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 且包含指定 job 和 handler 标签的时间序列

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

返回同一向量的整个时间范围（本例中为查询时间点前的 5 分钟），将其转换为范围向量 (range vector)

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

请注意，生成范围向量的表达式不能直接绘图，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，本例中为所有以 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，可以运行

http_requests_total{status!~"4.."}

子查询

返回 http_requests_total 指标在过去 30 分钟内的 5 分钟速率 (rate)，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、操作符等

返回所有指标名为 http_requests_total 的时间序列在过去 5 分钟内的每秒速率

rate(http_requests_total[5m])

假设所有的 http_requests_total 时间序列都具有 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，这样可以减少输出的时间序列数量，同时保留 job 维度

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

如果我们有两个具有相同维度标签的不同指标，我们可以对它们应用二元操作符，两边具有相同标签集的元素将被匹配并传播到输出。例如，此表达式返回每个实例的未使用内存（MiB）（在一个虚构的集群调度器上，它会暴露这些关于其运行实例的指标）

(instance_memory_limit_bytes - instance_memory_usage_bytes) / 1024 / 1024

同样的表达式，按应用程序求和，可以这样写

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

如果同样的虚构集群调度器为每个实例暴露了如下 CPU 使用率指标

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 CPU 使用率前 3 名，如下所示

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

假设此指标每个运行的实例包含一个时间序列，您可以像这样统计每个应用程序的运行实例数

count by (app) (instance_cpu_time_ns)

如果我们正在探索一些指标的标签，以便能够对它们中的一些进行聚合，我们可以使用以下方法

limitk(10, app_foo_metric_bar)

或者，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法获取大约 10% 的时间序列

limit_ratio(0.1, app_foo_metric_bar)