如何在Grafana中基于Prometheus指标计算滑动窗口内的可用率/SLA百分比

我来帮你搞定这个可用率计算的需求！你之前的思路是对的，但问题出在没有用合适的PromQL函数把时间序列数据聚合为单一的百分比数值。下面是具体的解决方案：

核心逻辑 #

我们需要计算过去5天内，环境处于健康状态的时长占总时长的比例：

• 健康状态：测试失败数为0 → 对应你写的1 - clamp_max(sum(e2e_tests_failure_count{...}), 1)结果为1
• 不健康状态：只要有测试失败 → 结果为0
• 最终百分比 =（健康总秒数 / 5天总秒数）× 100

正确的PromQL查询 #

(sum_over_time((1 - clamp_max(sum(e2e_tests_failure_count{kubernetes_name=~"test-framework-1|test-framework-2|test-framework-3",kubernetes_namespace="platform-edge"}), 1))[5d:1s]) / (5*24*3600)) * 100

逐部分解释： #

1. sum(e2e_tests_failure_count{...})：统计指定测试框架的总失败次数
2. clamp_max(..., 1)：把失败次数“归一化”为0或1——只要有失败就返回1，无失败返回0
3. 1 - ...：反转状态，1代表健康，0代表不健康
4. [5d:1s]：以1秒为步长，获取过去5天内的所有状态样本（确保每个时间点都被统计）
5. sum_over_time(...)：累加所有健康状态的秒数（因为健康时每个样本值为1，累加结果就是健康总时长）
6. /(5*24*3600)：除以5天的总秒数（5×24×3600=432000秒）
7. *100：转换为百分比格式

Grafana面板设置 #

1. 面板类型选择Singlestat
2. 在「Options」标签页：
   • 单位选择「Percent (%)」
   • 可以设置阈值（比如99%以上显示绿色，95%-99%黄色，低于95%红色）
3. 确保查询的时间范围设置为「Last 5d」（或者和查询中的5d保持一致）

为什么你之前的查询报错？ #

你之前的(1 - clamp_max(...))[5d]只是获取了过去5天的时间序列数据，但Singlestat面板需要一个单一数值，而不是一组时间点的数据。sum_over_time函数正好帮我们把时间序列聚合为一个总时长数值，再通过计算得到百分比。

内容的提问来源于stack exchange，提问作者feob