Recording rule本质是预计算而非缓存，需显式查询新指标名（如http_requests_rate_5m）才能生效；record字段仅支持合法指标名，expr中写标签或聚合；高基数指标须先降维再记录，否则加剧性能问题；rule修改后需重载配置且确保语法、路径、label值正确。
Recording rule 本质是预计算，不是缓存
它把高频、复杂查询的结果提前算好并存成新指标，后续查这个新指标就快得多。Prometheus 不会自动帮你“加速原查询”，而是用新指标替代原查询——这点很多人误以为开了 recording rule 就能加速任意 rate(http_request_total[5m]) 这类表达式，其实不行，必须显式改查 http_requests_rate_5m 这样的预计算结果。
常见错误现象：query_range 延迟没降，甚至更高；Grafana 面板还是慢；prometheus_engine_queries 计数没变少。
- 根本原因：查询语句没切换到 recording rule 生成的指标名
- 必须在 Grafana 查询编辑器、
curl请求、alert.rules中，全部替换成新指标名，比如http_requests_rate_5m - 检查是否生效：查
prometheus_rule_evaluations_total{rule_group="xxx"}看是否持续增加；再查http_requests_rate_5m是否有数据
rule 文件里写错 record 和 expr 就白定义
record 是最终存进 TSDB 的指标名，必须合法（只能含字母、数字、下划线），且不能和已有指标冲突；expr 是实际执行的 PromQL 表达式，它运行时上下文和普通 query 一致，但不支持子查询或某些函数（如 absent() 在旧版中受限）。
典型翻车点：
-
record: http_requests_total{job="api"}—— 错！record字段只接受纯指标名，标签得写在expr里或用labels覆盖 -
expr: rate(http_requests_total[5m]) by (job, instance)—— 对，但若原始指标没有job标签，这里会返回空 - 参数差异：
[5m]的区间必须匹配你真实查询习惯；用太短（如[1m]）会导致抖动，太长（如[30m]）则丢失细节
高基数指标 + recording rule = 更快崩掉
如果原始指标本身带大量 label 组合（比如 http_request_total{path="/user/:id", user_id="123456", ...}），直接对它做 rate(...[5m]) 并记录，会产生海量时间序列——比原指标还多，因为 recording rule 每次 eval 都新建 series（尤其当 label 动态变化时）。
性能影响比想象中更直接：
- TSDB 写放大：一条原始指标可能膨胀成几百条 recording 结果
- 内存占用飙升：
prometheus_tsdb_head_series指标会明显上涨 - 规避方法：先用
sum by(job, handler)或count by(status_code)聚合降维，再 recording；或加label_replace()归一化动态 label - 别录
http_request_duration_seconds_bucket这种直方图原始桶——应该录rate(http_request_duration_seconds_sum[5m]) / rate(http_request_duration_seconds_count[5m])
rule 加载后不生效？先看 prometheus_config_last_reload_successful
Prometheus 不会热重载 recording rules：改了 rules.yml 必须触发 reload（SIGHUP 或 curl -X POST http://localhost:9090/-/reload），否则新 rule 完全不跑。
容易被忽略的坑：
- 配置文件路径没加进
prometheus.yml的rule_files列表，比如漏写了- "rules/*.yml" - rule 文件语法错误（YAML 缩进错、冒号后少空格），reload 失败但日志可能刷得快，
prometheus_config_last_reload_successful为 0 就是铁证 - rule group 名重复或包含非法字符（如空格、点号），会导致整个 group 跳过加载
- 查
prometheus_rule_group_last_evaluation_samples可确认每个 group 实际处理了多少样本，为 0 就说明没跑起来
最麻烦的其实是 label 一致性——比如你在 expr 里用了 job="api"，但 target 实际上报的是 job="apiserver"，那这条 rule 就永远安静如鸡。得对着 target 页面逐个核对 label 值。
