当前位置：首页 > news >正文

实验 2：PromQL 基础查询 · 零基础详解

news 2026/8/20 23:46:27

文章目录

实验 2：PromQL 基础查询 · 零基础详解
- 一、实验目标解读
- - 2.1 实验目标
  - 大白话
  - 深度解析
- 二、PromQL 四种数据类型 · 逐类型精讲
- - 2.2 核心概念总表
  - 类型 1：Instant Vector（瞬时向量）
  - - 大白话
    - 深度解析
    - 实操验证
  - 类型 2：Range Vector（区间向量）
  - - 大白话
    - 深度解析
    - ⚠️ 关键坑点
  - 类型 3：Scalar（标量）
  - - 大白话
    - 深度解析
  - 类型 4：String（字符串）
  - - 大白话
    - 深度解析
- 三、8 条常用查询 · 逐句拆解
- - 查询 1：查看所有采集目标的健康状态
  - - 大白话
    - 深度解析
    - 验证要点
  - 查询 2：Prometheus 自身每秒处理的样本数
  - - 大白话
    - 深度解析
    - ⚠️ 易错坑点
  - 查询 3：按 job 分组的目标数量
  - - 大白话
    - 深度解析
  - 查询 4：Prometheus 内存使用（进程常驻内存）
  - - 大白话
    - 深度解析
  - 查询 5：采集延迟 Top 5
  - - 大白话
    - 深度解析
  - 查询 6：计算增长率（5 分钟窗口）
  - - 大白话
    - 深度解析
  - 查询 7：聚合：按 handler 分组的请求速率总和
  - - 大白话
    - 深度解析
  - 查询 8：预测：按当前增长率，4 小时后磁盘使用量
  - - 大白话
    - 深度解析
- 四、验证步骤详解
- - 2.4 验证步骤
  - - 步骤 1：进入 Web UI 的 Graph 页面
    - 步骤 2：逐一执行查询
    - 步骤 3：切换 Graph 标签查看趋势图
    - 步骤 4：rate() 只能用于 Counter 类型
    - 步骤 5：最终验证
- 五、知识体系总览图
- 六、常见坑点与避坑指南
- - 坑点 1：先 sum 后 rate（最常见错误）
  - 坑点 2：rate 窗口太短
  - 坑点 3：用 rate 处理 Gauge
  - 坑点 4：Range Vector 直接绘图
  - 坑点 5：topk 在 Graph 上的误解
- 七、进阶练习题（30 道，分难度梯度）
- - 【基础篇】填空与判断（10 题）
  - 【基础篇】答案
  - 【进阶篇】选择题（10 题，不定项）
  - 【进阶篇】答案
  - 【实战篇】简答题（10 题）
  - 【实战篇】参考答案
- 八、本章学习目标复盘

我先看一下你上传的图片内容，然后为你做零基础详解。

图片是 Prometheus Web UI 中查询根分区磁盘使用率的实操截图，查询语句为100 * (1 - node_filesystem_avail_bytes{mountpoint="/"} / node_filesystem_size_bytes{mountpoint="/"})。下面我基于实验 2 的全部内容，做一份零基础、双视角、出版级的详解。