由于request_duration只是一个计数器,为什么我们需要使用rate来计算持续时间,这是没有意义的。
histogram_quantile(0.99, sum by (le) (rate(server_request_duration_seconds_bucket[1m])))发布于 2022-06-24 15:22:39
正如普罗米修斯文件所述:
速率(v范围向量)计算范围向量中时间序列的每秒平均增长率。 ..。 汇率只适用于计数器。它最适合报警,也最适合绘制缓慢移动的计数器.
只有获得计数器的“速度”或进化频率才是有用的。
示例用例:根据传入请求计数器获取每秒请求速率
发布于 2022-06-29 15:16:49
server_request_duration_seconds是直方图。它由多个桶组成,名称为server_request_duration_seconds_bucket (将_bucket后缀添加到原始直方图名称),上边界以le标签编码。每一个这样的桶代表一个计数器,它计算到le的值的样本数。例如,server_request_duration_seconds_bucket{le="0.5"}计算持续时间最长为0.5秒的请求数。
rate(server_request_duration_seconds_bucket[1m])计算每一桶server_request_duration_seconds直方图在最后一分钟的平均每秒增长率。rate(...)的最终结果是在最后一分钟内所有桶的增长率的分布。该直方图可以在单个服务的多个实例(也称为副本或碎片)中公开。因此,如果要计算所有这些实例的聚合分位数,则需要在将rate()传递给histogram_quantile之前将其包装到sum() by (le)中。
histogram_quantile(0.9, sum(rate(server_request_duration_seconds_bucket[1m])) by (le))的最终结果是估计最后一分钟的server_request_duration_seconds直方图的第99百分位数,例如99%的注册请求在最后一分钟所需的最大时间(秒)。
注意,在计算increase时使用rate而不是rate是可以的--这不应该改变结果,因为increase在桶中返回与rate相同的分布形状。
Prometheus中的P.S. rate和increase函数可能会由于外推而返回意想不到的结果--参见本期。这可能导致histogram_quantile的结果不太准确。如果您遇到这个问题,请尝试VictoriaMetrics --这是一个类似Prometheus的监视系统,它通过MetricsQL支持PromQL功能。与Prometheus相反,它不使用外推来计算increase和rate,因此它不存在与外推相关的问题。Prometheus开发人员也将修复这些问题--参见这个设计博士。
我是VictoriaMetrics的核心开发者。
https://stackoverflow.com/questions/72741725
复制相似问题