如何用PromQL统计指定时段内Resilience4j触发降级的下游API总失败数？

Resilience4j暴露的Prometheus指标完全可以满足你的需求，以下是具体的指标说明和查询语句：

可用的核心指标 #

• resilience4j_circuitbreaker_calls_total：计数器类型，记录断路器的所有调用情况，通过result标签区分调用结果：
  • FAILURE：对应下游返回4xx/5xx等触发断路器降级的业务异常
  • TIMEOUT：下游调用超时触发的降级
  • NOT_PERMITTED：断路器处于打开状态时，直接拒绝调用并触发降级的次数
• resilience4j_timelimiter_calls_total：你已在使用的超时计数器，result="TIMEOUT"标签对应单独由限流器捕获的超时（若未和断路器关联）

统计指定时段总失败次数的PromQL示例 #

如果要统计1小时内指定服务的总失败次数（包含超时、业务异常、断路器打开拒绝的情况），可以用以下查询：

sum by (service, name) (
  // 业务异常触发的降级次数
  increase(resilience4j_circuitbreaker_calls_total{service="service-name", result="FAILURE"}[1h])
  +
  // 超时触发的降级次数（断路器捕获）
  increase(resilience4j_circuitbreaker_calls_total{service="service-name", result="TIMEOUT"}[1h])
  +
  // 断路器打开时直接拒绝的次数
  increase(resilience4j_circuitbreaker_calls_total{service="service-name", result="NOT_PERMITTED"}[1h])
  +
  // 限流器单独捕获的超时次数（按需添加）
  increase(resilience4j_timelimiter_calls_total{service="service-name", result="TIMEOUT"}[1h])
)

说明 #

• 使用increase函数直接获取指定时段内的指标增量，适合统计总次数；若需速率，可替换为rate并乘以时段秒数（如rate(...) * 3600）
• 可通过label_values(resilience4j_circuitbreaker_calls_total, result)查询当前环境下result标签的所有可选值，根据实际业务场景调整筛选条件
• 若你的超时逻辑完全由断路器接管，可去掉最后一行限流器的统计项

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