计算转换到1之前将值设置为0的平均时间

Question

我已经设置了Prometheus监控，并且正在基于诸如“错误率

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

这会显示在Grafana的单一状态面板中。

我现在想要实现的是从“停机时间”状态恢复所花费的平均时间。以图形方式，我需要在下面标记为 1 和 2 的间隔的平均持续时间。

如何在Prometheus中计算此度量？

---

更新：我不是在统计为0时寻找平均持续时间，而是在统计为0时寻找平均持续时间。

作为示例，请考虑以下时间序列（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“向下”间隔：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。

根据阅读文档和实验得出的理解是，avg_over_time将计算出一个算术组，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。

Answer 1

TLDR ;

您需要通过在规则文件中定义的Recording rule将其转换为0或1，将文件的路径添加到prometheus.yml中读取规则。

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

然后您可以进行avg_over_time（my_metric_below_threshold [5m]）

完整详细信息：

基本上，您需要的是avg_over_time值0或1。 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。 instant vector Vs. range vector is。

  

即时向量-一组时间序列，每个时间序列包含一个样本，所有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一系列数据点

解决方案是使用Recording rules。您可以看到有关此Prometheus github，this Stack question以及此解释https://www.robustperception.io/composing-range-vector-functions-in-promql的对话。

  

PromQL中有两种通用类型的函数，它们以时间序列作为输入，一种采用矢量并返回矢量（例如，abs，ceil，hour，label_replace），以及采用范围矢量并返回矢量（例如速率，微分，预测线性，* _ over_time）。

     

没有获取范围向量并返回范围向量的函数，也没有方法进行任何形式的子查询。即使支持子查询，您也不想定期使用它们，因为它们会很昂贵。那该怎么办呢？

     

答案是对内部函数使用记录规则，然后可以在外部函数创建的时间序列上使用它。

因此，正如我在上面解释的以及从Prometheus上的Core开发人员摘录的引文中所述，您应该能够得到所需的东西。

---

在问题编辑后添加：

这样做并非一帆风顺，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Recording rule定义my_metric_below_threshold。

2. 使用Node exporter安装Textfile Collector。

     

   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。它也可以用于导出静态指标，例如计算机的角色。 Pushgateway应该用于服务级别指标。文本文件模块用于绑定到计算机的指标。   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. 写一个脚本（即：continuous_zeros.py）py / bash，该脚本可在任何地方运行，以使用Prometheus Http API GET /api/v1/query查询该指标。

4. 将连续的零保存为环境参数，并清除或递增此参数。

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

6. 对接连的zeros_metrics进行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