rate

该函数用来计算某个指标在最近一个区间时间内的变化率。
比如说,Prometheus每15秒采集一次数据,当某个指标metric1的数据采集如下:

timestamp value
15:00:00 10000
15:00:15 10030
15:00:30 10045
15:00:45 10090

假设当前时间为15:00:50,我们执行PromQL语句rate(metric1[1m]),该语句的返回值为2,计算过程如下:

Prometheus会查找PromQL语句执行时,1m内(14:59:51 - 15:00:50)该指标的采集点,找到如上四个采集点,然后用该区间最后一个采集点与第一个采集点的value差,除以两个采集点的时间差(秒),即(10090-10000)/(15:00:45-15:00:00)=2。

需要注意的是,时间区间的值至少要为采样间隔的两倍,因为只有这样才能保证时间区间内有两个采样点。比如上面的例子中,假设时间区间设为29秒,PromQL语句的执行时间为15:00:59.99秒,那么它会查找[15:00:30.99, 15:00:59.99]时间内的采集点,发现只有一个,那么就没有办法计算,就会报No datapoints found。

irate

该函数与rate函数不同的是,它是用区间内的最后一个采集点与倒数第二个采集点的value差,除以两个采集点的时间差。即15:00:50执行语句irate(metric1[1m])时,计算出来的值为(10090-10045)/(15:00:45-15:00:30)=3

Prometheus rate和irate查询实现相关推荐

  1. Prometheus运维二 安装部署Prometheus及使用PromQL查询监控数据

    1,安装部署. 1,环境准备. 软件包下载地址:https://prometheus.io/download/ 地址 规划/软件包 192.168.0.10 Prometheus Server 192 ...

  2. Prometheus中 rate、irate、increase函数的使用场景

    首先给出Prometheus的文档,建议先了解一下 官方文档 以及本文的参考文档: 参考文档 rate() rate(v range-vector)计算范围向量中时间序列的每秒平均平均增长率.单调性中 ...

  3. Prometheus Querying Function rate() vs irate()

    rate() rate(v range-vector) calculates the per-second average rate of increase of the time series in ...

  4. Prometheus监控:rate与irate的区别

    对官网文档的解读 irate和rate都会用于计算某个指标在一定时间间隔内的变化速率.但是它们的计算方法有所不同:irate取的是在指定时间范围内的最近两个数据点来算速率,而rate会取指定时间范围内 ...

  5. Prometheus监控 rate与irate的区别

    对官网文档的解读 irate和rate都会用于计算某个指标在一定时间间隔内的变化速率.但是它们的计算方法有所不同:irate取的是在指定时间范围内的最近两个数据点来算速率,而rate会取指定时间范围内 ...

  6. prometheus监控mysql慢查询_使用Grafana+Prometheus监控mysql服务性能

    prometheus(也叫普罗米修斯)官网: grafana官网: 特征 普罗米修斯的主要特点是: 具有由度量名称和键/值对标识的时间序列数据的 一个 来利用这一维度 不依赖分布式存储; 单个服务器节 ...

  7. 第05期:Prometheus 数据查询(一)

    本期作者:沈亚军 爱可生上海研发中心成员,研发工程师. Prometheus 数据基本查询 上篇文章[第04期:Prometheus 数据采集(三)]介绍了 Prometheus 数据采集流程,本文开 ...

  8. 完全解读Prometheus查询

    文章目录 01 引言 02 概念 2.1 表达式类型(Expression language data types) 2.2 字面量(Literals) 2.2.1 String 字面量(String ...

  9. Prometheus guage类型rate(变化率)计算

    目录 引言 问题场景 尝试解决 deriv函数解析 最终解决 总结与思考 引言 Promethues是k8s以及云原生下的标准监控告警系统,提供了很多内置的函数,功能已经十分强大,但是,依然有一些需求 ...

最新文章

  1. Tomcat通过Redis实现session共享的完整部署记录
  2. boost::coroutine模块实现对称协程的测试程序
  3. c++ template(10)类型函数
  4. python数据分析基础教程考试试卷_Python数据分析-自测试卷5
  5. 使用sstableloader恢复Cassandra Priam备份
  6. MATLAB把多行多列矩阵数据和文字写入txt文件
  7. bitsadmin命令(Windows下载文件命令)
  8. discuz x2.5 mysql_Discuz2.5的MYSQL数据库的备份与恢复
  9. Filter过滤器的生命周期
  10. layui upload.render上传组件js动态添加html后再次渲染
  11. python os
  12. 网络TDR测试软件,tdr测试的原理及方法介绍
  13. 如何使用计算机来线性拟合,非线性数据拟合
  14. twitter跳过手机验证_安卓怎么注册推特账号(twitter跳过手机验证)
  15. ewebeditor漏洞利用总结
  16. html中放大镜字体图标,CSS3 放大镜应用图标
  17. 鲲鹏920是计算机CPU吗,华为鲲鹏920
  18. java判断南北纬度的分界线_以纬度和秦岭淮河划分南北分界,哪一个更加科学?...
  19. 淘宝店群玩法,双十一商家自运营,淘宝店群好处,建淘宝店群门槛条件
  20. 计算机中丢失msctfmonitor,电脑没了输入法怎么办win7

热门文章

  1. nProgress的简单使用
  2. Adobe Photoshop CC 2018之快速去水印
  3. 如何利用Kubernetes实现自动弹性伸缩
  4. 双十一区块链 十年修得同船渡
  5. trex做网卡性能测试方法
  6. 今天聊聊数据湖和“三剑客”,吐槽一下数据湖被夸大的增量功能
  7. OrangePi连接wifi
  8. TUTK p2p穿透的使用介绍
  9. 判断一棵树是否是完全二叉树
  10. CCF HPC China 2022 | 第二届异构计算软件栈与应用论坛成功召开