 标签的时间序列

http_requests_total{job="apiserver", handler="/api/comments"}

返回相同向量的完整时间范围（在此示例中为查询时间点前的 5 分钟），使其成为一个时间序列向量

http_requests_total{job="apiserver", handler="/api/comments"}[5m]

请注意，生成时间序列向量的表达式不能直接绘制图表，但可以在表达式浏览器的表格（“Console”）视图中查看。

使用正则表达式，您可以仅选择名称匹配特定模式的作业的时间序列，在此示例中，是所有以 server 结尾的作业。

http_requests_total{job=~".*server"}

要选择除 4xx 以外的所有 HTTP 状态码，您可以运行

http_requests_total{status!~"4.."}

子查询

返回过去 30 分钟内 http_requests_total 指标的 5 分钟速率，分辨率为 1 分钟。

rate(http_requests_total[5m])[30m:1m]

这是一个嵌套子查询的示例。deriv 函数的子查询使用默认分辨率。请注意，不必要地使用子查询是不明智的。

max_over_time(deriv(rate(distance_covered_total[5s])[30s:5s])[10m:])

使用函数、运算符等

返回所有指标名为 http_requests_total 的时间序列的每秒速率，测量周期为过去 5 分钟。

rate(http_requests_total[5m])

假设所有 http_requests_total 时间序列都带有 job（按作业名称扇出）和 instance（按作业实例扇出）标签，我们可能希望对所有实例的速率求和，这样可以减少输出时间序列的数量，但仍保留 job 维度。

sum by (job) (
  rate(http_requests_total[5m])
)

如果两个不同指标具有相同的维度标签，我们可以对它们应用二元运算符，并且两侧具有相同标签集的元素将进行匹配并传播到输出。例如，此表达式返回每个实例（在虚构的集群调度器上，它暴露了关于其运行实例的这些指标）的未使用内存（MiB）。

(instance_memory_limit_bytes - instance_memory_usage_bytes) / 1024 / 1024

相同的表达式，但按应用程序求和，可以这样编写：

sum by (app, proc) (
  instance_memory_limit_bytes - instance_memory_usage_bytes
) / 1024 / 1024

如果相同的虚构集群调度器为每个实例暴露了如下的 CPU 使用指标：

instance_cpu_time_ns{app="lion", proc="web", rev="34d0f99", env="prod", job="cluster-manager"}
instance_cpu_time_ns{app="elephant", proc="worker", rev="34d0f99", env="prod", job="cluster-manager"}
instance_cpu_time_ns{app="turtle", proc="api", rev="4d3a513", env="prod", job="cluster-manager"}
instance_cpu_time_ns{app="fox", proc="widget", rev="4d3a513", env="prod", job="cluster-manager"}
...

...我们可以按应用程序 (app) 和进程类型 (proc) 分组，获取前 3 个 CPU 使用者，如下所示：

topk(3, sum by (app, proc) (rate(instance_cpu_time_ns[5m])))

假设此指标包含每个运行实例的一个时间序列，您可以像这样计算每个应用程序的运行实例数量：

count by (app) (instance_cpu_time_ns)

如果我们要探索某些指标的标签，以便能够对其中一些进行聚合，我们可以使用以下方式：

limitk(10, app_foo_metric_bar)

另外，如果我们希望返回的时间序列采样更均匀，我们可以使用以下方式获取大约 10% 的时间序列：

limit_ratio(0.1, app_foo_metric_bar)