如何将GCP告警策略的MQL转换为PromQL并按实例名聚合？

原MQL查询（默认聚合） #

fetch gce_instance
| metric 'agent.googleapis.com/cpu/load_5m'
| group_by 5m, [value_load_5m_mean: mean(value.load_5m)]
| every 5m
| condition val() > 70 '1'

目标MQL查询（按实例名称聚合） #

fetch gce_instance
| metric 'agent.googleapis.com/cpu/load_5m'
| group_by 5m, [metric_value: mean(value.load_5m)]
| add [metadata.system.name]
| every 5m
| condition val() > 70 '1'

问题说明 #

需要将上述目标MQL转换为PromQL，要求按元数据标签metadata.system.name（对应PromQL中的metadata_system_name）聚合，同时匹配MQL中condition val()>70 '1'的逻辑。之前编写的PromQL存在以下问题：

• 无告警红线触发
• 聚合逻辑不符合预期
• 错误使用>0.7篡改数据

修正后的PromQL方案 #

avg_over_time(agent_googleapis_com_cpu_load_5m{monitored_resource="gce_instance"}[5m])
  by (project_id, instance_id, metadata_system_name)
> bool 70

关键修正点说明 #

1. 单位对齐：MQL中阈值为70，PromQL需保持一致，之前的>0.7属于单位误解，导致数据异常。
2. 聚合逻辑修正：移除多余的sum聚合，avg_over_time已针对单个实例的时间序列计算5分钟均值，直接按目标标签分组即可匹配MQL的group_by逻辑。
3. 条件匹配等价实现：使用bool修饰符实现与MQLcondition val()>70 '1'一致的输出——满足条件时返回1，不满足时返回0。若用于告警策略，可省略bool，直接使用>70，此时Prometheus会返回所有超过阈值的时间序列，供告警系统触发通知。

内容的提问来源于stack exchange，提问作者red888