數學理論基礎-計算公式
作者聲明：本博客內容是作者在學習以及搭建過程中積累的內容，內容采自網絡中各位老師的優秀博客以及視頻，並根據作者本人的理解加以修改（由於工作以及學習中東拼西湊，如何造成無法提供原鏈接，在此抱歉！！！）
作者再次聲明：作者只是一個很摳腳的IT工作者，希望可以跟那些提供原創的老師們學習
原文：大米運維
CPU的構思
%Cpu(s): 2.2 us, 1.9 sy, 0.0 ni, 95.5 id, 0.0 wa, 0.0 hi, 0.3 si, 0.0 st
CPU的使用率 = （所有非空閑狀態的CPU使用時間總和 ）/（所有狀態CPU時間的總和）
(1-((sum(increase(node_cpu_seconds_total{mode="idle"}[5m])) by (instance)) / (sum(increase(node_cpu_seconds_total[5m])) by (instance)))) * 100
(sum(increase(node_cpu_seconds_total{mode!="idle"}[5m])) by (instance) / sum(increase(node_cpu_seconds_total[5m])) by (instance) )* 100
函數
rate()
rate函數，rate用來計算兩個 間隔時間內發生的變化率（一段時間內平均每秒的增量）。
專門用來搭配Counters類型的數據，rate(指標名{篩選條件}[時間間隔])
比如 查看1分鍾內非idle的cpu使用率
rate(node_cpu_seconds_total{mode!="idle"}[1m])
irate()
rate與irate的區別
irate和rate都會用於計算某個指標在一定時間間隔內的變化速率。但是它們的計算方法有所不同：irate取的是在指定時間范圍內的最近兩個數據點來算速率，而rate會取指定時間范圍內所有數據點，算出一組速率，然后取平均值作為結果。
所以官網文檔說：irate適合快速變化的計數器（counter），而rate適合緩慢變化的計數器（counter）。
根據以上算法我們也可以理解，對於快速變化的計數器，如果使用rate，因為使用了平均值，很容易把峰值削平。除非我們把時間間隔設置得足夠小，就能夠減弱這種效應。
相同函數，截取不同時間的圖形分析
rate(node_network_receive_bytes_total{device="ens32",instance="k8s-node1"}[1m])
1分鍾內 增加了 1000bytes （假設）
5分鍾內 增加了 5000bytes （假設）
會把1000bytes除以 1m*60秒，=～16bytes/s 就是這樣計算出在這1分鍾內，平均每秒鍾增加 16bytes
把5分鍾內的增量 除以 5m*60s ，5分鍾的增量 假如是 5000 ， 那么除以300 以后 也還是約等於 =~ 16bytes/s
以上兩種時間段的取法，都是假設成⼀種平均的取法，這是一種假設的理想狀態，事實上生產環境 網絡數據接收量 可不是這么平均的。有可能在 第一分鍾 增加了 1000， 到 第二分鍾 就變成增加了2500….
所以 rate(1m) 這樣的取值方法比起 rate(5m) ，因為它取的時間段短，所以 任何某⼀瞬間的凸起或者降低在成圖的時候會體現的更細致 更敏感而rate(5m)把整個5分鍾內的都⼀起平均了，那么當發生瞬時凸起的時候，會顯得圖平緩了⼀些 （因為 取的時間段長 把波峰波谷都給平均消下去了）
increase()
increase 函數 在promethes中，是用來針對Counter 這種持續增長的數值，截取其中⼀段時間的 增量（一段時間內的總增量）
increase(node_cpu_seconds_total[1m]) =》 這樣 就獲取了 CPU總使用時間在1分鍾內的增量
sum( )
比如上面得到各個指標的cpu使用率，如果我想計算總的cpu使用率怎么辦？
sum( ) 就如其字⾯意思⼀樣 起到value 加合的作用 sum( increase(node_cpu_seconds_total[1m]) ) 外⾯套⽤⼀個sum 即可把所有核數值加合
問題1：所有機器的CPU 也全都加到⼀起了，變成 服務器集群 總CPU平均值了？
by()
by (instance) 這個函數 可以把 sum加合到⼀起的數值 按照指定的⼀個方式進行一層的 拆分
instance 代表的是 機器名
意思就是說 把sum函數中 服務器加合的這個糗事 再給它強行拆分出來
sum(increase(node_cpu_seconds_total{mode="idle"}[1m])) by (instance)
sum() by (cluster_name) 可以幫我們實現集群加合並分三條曲線輸出了，順帶一提的是 (cluster_name) 這個標簽，默認node_exporter是沒有辦法提供的，node_exporter只能按照不同的機器名去划分。如果希望支持cluster_name 我們需要自行定義標簽。
topk()
topk() 函數的定義是：取前面x位的最高值,最簡單理解就是數學的top，當我們有很多服務器我們想要獲取某個key的數據排在前3位的服務器。
Gauge類型使用方式：
topk(3,key)
Counter類型使用方式
topk(3,rate(key[1m]))
注意：此種函數獲得數據並不是很適用圖形化展示，實際使用的時候 ⼀般用topk（）函數 進行瞬時報警而不是為了觀察曲線圖
count()
定義： 把數值符合條件的 輸出數目進行加合
例如：找出當前（或者歷史的）當數值數大於2000的機器數量
更多函數：https://prometheus.io/docs/prometheus/latest/querying/functions/
標簽匹配
模糊匹配 =~
模糊不匹配 !~