prometheus告警函數

PromQL基礎
http_request_total{}	瞬時向量表達式，選擇當前最新的數據
http_request_total{}[5m]	區間向量表達式，選擇以當前時間為基准，5分鍾內的數據
http_request_total{} offset 5m http_request_total{}[1d] offset 1d	分鍾前的瞬時樣本數據 昨天一天的區間內的樣本數據
PromQL聚合操作
sum () by (cluster_name)	每個結果里的value值的求和,單位沒限制，例如請求總時間
topk(3,count_netstat_wait_connections)	前n條時序   進行瞬時報警，不是為了觀察曲線圖
bottomk()	后n條時序
quantile(0.5, http_requests_total)	當φ為0.5時，即表示找到當前樣本數據中的中位數
min max avg	最小 最大 平均
count()	每條結果計數,單位次數
count_values()	對value進行計數
PromQL 內置函數
rate(5m)	取一段時間增量的平均每秒數量，  5m內總增量/5m 適合緩慢變化的計數器（counter）
irate(5m)	指定時間范圍內的最近兩個數據點來算速率 適合快速變化的計數器（counter）
increase(5m)	取一段時間增量的總量，   5m內總增量
predict_linear(node_filesystem_free{job= "node"}[1h], 4 * 3600)	適合 gauges，對數據的變化趨勢進行預測
by 與without(標簽名)   avg without(cpu)  ( rate  (node_cpu_seconds_total{mode="idle"}[5m]) )	without用於從計算結果中移除列舉的標簽，而保留其它標簽。by則正好相反，結果向量中只保留列出的標簽，其余標簽 則移除。通過without和by可以按照樣本的問題對數據進行聚合。 without不按cpu標簽分組，然后計算平均值。
ceil(node_load5{instance="192.168.1.75:9100"})	四舍五入
day_of_month()	返回被給定 UTC 時間所在月的第幾天
clamp_max(node_load5{instance="192.168.1.75:9100"}, 2)	輸入一個瞬時向量和最大值，樣本數據值若大於 max，則改為 max，否則不變
changes(node_load5{instance="192.168.1.75:9100"}[1m])	輸入一個區間向量， 返回這個區間向量內每個樣本數據值變化的次數（瞬時向量） 如果樣本數據值沒有發生變化，則返回結果為 1
delta(cpu_temp_celsius{host="zeus"}[2h])	它計算一個區間向量 v 的第一個元素和最后一個元素之間的差值 用在 Gauge 類型的時間序列上