我已使用Prometheus，AWS EC2 Auto发现和节点导出程序设置了监视系统。使用以下公式获取CPU利用率：
100 - (avg by (instance) (irate(node_cpu_seconds_total{instance="instancexyz" ,mode="idle"}[5m])) * 100)
但是，在一个特定的ASG中，我得到的CPU百分比为大负值。我打开了instance：9100 / metrics链接，发现空闲值是大的指数值。这是我得到的一个值：
node_cpu_seconds_total{cpu="0",mode="idle"} 4.25766215e+06
除少数实例外，这些指标对我所有实例均正常运行。知道发生了什么事吗？
答案 0 :(得分：1)
您看到的那些“大指数值”是累积的。即自启动虚拟机以来，CPU（或所有CPU内核？）已闲置1000多个小时（4.25e6 / 3600），因此它们看起来非常合理。
获得负值的原因是由于采样。从理论上讲，所有样本的间隔均为 scrape_interval 秒，精确到毫秒，并且每次刮擦的网络延迟和导出器处理时间都完全相同。实际上，抓取可能会延迟甚至被跳过，网络延迟会有所不同，并且目标VM可能会不时地钉住CPU（或由于任何原因而挂起）。
意思是node_cpu_seconds_total的一个样本完全有可能在（名义上）时间V处有值T，在（名义上）时间V + 1处有值T + 10s，从而导致闲置率为110％。或您想提出的任何价值。 irate加剧了这个问题，因为它总是查看两个连续的样本，从而增加了相对测量误差（相对于样本之间时间的误差）。
对此您无能为力，只能接受它不是一个完美的测量方法，并在其上拍一个clamp_min(<your_expression>, 0)。使用rate代替irate也可以减少错误，并且通常是一个好主意，除非您要以全分辨率查看数据。