Prometheus高查询间隔下sum查询数据丢失 如何获取正确求和结果

你遇到的结果偏差本质是Grafana范围查询时，随时间范围扩大自动调大step（查询间隔）导致的：Prometheus会按step把时间轴切分为多个窗口，每个窗口仅取单个采样点执行sum(my_metrics)计算，窗口越大漏算的原始采样点越多，最终结果就越小。

根据你的使用场景选择对应方案即可：

场景1：需要统计整个时间范围内的累计总和 #

直接使用PromQL的over_time类聚合函数搭配Grafana内置变量$__range，完全不受查询步长影响：

• 若my_metrics是Gauge类型（当前值快照，比如在线人数、内存使用率），统计全时间范围所有采样点总和：

sum(sum_over_time(my_metrics[$__range]))

• 若my_metrics是Counter类型（只增不减的累计值，比如请求数、调用次数），统计全时间范围的增量总和：

sum(increase(my_metrics[$__range]))

$__range会自动替换为你当前面板选择的时间范围（比如24h），会拉取该范围内所有原始采样点做计算，不会出现漏算。

场景2：需要展示每个时间点的瞬时sum趋势 #

如果是要做趋势图，需要保留每个时间点的sum值，可固定查询步长避免自动调大：

• 打开Grafana对应面板的查询选项（Query options）
• 找到Min step参数，设置为你的指标实际采样间隔的整数倍（比如指标每15s上报一次就设为15s）
  设置后无论你选择多大的时间范围，查询步长都不会超过该阈值，保证每个窗口的采样点不会漏算。

场景3：大时间范围查询性能优化 #

如果经常需要查询7天以上的大范围数据，固定步长会导致查询卡顿，可提前配置Prometheus Recording Rule预聚合：
在Prometheus配置文件中添加如下规则：

groups:
- name: my_metrics_aggregate
  rules:
  - record: my_metrics:sum
    expr: sum(my_metrics)
    interval: 15s # 按你需要的精度设置采样间隔

后续查询直接使用预聚合后的指标my_metrics:sum，既可以保证精度，也能大幅提升查询速度。

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