Prometheus rate函数观测值不变时返回0的解决方法咨询

核心问题分析 #

你当前的查询是先对每个实例的rate结果求和再做除法，当目标URL在5分钟窗口内没有新请求时，rate(api_duration_milliseconds_sum[5m])会返回0（因为sum无增量），导致最终结果为0，而不是你期望的历史平均响应时间（比如刚启动时的20ms）。

方案一：结合实时速率与累计平均 #

通过or操作符实现双逻辑：窗口内有请求时用实时速率计算平均，无请求时回退到累计的平均响应时间，同时过滤掉无请求的URL避免NaN：

(
  (sum(rate(api_duration_milliseconds_sum[5m])) by (url) / sum(rate(api_duration_milliseconds_count[5m])) by (url)) 
  or 
  (sum(api_duration_milliseconds_sum) by (url) / sum(api_duration_milliseconds_count) by (url))
) unless sum(api_duration_milliseconds_count) by (url) == 0

方案二：先聚合实例再计算速率 #

如果你想先把所有机器的指标聚合后再计算速率，写法如下：

rate(sum(api_duration_milliseconds_sum) by (url)[5m]) / rate(sum(api_duration_milliseconds_count) by (url)[5m])

这种写法先将所有实例的sum和count按URL全局聚合，再对聚合后的序列计算rate，能减少实例级无请求导致的0值，但全局无请求时仍会返回0，此时可以结合方案一的or逻辑优化。

针对初始请求场景的额外优化 #

• 缩短rate的时间窗口（比如用1m代替5m），更容易捕获刚启动时的少量请求增量；
• 用irate代替rate，irate对短时间内的单点增量更敏感，适合实时性要求高的场景：

(sum(irate(api_duration_milliseconds_sum[1m])) by (url) / sum(irate(api_duration_milliseconds_count[1m])) by (url)) 
or 
(sum(api_duration_milliseconds_sum) by (url) / sum(api_duration_milliseconds_count) by (url))

内容的提问来源于stack exchange，提问作者sgch