如何用PromQL计算Grafana热力图中非连续分布的合并p95分位数

核心思路是分别聚合目标时间段的直方图桶数据，再将桶数据合并后计算分位数，具体操作步骤如下：

1. 单独聚合每个目标时间段的直方图
   使用sum_over_time()函数分别对两个非连续时间段的直方图桶求和，得到每个时间段的完整直方图分布：

# 第一个时间段的直方图聚合（替换为你的目标时间范围，示例为1小时前到30分钟前）
sum_over_time(your_histogram_metric{labels}[1h offset 30m])
# 第二个时间段的直方图聚合（示例为30分钟前到当前时间）
sum_over_time(your_histogram_metric{labels}[30m])

通过offset调整时间范围，确保两个时间段不重叠且覆盖你圈出的目标分布。

2. 合并两个直方图的桶数据
   用+运算符将两个聚合后的直方图相加，PromQL会自动按桶标签（le）匹配并累加对应桶的样本数：

sum_over_time(your_histogram_metric{labels}[1h offset 30m]) + sum_over_time(your_histogram_metric{labels}[30m])

3. 计算合并后的p95分位数
   将合并后的直方图传入histogram_quantile()函数，即可得到两个非连续分布的合并p95：

histogram_quantile(0.95, sum_over_time(your_histogram_metric{labels}[1h offset 30m]) + sum_over_time(your_histogram_metric{labels}[30m]))

通用扩展说明 #

• 若需合并更多非连续时间段，只需继续添加sum_over_time()的结果并用+连接即可
• 确保所有sum_over_time()的时间范围无重叠，且完整覆盖所有目标分布
• 若直方图带有多组标签，需保证所有聚合的标签匹配一致，避免出现桶不匹配导致合并失败的情况

内容的提问来源于stack exchange，提问作者user2233706