如何用PromQL编写告警：特定URL超5秒请求占比达20%

核心结论 #

完全可以实现你的需求，即使bucket边界是非整数，依然可以通过histogram指标近似计算超时请求占比，以下是具体推进步骤：

一、指标转换：从TPS到总请求数 #

你的seconds_counted是TPS平均值，要获取一段时间内的总请求数，需用sum_over_time对其在告警评估窗口内求和，示例：

sum_over_time(seconds_counted{url="你的目标URL"}[5m])

这里的[5m]是告警统计窗口，可根据业务需求调整（如1m、10m），代表统计最近5分钟的总请求量。

二、用bucket计算超时请求数 #

虽然bucket的le边界是非整数，但只要找到最大的le值小于等于5的那个bucket，就能近似算出耗时超5秒的请求数：

1. 总请求数等于seconds_bucket中le="+Inf"的累积值（所有请求都会落在这个bucket内），统计窗口内总量：

   sum_over_time(seconds_bucket{url="你的目标URL", le="+Inf"}[5m])
   

2. 耗时≤5秒的请求数，取le值最接近5且不超过5的bucket累积值，比如假设存在le="4.89"的bucket，就用：

   sum_over_time(seconds_bucket{url="你的目标URL", le="4.89"}[5m])
   

3. 耗时超5秒的请求数 = 总请求数 - 耗时≤5秒的请求数

三、告警规则的PromQL表达式 #

组合上述指标，计算超时请求占比是否超过20%：

(
  sum_over_time(seconds_bucket{url="你的目标URL", le="+Inf"}[5m])
  - sum_over_time(seconds_bucket{url="你的目标URL", le="<最接近5且≤5的le值>"}[5m])
)
/
sum_over_time(seconds_counted{url="你的目标URL"}[5m])
> 0.2

四、非整数bucket边界的处理说明 #

histogram的bucket通常是指数分布（比如基于2的幂次），接近5的非整数边界和5的差距极小，对占比计算的误差可以忽略。如果实在介意，也可以在指标采集阶段自定义histogram的bucket边界，添加5的整数阈值；若无法修改采集配置，用现有非整数bucket完全能满足需求。

完整告警规则示例 #

groups:
- name: url_request_timeout_ratio
  rules:
  - alert: URLRequestTimeoutRatioExceed20Percent
    expr: |
      (
        sum_over_time(seconds_bucket{url="/api/your-target-url", le="+Inf"}[5m])
        - sum_over_time(seconds_bucket{url="/api/your-target-url", le="4.89"}[5m])
      )
      /
      sum_over_time(seconds_counted{url="/api/your-target-url"}[5m])
      > 0.2
    for: 1m
    labels:
      severity: warning
    annotations:
      summary: "特定URL请求超时占比超20%"
      description: "最近5分钟内，URL {{ $labels.url }} 的请求中，耗时超5秒的占比达 {{ $value | printf \"%.2f%%\" }}，超过阈值20%"

内容的提问来源于stack exchange，提问作者Ali Yüce