文章目录
常用场景
增长率
increase( counter类型的范围向量)
计算范围向量中时间序列的增加量
算法：第一个样本 - 最后一个样本
rate( counter类型的范围向量)
计算范围向量中时间序列的每秒平均增长率
算法：（第一个样本 - 最后一个样本）/ 时间(秒)
源数据粗粒度，用rate按秒计算会有很多空值，形成断点、断链
rate比increase适合 源数据细粒度的情况
长尾效应：使用了平均值，很容易把峰值削平。体现不出访问量激增的情况
不够灵敏，适合做分期长期趋势或告警规则
- 使用建议
建议将 rate 计算的范围向量的时间至少设为抓取间隔的四倍。这将确保即使抓取速度缓慢，且发生了一次抓取故障，您也始终可以使用两个样本。此类问题在实践中经常出现，因此保持这种弹性非常重要。例如，对于 1 分钟的抓取间隔，您可以使用 4 分钟的 rate 计算，但是通常将其四舍五入为 5 分钟。
irate(范围向量)
计算范围向量中时间序列每秒的瞬时增长率
算法：取最后两个数据，算差值
最多可向后查询 5分钟：
灵敏，适合短期
预测
predict_linear 增长预测
常见问题
长尾问题
-
平均值显示不出瞬时变化
-
要体现瞬时变化对采样频率有要求
Counter重置（跳变）问题
Counter重置为0 。会这些重置解释成负rate
跳变问题是计算时解决，不是落库时解决：Counter 的数据有下降之后自动处理
- rate 会自动处理 counter 重置的问题，
counter 一般都是一直变大的，例如一个 exporter 启动，然后崩溃了。
本来以每秒大约 10 的速率递增，但仅运行了半个小时，则速率（x_total [1h]）将返回大约每秒 5 的结果。
另外，counter 的任何减少也会被视为 counter 重置。例如，如果时间序列的值为[5,10,4,6]，则将其视为[5,10,14,16]。
数据外推（拟合）
-
问题：
对于只有整数增量的counter，increase() 也可能返回非整数结果，如2.5883 -
原因：
rate()和increase()函数的推算行为 -
数据外推
时间窗口中的第一个和最后一个样本，永远不会与规定时间窗口的开始和结束100%重合。
因此 increase() 、rate()会在窗口与窗口的界限中外推第一个和最后一个数据点之间的斜率，
得出一个平均而言更接近整个窗口内预期增长的数值（如果在窗口边界确实有样本）。
推测一个虚拟值 拿来计算
-
外推源码 extrapolatedRate
https://github.com/prometheus/prometheus/blob/main/promql/functions.go#L66
irate()只看两个样本间每秒的增长，所以它不做这种外推。