计算QPS应使用rate(http_requests_total[5m])，它基于Counter指标智能拟合每秒平均增长率，自动处理重置，5分钟窗口兼顾灵敏性与稳定性，官方推荐且精度高于increase()除法。
要计算系统每秒请求处理吞吐（即 QPS，Queries Per Second），核心是从 Prometheus 的 Counter 类型指标出发，用 rate() 函数做时间窗口内的速率转换。这不是简单除法，而是依赖 Prometheus 对单调递增计数器的智能斜率拟合。
直接用 rate() 计算 QPS 是最可靠方式
Counter 指标（如 http_requests_total 或 ai_request_count）记录的是累计请求数，本身不能直接反映“每秒多少次”。必须用 rate() 在指定时间窗口内估算变化速率：
rate(http_requests_total[5m])
这行表达式含义是：过去 5 分钟内，该指标平均每秒增长多少。结果单位就是「次/秒」，即 QPS。
- ✅ 推荐窗口为
5m：太短（如1m）易受瞬时抖动干扰；太长（如15m）响应慢，难以捕捉突发变化 - ✅ 自动处理 Counter 重置：
rate()内置了对服务重启导致计数器归零的校正逻辑 - ❌ 不要用
increase()除以秒数（如increase(...[5m]) / 300）：它不抗采样误差，精度低，Prometheus 官方明确不推荐用于 QPS
多维度聚合需先过滤再计算
如果想看某类请求的 QPS（比如只统计 POST /predict 成功请求），先用标签过滤，再套 rate()：
rate(http_requests_total{method="POST", path="/predict", status=~"2.."}[5m])常见有用标签组合：
-
{job="ai-inference-service"}—— 按服务名隔离 -
{instance="10.1.2.3:8000"}—— 按实例定位单机瓶颈 -
{model="pi0-v2", device="cuda:0"}—— 按模型和 GPU 设备细分吞吐
注意区分「总吞吐」和「有效吞吐」
- 总 QPS =
rate(http_requests_total[5m]) - 有效 QPS（成功请求）=
rate(http_requests_total{status=~"2.."}[5m]) - 失败 QPS（错误请求）=
rate(http_requests_total{status=~"4..|5.."}[5m])
三者相加应基本等于总 QPS。若偏差明显，说明有未打标或状态码漏报，需检查应用埋点逻辑。
实际 Grafana 面板配置建议
在 Grafana 中展示 QPS 时：
- 图表类型选「Time series」或「Stat」
- 查询语句写完整带标签的
rate(...)，避免裸指标 - 开启「Legend」并设置别名，例如
{{method}} {{status}}，方便快速识别流量构成 - 可叠加
avg_over_time(rate(...)[5m:])做滑动均值，让曲线更平滑
不复杂但容易忽略
