PromQL 从入门到实战：一篇让小白也能看懂的查询语言指南

前言

在上一篇文章中，我们学习了 Prometheus 的 Relabeling 机制，掌握了如何对监控目标进行筛选和标签转换。然而，数据采集只是第一步——如何从海量监控数据中快速提取有价值的信息，才是衡量监控系统价值的关键。

PromQL（Prometheus Query Language）正是这把打开数据宝库的钥匙。它是 Prometheus 内置的函数式查询语言，用于实时筛选、聚合和分析时间序列数据。无论是构建 Grafana 监控大屏，还是配置告警规则，都离不开 PromQL。

本文将从零开始，用最通俗的语言和大量实例，带你掌握 PromQL 的核心用法。

一、理解 PromQL 的基本概念

在开始写查询之前，先搞清楚三个核心概念——瞬时向量、区间向量和标量。

1.1 三种数据类型

用一句话理解：

• 瞬时向量就像快照——此时此刻每个指标的值是多少

• 区间向量就像录像——过去5分钟每个指标的变化过程

• 标量就是一个数字——没有任何附加信息

1.2 最简单的查询：瞬时向量

最基本的 PromQL 查询就是直接写一个指标名称：

promql

node_cpu_seconds_total

这条查询会返回所有node_cpu_seconds_total时间序列的最新值。

加上标签过滤，可以精确筛选：

promql

node_cpu_seconds_total{cpu="0", mode="idle"}

这里的{cpu="0", mode="idle"}就是标签过滤器——只返回 cpu 为 0、mode 为 idle 的数据。

支持的比较运算符：

promql

# 排除 cpu0，只保留 user 和 system 模式 node_cpu_seconds_total{cpu!="0", mode=~"user|system"}

二、二元运算符号

PromQL 支持在查询中对数据进行各种运算。

2.1 算术运算符

向量与标量运算：将向量中的每一个值与标量进行运算。

promql

# 所有内存值乘以 2 node_memory_MemFree_bytes * 2 # 所有 CPU 使用时间除以 100 node_cpu_seconds_total / 100

向量与向量运算：将左边向量的每个元素与右边向量中标签匹配的元素进行运算。

promql

# 计算内存使用率 (node_memory_MemTotal_bytes - node_memory_MemFree_bytes) / node_memory_MemTotal_bytes * 100

2.2 比较运算符

比较运算符默认会过滤掉不满足条件的数据：

promql

# 只保留可用内存大于 100MB 的序列 node_memory_MemFree_bytes > 100 * 1024 * 1024

如果只想比较而不过滤，加上bool关键字，结果返回 1（真）或 0（假）：

promql

node_memory_MemFree_bytes > bool 100 * 1024 * 1024

2.3 逻辑/集合运算符

promql

# 只保留 up=1 的主机 up == 1 and node_cpu_seconds_total # 合并两个查询结果 up{job="prometheus"} or up{job="node"}

三、聚合操作

聚合函数的作用是将多个时间序列合并成一个或几个。它们只能用于瞬时向量。

3.1 常用聚合函数

3.2 基础用法

promql

# 所有服务器的 CPU 空闲时间总和 sum(node_cpu_seconds_total{mode="idle"}) # 所有服务器的最大可用内存 max(node_memory_MemFree_bytes) # 所有服务器的平均内存使用率 avg((node_memory_MemTotal_bytes - node_memory_MemFree_bytes) / node_memory_MemTotal_bytes)

3.3 分组聚合：by 和 without

聚合时如果不分组，所有数据会合并成一个结果。使用by或without可以按维度分组。

by (label)：只保留指定标签，按这些标签分组。

promql

# 按实例分组，计算每个实例的 CPU 空闲时间总和 sum(node_cpu_seconds_total{mode="idle"}) by (instance) without (label) ：移除指定标签，用剩余的标签分组。 promql # 移除 cpu 标签，用其他标签分组 sum(node_cpu_seconds_total{mode="idle"}) without (cpu)

实战示例：

promql

# 每个服务的 QPS（按 job 分组） sum(rate(http_requests_total[5m])) by (job) # 每个实例的 CPU 使用率 100 - (avg(rate(node_cpu_seconds_total{mode="idle"}[5m])) by (instance) * 100)

