Prometheus数据查询DSL语言PromQL
PromQL内置函数 - prometheus-book
第2章 探索PromQL
PromQL (Prometheus Query Language) 是 Prometheus 自己开发的数据查询 DSL 语言，语言表现力非常丰富，内置函数很多，在日常数据可视化以及rule 告警中都会使用到它。
在页面 http://localhost:9090/graph 中，输入下面的查询语句，查看结果，例如：
http_requests_total{code="200"}
prometheus一些术语
prometheus的metrics分为四类（counter,gauge,histogram,summary）详情(metrics-type)，metrics_name的命令也应该符合一定的规范：metrics-name，METRIC AND LABEL NAMING
metrics_name ： 也就是指标名，通常我们都会用如http_request_total等进行查询;
metrics_label ：指标的标签，也就是metrics_name{label-1=”a”,label-2=”b”}这种;
metrics_value : 通常用指标名+标签查出来一个值，该值根据metrics的类型可能为浮点数，也可能为整数。
0,基础查询
也就是使用metrics_name+metrics_label的组合进行查询，这种查询的效率的基础是你要知道明确知道相应的name和label，如果有错误拼写，则可能数据无法展示，prometheus的查询工具能帮我们模糊匹配出所有的metrics_name。可以使用label进行筛选。
如果只记得部分metrics_name,那么可以使用内置的label：{name=~"metrics_name_you_remember:.*"}这样去匹配出来你想要的标签。
1,正则匹配查询
prometheus里面用的最多的查询可能就是正则匹配了。经常配合grafana的变量(variable)一起使用。比如：
sum(irate(node_disk_reads_completed{device!~"dm-."}[5m])),这里面的device!~"dm-."，后面
引号内的dm-.*就是不匹配dm-前缀的所有metrics_name。如果要匹配的话使用=~。这样要注意，如果是或
的话要用(regrex_A|regrex_B),用小括号加|。
2,常用的操作符和函数
prometheus支持常用的操作符：+,-,*,/,>=,<,>,....等
count是对查询的结果数量进行总和+; 而sum是对查询出来的value进行总和+;
它也支持比如topk,bottomk,min,max等等。
Prometheus表达式或子表达式可以评估为一下四种类型之一：
即时向量（Instant vector） - 包含每个时间序列单个样品的一组时间序列，共享相同的时间戳
范围向量（Range vector） - 包含一个范围内数据点的一组时间序列
标量（Scalar） - 一个简单的数字浮点值
字符串（String） - 一个简单的字符串值；当前未使用
字符串和数字
字符串: 在查询语句中，字符串往往作为查询条件 labels 的值，和 Golang 字符串语法一致，可以使用 "", '', 或者 `` , 格式如：
"this is a string"
'these are unescaped: \n \ \t'these are not unescaped: \n ' " \t
正数，浮点数: 表达式中可以使用正数或浮点数，例如：
3
-2.4
查询结果类型
PromQL 查询结果主要有 3 种类型：
瞬时数据 (Instant vector): 包含一组时序，每个时序只有一个点，例如：http_requests_total
区间数据 (Range vector): 包含一组时序，每个时序有多个点，例如：http_requests_total[5m]
纯量数据 (Scalar): 纯量只有一个数字，没有时序，例如：count(http_requests_total)
查询条件
Prometheus 存储的是时序数据，而它的时序是由名字和一组标签构成的，其实名字也可以写出标签的形式，例如 http_requests_total 等价于 {name="http_requests_total"}。
一个简单的查询相当于是对各种标签的筛选，例如：
http_requests_total{code="200"} // 表示查询名字为 http_requests_total，code 为 "200" 的数据
查询条件支持正则匹配，例如：
http_requests_total{code!="200"} // 表示查询 code 不为 "200" 的数据
http_requests_total{code=～"2.."} // 表示查询 code 为 "2xx" 的数据
http_requests_total{code!～"2.."} // 表示查询 code 不为 "2xx" 的数据
操作符
Prometheus 查询语句中，支持常见的各种表达式操作符，例如
算术运算符:
支持的算术运算符有 +，-，*，/，%，^, 例如 http_requests_total * 2 表示将 http_requests_total 所有数据 double 一倍。
比较运算符:
支持的比较运算符有 ==，!=，>，<，>=，<=, 例如 http_requests_total > 100 表示 http_requests_total 结果中大于 100 的数据。
逻辑运算符:
