Prometheus是否支持高效指数加权滑动平均及其他在线算法？

Prometheus原生架构不直接支持跨迭代传递状态的在线算法，它的查询模型本质是无状态的——每次查询（包括告警规则里的查询）都是独立基于指定时间窗口的历史样本计算，不会留存之前的计算状态，这也是你只找到窗口类函数的原因。

针对在线算法（比如指数加权滑动平均）的告警需求，目前可行的方案有这些：

• 自定义Exporter
  这是最直接可靠的方式：自己开发一个Exporter，在Exporter内部维护在线算法的状态（比如指数加权滑动平均的当前值），针对每个传入的原始样本实时更新状态，再将计算后的最终指标暴露给Prometheus。之后就可以基于这些预计算的指标配置常规告警规则，完全由你控制状态维护、启动阶段衰减率调整等细节。

• Prometheus Agent 扩展处理
  如果使用Prometheus Agent作为采集组件，可以在Agent层添加自定义逻辑：对采集到的原始样本先执行在线算法计算，再将处理后的指标远程写入Prometheus。这种方式不需要单独部署Exporter，适合轻量化的场景。

• 近似模拟（局限性较大）
  可以尝试用短周期的Recording Rules来近似在线算法效果——比如设置极短的规则执行间隔，每次基于最近1个样本更新计算值。但这种方式本质还是基于窗口查询，无法真正跨迭代保留状态，精度和效率都远不如前两种方案，只适合对精度要求不高的场景。

目前Prometheus社区有关于支持有状态查询函数的讨论，但尚未纳入核心功能，所以现阶段实现在线算法告警，外部组件扩展是最优选择。

内容的提问来源于stack exchange，提问作者Adrian May