四、瞬时向量匹配

当两个向量进行运算时，PromQL 需要决定哪个元素和哪个元素配对。这就涉及向量匹配（Vector Matching）。

4.1 一对一匹配（默认）

默认情况下，PromQL 会找标签完全一致的元素进行配对。

promql

node_memory_MemFree_bytes + node_memory_Cached_bytes

只有当两个指标的标签完全相同时，才会相加。如果标签不完全一致，数据就会被丢弃。

4.2 使用on和ignoring指定匹配标签

on(label)：只使用指定的标签进行匹配。

promql

# 只在 instance 和 job 标签匹配时相加 node_memory_MemFree_bytes + on(instance, job) node_memory_Cached_bytes

ignoring(label)：忽略指定的标签，用剩余标签匹配。

promql

# 忽略 instance 和 job 标签进行匹配 node_memory_MemFree_bytes + ignoring(instance, job) node_memory_Cached_bytes

4.3 多对一/一对多匹配：group_left和group_right

当左边一个元素匹配右边多个元素（或反过来）时，需要使用group_left或group_right明确匹配关系。

promql

# 每个实例的 CPU 使用率除以该实例的 CPU 核心数 rate(node_cpu_seconds_total[5m]) / on(instance, job) group_left(node) node_cpu_count

group_left表示右边的多个元素匹配左边的一个元素，结果保留左边的所有标签。

五、常用内置函数

PromQL 提供了大量内置函数，下面介绍最常用的几个。

5.1 速率计算函数（Counter 专用）

Counter 类型指标只增不减，直接用值没有意义，需要用函数计算变化速率。

promql

# 过去5分钟的平均 QPS rate(http_requests_total[5m]) # 捕捉瞬时突发流量 irate(http_requests_total[5m]) # 过去1小时的 500 错误总数 increase(http_requests_total{status="500"}[1h])

5.2 变化检测函数（Gauge 专用）

promql

# 过去10分钟内存变化量 delta(node_memory_MemFree_bytes[10m]) # 最近一分钟网络流量变化 idelta(node_network_receive_bytes_total[1m])

5.3 数学函数

promql

# 磁盘已用空间（绝对值） abs(node_filesystem_avail_bytes - node_filesystem_size_bytes) # 内存使用量（MB，向下取整） floor(node_memory_MemFree_bytes / 1024 / 1024)

5.4 分位数函数

histogram_quantile(φ, v)用于从 Histogram 类型指标计算分位数：

promql

# 过去5分钟 API 请求的 95 分位延迟 histogram_quantile(0.95, sum(rate(api_request_duration_seconds_bucket[5m])) by (le))

5.5 标签处理函数

promql

# 将 instance 和 job 合并为 service 标签 label_join(http_requests_total, "service", "-", "job", "instance") # 从 instance="192.168.1.1:9100" 提取 IP 到 host 标签 label_replace(node_cpu_seconds_total, "host", "$1", "instance", "(.*):.*")

六、结合 Grafana 可视化

学习了 PromQL，最终还是要落到可视化上。Grafana 是 Prometheus 最常用的可视化搭档。

6.1 在 Grafana 中使用 PromQL

第一步：确保 Grafana 已添加 Prometheus 数据源。

第二步：创建 Dashboard → 添加 Panel → 在查询编辑器中输入 PromQL。

第三步：选择图表类型（Time series、Stat、Table 等）。

Grafana 的查询编辑器支持两种模式：

• Builder 模式：通过下拉菜单选择指标和标签，适合初学者

• Code 模式：直接编写 PromQL，支持自动补全和高亮

6.2 常用可视化场景与 PromQL

6.3 Grafana 面板配置小技巧

1. 变量使用：在 Dashboard 设置中定义变量（如$instance、$job），查询时动态替换：

   promql

   node_cpu_seconds_total{instance="$instance"}

2. Legend 格式化：用{{标签名}}让图例更清晰：

   text

   {{instance}} - {{mode}}

3. 告警配置：在 Panel 的 Alert 选项卡中，基于 PromQL 配置告警阈值

七、总结

本文系统介绍了 PromQL 的核心知识体系：

学习建议：

1. 先学会看：在 Prometheus UI（http://<IP>:9090/graph）中尝试简单查询

2. 多用rate：Counter 类型指标一定要用rate或increase才有意义

3. 注意分组：聚合时想想需不需要by，否则所有数据会合并成一个值

4. 善用 Grafana：在 Grafana 中边写查询边看图表，学习效率最高

一句话总结：PromQL 是 Prometheus 监控体系的核心语言——掌握了它，你就能从海量监控数据中任意提取、聚合和分析，让数据真正为你所用。