Prometheus 入门教程：PromQL 与告警体系

1. 监控哲学

Prometheus 的核心方法论：

• 指标（Metrics） 优于日志（Logs）和追踪（Traces）
• Pull 模型：Prometheus 主动去目标抓数据（而非被动接收）
• 多维标签：同一个指标可通过标签区分不同维度

2. 四种指标类型

类型	说明	示例	典型函数
Counter	只增不减	HTTP 请求总数	rate() increase()
Gauge	可增可减	内存使用量	avg_over_time()
Histogram	分桶统计	请求延迟分布	histogram_quantile()
Summary	客户端分位数	P99 延迟	（自带 quantile）

3. PromQL 核心语法

基本查询

# 即时向量
node_cpu_seconds_total{mode="idle", instance="host1:9100"}

# 范围向量
node_cpu_seconds_total{mode="idle"}[5m]

# 时间偏移
node_memory_MemAvailable_bytes offset 1h

常用函数

# rate：计算每秒增长率（适合 Counter）
rate(http_requests_total[5m])

# avg by：按标签聚合
avg by(instance)(rate(node_cpu_seconds_total{mode="idle"}[5m]))

# topk：取前 k 个
topk(3, sum(rate(http_requests_total[5m])) by (endpoint))

# histogram_quantile：计算百分位数
histogram_quantile(0.99, rate(http_request_duration_seconds_bucket[5m]))

4. 告警三件套

Prometheus（规则评估） → Alertmanager（分组/抑制/路由） → 通知渠道

Alertmanager 路由示例

route:
  receiver: 'default'
  routes:
  - match:
      severity: critical
    receiver: 'pagerduty'
  - match:
      severity: warning
    receiver: 'slack'
    continue: true
  - match_re:
      service: "^(db|redis)$"
    receiver: 'dba-team'

5. 高可用方案

• Thanos / Cortex：长期存储 + 全局视图
• 联邦：层次化 Prometheus 实例
• Remote Write：将数据写入 InfluxDB / VictoriaMetrics

6. 思考题

1. Counter 类型为什么用 rate() 而非直接差值？rate() 和 irate() 的区别？
2. Histogram 和 Summary 如何选择？各有什么优缺点？
3. 如何设计告警抑制规则避免"告警风暴"？