PromQL技术咨询：如何查询实例7天最大CPU使用率及识别低利用率实例

先直接说结论：你给出的两个查询都有问题，核心问题是没对非idle的CPU mode求和，而且第一个查询的rate窗口用错了。

先分析你两个查询的问题 #

1. 第一个查询：

   max(rate(node_cpu_seconds_total{service="x",mode!="idle"}[7d]) *100 ) by (instance)
   

   • rate(node_cpu_seconds_total[7d])完全错误：rate是计算短时间窗口内的平均速率，用7天窗口会把整个7天的CPU使用拉成一个平均值，根本反映不了峰值。
   • 没有对mode!="idle"的指标求和：node_cpu_seconds_total按mode拆分（比如user、system、nice等），你现在取的是单个mode的最大值，不是实例的总CPU使用率。

2. 第二个查询：

   max( max_over_time(rate(node_cpu_seconds_total{service="x",mode!="idle"}[5m])[7d:])*100) by (instance)
   

   • 同样没对非idle mode求和：结果是单个mode的峰值，不是总CPU使用率。
   • 外层的max by (instance)多余：max_over_time已经是针对每个时间序列（每个instance+mode）取7天内的最大值，你需要的是把同一实例的所有非idle mode加总后再取峰值。

正确的查询实现 #

要实现“每个实例过去7天的最大CPU使用率，再过滤出峰值从未超过20%的实例”，正确的查询应该是：

max_over_time(
  sum by (instance) (
    rate(node_cpu_seconds_total{service="x", mode!="idle"}[5m])
  )[7d:]
) * 100 <= 20

拆解说明 #

• sum by (instance)：把user、system、iowait等所有非idle的CPU时间指标加总，得到该实例的总CPU使用率（0到1之间的数值）。
• rate(node_cpu_seconds_total[5m])：计算5分钟窗口内的平均CPU使用速率，这个窗口长度可以根据你的监控采集间隔调整（比如1m或10m），避免瞬时噪声影响结果。
• max_over_time([7d:])：取过去7天内，每个5分钟窗口计算出的CPU使用率的最大值，也就是该实例7天内的峰值CPU使用率。
• *100：把0-1的数值转成百分比，方便和20%做比较。
• <=20：过滤出过去7天内峰值CPU使用率从未超过20%的低利用率实例。

可选优化 #

如果想先看到所有实例的7天峰值CPU使用率，再手动筛选，可以去掉最后的<=20：

max_over_time(
  sum by (instance) (
    rate(node_cpu_seconds_total{service="x", mode!="idle"}[5m])
  )[7d:]
) * 100

内容的提问来源于stack exchange，提问作者Laxmikant