如何通过Prometheus获取特定时间段内服务的总停机时长？

你的思路方向是对的，但需要调整查询逻辑来纳入时间维度，而且count_over_time完全可以和by子句搭配使用，可能是之前的用法有误。下面提供两种可靠的实现方案：

方案一：通过平均不可用率计算总停机时长 #

这种方法更精准，尤其适用于采样间隔不固定的场景：

1. 先计算时间段内的平均可用性（up=1的时间占比）：

   avg_over_time(up{namespace="my-namespace"}[1d]) by (service)
   

   这里的[1d]替换成你需要的时间段，比如[4h]、[7d]。
2. 用总时间段长度乘以（1 - 平均可用性），得到总停机时长：

   (1 - avg_over_time(up{namespace="my-namespace"}[1d]) by (service)) * 86400
   

   注意：86400是1天的秒数，要和时间段对应——比如4h对应14400，7d对应604800。

方案二：直接统计停机样本对应的时长 #

如果你确认采样间隔固定（比如15秒），可以直接统计停机状态的样本数，再乘以采样间隔：

sum_over_time((1 - up{namespace="my-namespace"})[1d]) by (service) * 15

• (1 - up)会把up=0（停机）转换为1，up=1（正常）转换为0
• sum_over_time统计时间段内所有停机状态的样本数
• 最后乘以采样间隔（这里是15秒）得到总停机时长（单位：秒）

纠正你之前的误解 #

count_over_time和by子句是兼容的，比如统计每个服务在时间段内的总样本数：

count_over_time(up{namespace="my-namespace"}[1d]) by (service)

这个结果可以用来验证样本总量，和方案二中的停机样本数做对比。

内容的提问来源于stack exchange，提问作者peni4142