可观测性与稳定性 / 系统课时
sum、avg 和 max 怎样聚合
sum、avg 和 max 怎样聚合
单个实例的指标只能描述局部状态。服务扩展到多个实例后,往往还需要回答整个集群一共处理多少请求、实例平均使用多少资源,以及当前最高负载来自哪里,这些问题可以用 PromQL 聚合运算完成。
学习目标
- 使用
sum、avg和max聚合多条时间序列 - 使用
by和without控制聚合后保留的标签 - 根据指标含义选择求和、平均值或最大值
聚合的是当前查询得到的多条序列
假设下面三条时间序列表示三个实例当前的 CPU 使用率:
cpu_usage_ratio{job="api",instance="a"} 0.40
cpu_usage_ratio{job="api",instance="b"} 0.65
cpu_usage_ratio{job="api",instance="c"} 0.80对它们执行不同聚合,会得到不同业务含义。
sum(cpu_usage_ratio{job="api"})预期结果
{} 1.85avg(cpu_usage_ratio{job="api"})预期结果
{} 0.6166666666666667max(cpu_usage_ratio{job="api"})预期结果
{} 0.8不指定分组标签时,匹配到的序列会被聚合到一起,原有标签通常不会继续保留。三个结果虽然来自同一批数据,却不能互换解释:sum 是总和,avg 是算术平均值,max 只保留最大的样本值。
用 by 保留业务维度
真实查询通常包含多个服务或状态码。如果希望分别得到每个服务的结果,需要明确保留标签。
例如先计算各实例请求 Counter 的速率,再按 job 汇总:
sum by (job) (
rate(http_requests_total[5m])
)假设 api 的三个实例速率分别为 10、14、16 请求/秒,worker 的两个实例分别为 3、5 请求/秒。
预期结果
{job="api"} 40
{job="worker"} 8如果还需要区分 HTTP 状态码,可以同时保留多个标签:
sum by (job, code) (
rate(http_requests_total[5m])
)此时不同实例会被合并,但 job 与 code 不同的序列仍然分别计算。
without 用来删除不需要的维度
without 与 by 的思路相反:by 明确写出要留下哪些标签,without 明确写出聚合时要去掉哪些标签。
例如指标中包含 job、instance 和 code,希望忽略实例,但继续保留其他标签,可以写成:
sum without (instance) (
rate(http_requests_total[5m])
)这种写法在标签很多、只想消除少数基础设施维度时比较方便。不过面向仪表盘和告警时,显式使用 by 往往更容易看出查询最终保留了哪些业务维度。
什么情况下选 sum、avg 或 max
选择聚合函数前,应先问“多条时间序列合并后,这个数代表什么”。
| 目标 | 常用聚合 | 典型指标 |
|---|---|---|
| 整个集群一共发生多少 | sum |
请求速率、错误速率、发送字节速率 |
| 实例的平均状态如何 | avg |
CPU 使用率、延迟类 Gauge、队列利用率 |
| 最严重的实例达到多少 | max |
CPU 使用率、内存占用率、连接数 |
例如集群总请求速率适合求和,因为每个实例处理的请求能够相加:
sum by (job) (rate(http_requests_total[5m]))而检查服务中最繁忙实例的 CPU,则更适合:
max by (job) (cpu_usage_ratio)预期结果
{job="api"} 0.8这里假设 api 实例中的最高 CPU 使用率为 0.8。需要注意,max 聚合得到的是最大数值,不会自动保留产生该最大值的 instance 标签;如果还需要定位具体实例,应设计保留实例维度的查询或在 Grafana 中进一步查看原始序列。
聚合查询的关键不是记住三个函数的名字,而是先确定指标是否可以相加、平均值是否具有实际含义,以及最终必须保留哪些标签。标签维度选对后,PromQL 的集群视角才不会因为过度聚合而丢失诊断信息。