如何在PromQL中获取一段时间内95分位数的最大值与平均值

需求是基于Istio的请求时长直方图，获取一段时间内95分位数的最大值和平均值，但遇到以下问题：

• 直接用histogram_quantile只能得到当前瞬时的95分位数，无法直接调用max_over_time()
• 尝试用quantile_over_time()直接作用于直方图桶的聚合结果，得到的是每个le桶的异常小值，不符合预期

错误原因分析 #

quantile_over_time()的作用对象是单个时间序列的数值，而非直方图的桶集合。当你把它用在sum(rate(...)) by (le, destination_workload)的结果上时，它会对每个le桶的rate值单独计算分位数，这和我们需要的“请求时长的95分位数”完全不是一个概念，所以得到的结果没有意义。

解决方案：使用子查询生成范围向量 #

PromQL支持子查询，可以先在指定步长下计算每个时间点的95分位数，生成范围向量后，再用max_over_time()或avg_over_time()计算统计值。

1. 获取一段时间内95分位数的最大值 #

比如要统计过去1小时内，每1分钟计算一次95分位数，然后取这些值的最大值：

max_over_time(
  (
    histogram_quantile(
      0.95, 
      sum(rate(istio_request_duration_milliseconds_bucket{destination_workload=~"service", reporter="source"}[1m])) by (le, destination_workload)
    )
  )[1h:1m]
)

2. 获取一段时间内95分位数的平均值 #

把上面的max_over_time()替换为avg_over_time()即可：

avg_over_time(
  (
    histogram_quantile(
      0.95, 
      sum(rate(istio_request_duration_milliseconds_bucket{destination_workload=~"service", reporter="source"}[1m])) by (le, destination_workload)
    )
  )[1h:1m]
)

逻辑说明 #

• 内层的histogram_quantile：每1分钟基于最近1分钟的请求数据计算一次95分位数，输出瞬时向量
• 子查询[1h:1m]：将瞬时向量转换为范围向量，包含过去1小时内每1分钟的95分位数结果
• 外层的max_over_time()/avg_over_time()：对范围向量中的所有95分位数数值，计算最大值或平均值

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