Prometheus query与query_range的sum_over_time结果不一致问题排查

核心问题点 #

• 标签拼写错误：第二个查询中的abel_id应为label_id，这会导致无法匹配到目标指标metric_name{label_id="20000"}，大部分结果会被or vector(0)替换为0，直接造成总和严重偏差。
• 时间范围不一致：
  • 第一个查询的时间范围是1727675266 - 49666s = 1727625600到1727675266，仅覆盖当天前49666秒的数据。
  • 第二个查询的时间范围是1727625600到1727712000（次日0点），包含了第一个查询未覆盖的后续时间段数据，这部分额外数据会让第二个查询的总和偏大。
• 窗口覆盖与对齐差异：
  • 第一个查询是对连续49666秒内的所有1秒样本直接求和，无窗口分割。
  • 第二个查询通过step=15s分割为多个15秒窗口，每个窗口计算sum_over_time后累加。如果49666不是15的整数倍，第一个查询的最后一段不足15秒的数据，在第二个查询中可能出现重复计算或遗漏，导致样本统计偏差。
• or vector(0)的额外干扰：当某个15秒窗口无有效样本时，第二个查询会补充0值并计入总和，但第一个查询中无样本的时间段不会贡献任何数值，这也会导致两者总和出现差异。

验证修正建议 #

1. 修正第二个查询的标签拼写错误，将abel_id改为label_id。
2. 对齐两个查询的时间范围：将第二个查询的end参数改为1727675266，确保和第一个查询的结束时间一致。
3. 去掉or vector(0)，避免无数据窗口的0值干扰总和计算。
4. 确认49666s是否等于1727675266 - 1727625600，确保第一个查询的时间跨度完全覆盖目标时间段。

内容的提问来源于stack exchange，提问作者lwin