PromQL专注时间序列监控数据提取与加工，核心包括指标标签结构、瞬时/区间向量区分、聚合运算（by/without）及计数器正确处理（rate/increase）。

PromQL 是 Prometheus 的核心查询语言，它不追求通用编程能力，而是专注解决“从时间序列中精准提取和加工监控数据”这件事。掌握基础查询和聚合运算，就覆盖了 80% 以上的日常使用场景——比如看当前 CPU 使用率、算过去五分钟的错误率、汇总各服务的请求总量。

指标与标签：理解数据结构的起点

每个时间序列都由一个指标名（如 http_requests_total）和一组键值对标签（如 {method="POST", status="500"}）共同唯一标识。标签不是附加信息，而是维度本身——method="GET" 和 method="POST" 就是两条完全独立的时间序列。

查询时直接写指标名，会返回所有匹配该名称的序列：
http_requests_total
加花括号可按标签精确筛选：
http_requests_total{job="api", status=~"4.."} （匹配所有 4xx 状态码）
node_disk_io_time_seconds_total{device!="sda"} （排除 sda 磁盘）

瞬时向量 vs 区间向量：选对数据类型才不会报错

瞬时向量代表“此刻”的快照，例如 up 或 node_memory_free_bytes，适合查当前状态；区间向量则带时间范围，用方括号表示，例如：
http_requests_total[5m] —— 过去 5 分钟内所有采样点
rate(http_requests_total[5m]) —— 每秒平均增长率（专用于计数器）

注意：rate()、increase()、avg_over_time() 这类函数必须作用于区间向量，直接套在瞬时向量上会报错。

聚合运算：从明细到汇总的关键一步

聚合不是简单求和，而是按维度归并。核心在于 by 和 without：

• sum(http_requests_total) by (job, method) —— 按 job 和 method 分组求和
• avg(rate(http_requests_total[5m])) without (instance) —— 去掉 instance 标签后取平均，得到每个 job 的整体均值
• topk(3, sum(rate(http_requests_total[5m])) by (service)) —— 找出请求量前三的服务

常用聚合函数包括：sum、avg、max、min、count、count_values（统计某值出现次数），它们都默认作用于瞬时向量，但配合 rate() 等函数就能处理趋势数据。

常见陷阱与实用建议

很多问题其实源于细节疏忽：

• 计数器要用 rate() 或 increase()，别直接用原始值做除法——因为计数器会重置，原始值无业务意义
• irate() 对最新两个点敏感，适合排查瞬时毛刺；rate() 更平滑，适合告警和长期趋势
• 聚合前务必确认标签一致性，比如 env="prod" 和 environment="production" 是两条不同序列，无法被同一 by(env) 合并
• 避免过度聚合：先用 sum by(job) 看全局，再加 method 下钻，比一上来就 by(job, method, status) 更易定位问题