支持的逻辑运算符有 and，or，unless, 例如 http_requests_total == 5 or http_requests_total == 2 表示 http_requests_total 结果中等于 5 或者 2 的数据。
聚合运算符:
支持的聚合运算符有 sum，min，max，avg，stddev，stdvar，count，count_values，bottomk，topk，quantile，, 例如 max(http_requests_total) 表示 http_requests_total 结果中最大的数据。
注意，和四则运算类型，Prometheus 的运算符也有优先级，它们遵从（^）> (*, /, %) > (+, -) > (==, !=, <=, <, >=, >) > (and, unless) > (or) 的原则。
内置函数
Prometheus 内置不少函数，方便查询以及数据格式化，例如将结果由浮点数转为整数的 floor 和 ceil，
floor(avg(http_requests_total{code="200"}))
ceil(avg(http_requests_total{code="200"}))
查看 http_requests_total 5分钟内，平均每秒数据
rate(http_requests_total[5m])
基本查询对比
假设当前时间为 2017/5/22 14:48:30
查询当前所有数据 往前推10s
// PromQL
http_requests_total
// MySQL
SELECT * from http_requests_total WHERE created_at BETWEEN 1495435700 AND 1495435710;
我们查询 MySQL 数据的时候，需要将当前时间向前推一定间隔，比如这里的 10s (Prometheus 数据抓取间隔)，这样才能确保查询到数据，而 PromQL 自动帮我们实现了这个逻辑。
条件查询
// PromQL
http_requests_total{code="200", handler="query"}
// MySQL
SELECT * from http_requests_total WHERE code="200" AND handler="query" AND created_at BETWEEN 1495435700 AND 1495435710;
模糊查询: code 为 2xx 的数据
// PromQL
http_requests_total{code~="2xx"}
// MySQL
SELECT * from http_requests_total WHERE code LIKE "%2%" AND created_at BETWEEN 1495435700 AND 1495435710;
比较查询: value 大于 100 的数据
// PromQL
http_requests_total > 100
// MySQL
SELECT * from http_requests_total WHERE value > 100 AND created_at BETWEEN 1495435700 AND 1495435710;
范围区间查询: 过去 5 分钟数据
// PromQL
http_requests_total[5m]
// MySQL
SELECT * from http_requests_total WHERE created_at BETWEEN 1495435410 AND 1495435710;
聚合, 统计高级查询
count 查询: 统计当前记录总数
// PromQL
count(http_requests_total)
// MySQL
SELECT COUNT(*) from http_requests_total WHERE created_at BETWEEN 1495435700 AND 1495435710;
sum 查询: 统计当前数据总值
// PromQL
sum(http_requests_total)
// MySQL
SELECT SUM(value) from http_requests_total WHERE created_at BETWEEN 1495435700 AND 1495435710;
avg 查询: 统计当前数据平均值
// PromQL
avg(http_requests_total)
// MySQL
SELECT AVG(value) from http_requests_total WHERE created_at BETWEEN 1495435700 AND 1495435710;
top 查询: 查询最靠前的 3 个值
// PromQL
topk(3, http_requests_total)
// MySQL
SELECT * from http_requests_total WHERE created_at BETWEEN 1495435700 AND 1495435710 ORDER BY value DESC LIMIT 3;
irate 查询，过去 5 分钟平均每秒数值
// PromQL
irate(http_requests_total[5m])
// MySQL
SELECT code, handler, instance, job, method, SUM(value)/300 AS value from http_requests_total WHERE created_at BETWEEN 1495435700 AND 1495435710 GROUP BY code, handler, instance, job, method;
总结
通过以上一些示例可以看出，在常用查询和统计方面，PromQL 比 MySQL 简单和丰富很多，而且查询性能也高不少。