如何在普罗米修斯中获取速率的分位数

Question

我正在看这篇文章

# TYPE prometheus_http_request_duration_seconds histogram
prometheus_http_request_duration_seconds_bucket{handler="/",le="0.1"} 25547
prometheus_http_request_duration_seconds_bucket{handler="/",le="0.2"} 26688
prometheus_http_request_duration_seconds_bucket{handler="/",le="0.4"} 27760
prometheus_http_request_duration_seconds_bucket{handler="/",le="1"} 28641
prometheus_http_request_duration_seconds_bucket{handler="/",le="3"} 28782

我很困惑为什么

histogram_quantile(0.9, 
    rate(prometheus_http_request_duration_seconds_bucket[5m])
)

不给你单位observe event / second的速率分位数，而是给你单位second / observe event的请求持续时间的分位数

rate(prometheus_http_request_duration_seconds_bucket[5m]

应该给你number of observe event in certain bucket / second 5 分钟内的平均秒数

我想histogram_quantile然后会给你率分位数

我一定是理解错了

Answer 1

如果您需要在 Prometheus 中对比率进行分位数，那么您可能需要以下 PromQL 查询：

quantile_over_time(0.95, rate(some_counter[5m])[24h:5m])

它计算过去 24 小时内给定some_counter在 5 分钟间隔内的平均每秒速率（例如，它计算 24h/5m=288 速率结果），然后计算这些速率结果的第 95 个百分位数。

此查询使用子查询功能和quantile_over_time function。

Answer 2

rate()函数在这里指定分位数计算的时间窗口，如histogram_quantile() 函数所示。 它的意思是“在过去 5 分钟内，我的 90% 的用户经历的最大 http 响应时间是多少？”

histogram_quantile()函数通过假设桶内的线性分布来插入分位数值， le给出最大观察时间。 桶是一个计数器，用于测量自过程开始以来观察的发生次数。 rate()通过计算每秒（平均）观察的出现次数来建立链接，从中可以在时间窗口内插入响应时间（平均）。

你是对的，因为平均值，它不是 100% 准确的度量，但函数做了很多假设，并且桶的选择已经引入了偏差。

我猜你可以使用irate()来计算瞬时分位数，但它可能会更嘈杂。

Answer 3

这和这里是 prometheus 中 historgram_quantile 的代码。

举个例子，

assumed the original bucket is :
[50][100][150][200][200] with corresponding upperbound 5s,10s,15s,20s,+Inf.

then the rate(xx[5m]) returned a bucket like this:
[20/5*60][40/5*60][60/5*60][80/5*60][80/5*60]

histogram_quantile will delegate the returned bucket to another function bucketQuantile.
It used the rough following logic to compute the percentile: 

1) get the total rank of the percentile 
such as 90ile is 0.9 * total counts = 0.9 * (80/5*60)
2) compute the value of 90ile
last upperbound before the total rank position is 15 secs;
current upperbound of the total rank is 20 secs;
the count in the bucket that 90ile position belongs is (80/5*60)-(60/5*60);
the internal rank in that single bucket of 90ile position is (0.9 * 80/5*60)-(60/5*60);
finally, the value of 90ile is: 15 sec + (internal rank / that bucket count) * (20sec-15sec) = 15 + 3 * ( (0.9 * 80/5*60)-(60/5*60) / (80/5*60)-(60/5*60) ) = 
15 + 3 * ( (0.9*80 - 60)/(80-60) ) = 15 + 3 * ( 12/20) = 15+3*0.6= 16.8 sec

就是这样，你可以看到分母 5*60 在计算中实际上没有影响。 所以 rate() 函数只是用来指定时间窗口 5 分钟。