时间戳

首页 > 解决方案 > 计算值在转换为 1 之前设置为 0 的平均时间

grafana - 计算值在转换为 1 之前设置为 0 的平均时间

问题描述

我已经设置了 Prometheus 监控，并且正在根据以下标准生成“正常运行时间”报告：“错误率 < x%”。对应的 PromQL 是

( 
  sum(increase(errors[5m]))
  / sum(increase(requests[5m]))
) <= bool 0.1

这会显示在 Grafana 的单一统计面板中。

我现在想要实现的是从“停机”状态恢复所需的平均时间。从图形上看，我需要下面标记为1和2的间隔的平均持续时间。

正常运行时间图

如何在 Prometheus 中计算此度量？

更新：我不是在寻找统计数据为 0 时的平均持续时间，而是寻找统计数据为 0 时的平均持续时间。

例如，考虑以下时间序列（假设值每分钟采样一次）：

1 1 1 0 0 1 1 1 1 1 0 0 0 1

我们基本上有两个“下降”区间：0 0和0 0 0。根据定义，持续时间为 2 分钟和 3 分钟，因此平均恢复时间为(2+3)/2 = 2.5.

我基于阅读文档和实验的理解是，avg_over_time将计算一个算术团队，例如sum(up)/count(up) = 9/14 =~ 0.64

我需要计算第一个度量，而不是第二个。

标签： grafanaprometheus

解决方案

TLDR ;

您需要通过您在规则文件中定义的记录规则将其转换为 0 或 1 ，将要读取规则的文件路径添加到您的 prometheus.yml 中。

my_metric_below_threshold = (sum(increase(errors[5m])) / sum(increase(requests[5m]))) <= bool 0.1

然后你可以做 avg_over_time(my_metric_below_threshold[5m])

完整的细节：

基本上你需要的是值为 0 或 1 的 avg_over_time。但是 bool 修饰符的结果是即时向量。但是， avg_over_time 在其调用中需要类型范围向量。即时向量 Vs。范围向量是。

即时向量 - 一组时间序列，每个时间序列包含一个样本，都共享相同的时间戳

范围向量 - 一组时间序列，其中包含每个时间序列随时间变化的数据点范围

解决方案是使用Recording rules。你可以看到关于这个Prometheus github的对话，这个 Stack 问题和这个解释https://www.robustperception.io/composing-range-vector-functions-in-promql。

PromQL 中有两种一般类型的函数，它们将时间序列作为输入，一种是采用向量并返回一个向量（例如 abs、ceil、hour、label_replace），另一种是采用范围向量并返回一个向量（例如 rate、推导，预测线性，*_over_time）。

没有接受范围向量并返回范围向量的函数，也没有办法执行任何形式的子查询。即使支持子查询，您也不希望经常使用它们，因为它们会很昂贵。那么该怎么做呢？

答案是对内部函数使用记录规则，然后您可以在它创建的时间序列上使用外部函数。

所以，正如我在上面和上面的引文中解释的那样——取自 Prometheus 上的核心开发人员——你应该能够得到你需要的东西。

问题编辑后添加：

这样做并不简单，因为您需要最后一个样本的“记忆”。但是可以使用Textfile Collector和Prometheus Http API来完成。

  1. 如上所述，使用记录规则定义 my_metric_below_threshold 。

  2. 使用Textfile Collector安装节点导出器。

    文本文件收集器类似于 Pushgateway，因为它允许从批处理作业中导出统计信息。它还可以用于导出静态指标，例如机器的角色。Pushgateway 应该用于服务级别指标。textfile 模块用于与机器相关的指标。要使用它，请在节点导出器上设置 --collector.textfile.directory 标志。收集器将使用文本格式解析该目录中与 glob *.prom 匹配的所有文件。

  3. 编写一个脚本（即，successful_zeros.py）py/bash，它可以在任何地方运行，以使用Prometheus Http API GET /api/v1/query查询这个指标。

  4. 将连续的零保存为环境参数并清除或增加此参数。

  5. 以Textfile Collector文档中描述的请求格式写入结果- 而不是 Prometheus 中的 Continuous_zeros_metrics。

  6. 执行 avg_over_time()

这是我谈论的概念的伪代码：

#!/usr/bin/python

# Run as the node-exporter user like so:
# 0 1 * * * node-exporter /path/to/runner successive_zeros.py

r = requests.get('prometheus/api/v1/query'))
j = r.json()

......

if(j.get('isUp') == 0)
    successive_zeros = os.environ['successive_zeros']
else
   successive_zeros = os.environ['successive_zeros']+
   os.environ['successive_zeros'] = successive_zeros

......
print 'successive_zeros_metrics %d' % successive_zeros

推荐阅读