如何用Prometheus计算月度所有实体集体宕机时长？

不需要自定义exporter，仅用Prometheus内置函数就能实现需求，核心思路是先构造表示“所有实体都宕机”的状态序列，再基于该序列计算累计宕机时长。

实现步骤与表达式 #

1. 构造全宕机状态序列
   使用bool修饰符将求和结果转换为布尔状态：

   sum(a_metric_name{some_label="some_value"}) bool == 0
   

   这个表达式会返回值为1（所有实体都宕机）或0（至少一个实体正常）的gauge序列，对应每个采集时刻的状态。

2. 计算累计宕机时长
   基于上述状态序列，结合avg_over_time计算过去30天的总宕机分钟数，逻辑和你提供的示例一致：

   avg_over_time( (sum(a_metric_name{some_label="some_value"}) bool == 0)[30d:] ) * 30 * 24 * 60
   

   • avg_over_time(...[30d:])：计算过去30天内全宕机状态的时间占比
   • 乘以30*24*60：将占比转换为总分钟数（如果需要秒数，替换为30*24*3600即可）

补充说明 #

• 若采集间隔（scrape_interval）稳定，这个表达式的精度足够满足需求；若间隔波动较大，avg_over_time会自动基于时间加权计算占比，结果依然准确。
• 若想直接获取秒级的准确时长，也可以用sum_over_time结合采集间隔计算：

  sum_over_time( (sum(a_metric_name{some_label="some_value"}) bool == 0)[30d:] ) * <你的采集间隔秒数>
  

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