内容简介：主要代码是在它的前后还有
主要代码是在 https://github.com/prometheus/prometheus/blob/master/promql/functions.go
的 extrapolatedRate
和 funcRate
，funcRate为
func funcRate(vals []parser.Value, args parser.Expressions, enh *EvalNodeHelper) Vector {
return extrapolatedRate(vals, args, enh, true, true)
}
它的前后还有 funcDelta
和 funcIncrease
对应promql的 delta
和 increase
，这俩函数内部都是调用的 extrapolatedRate
，主要区别是通过向 extrapolatedRate
函数传递最后的两个布尔标志位的差异，来在 extrapolatedRate
内部进行差异化计算，也就是说 rate
、 delta
和 increase
的部分数学计算逻辑是一样的。
funcRate
里 extrapolatedRate
最后俩实参格式为 isCounter bool, isRate bool
，所以 rate
只能用在 counter
的 metrics 类型上进行计算。
数据点的选取
先看这段代码
var (
counterCorrection float64
lastValue float64
)
for _, sample := range samples.Points {
if isCounter && sample.V < lastValue {
counterCorrection += lastValue
}
lastValue = sample.V
}
resultValue := lastValue - samples.Points[0].V + counterCorrection
counterCorrection是字面意思修正数值，counter会reset，例如exporter重启了。例如60秒内有下面6数值，在第四个数字后面发生了重置
2小于lastValue 8，所以 counterCorrection = 8
最后的 resultValue = 4 + 8 - 2
，当然，重置的情况很少，这里如果不重置用数据 2 4 6 8 10 12
算就是最后一个值减去第一个值 resultValue = 12 - 2 + 0
计算的算式
是结果除以时间的秒数
if isRate {
resultValue = resultValue / ms.Range.Seconds()
}
对比下irate
// 取最后一个数据点
lastSample := samples.Points[len(samples.Points)-1]
// 取倒数第二个数据点
previousSample := samples.Points[len(samples.Points)-2]
var resultValue float64
if isRate && lastSample.V < previousSample.V {
// counter重置则取最后一个值.
resultValue = lastSample.V
} else {
// 最后一个点数值 - 倒数第二个数值
resultValue = lastSample.V - previousSample.V
}
// 最后两个点的时间间隔
sampledInterval := lastSample.T - previousSample.T
if sampledInterval == 0 {
// Avoid dividing by 0.
return out
}
if isRate {
// 转换成秒，然后结果除以秒数
resultValue /= float64(sampledInterval) / 1000
}
结论
官方文档和市面上的 gitbook 都是把 rate
翻译成增长率是错误的，应该是平均每秒增长了多少数值。按照实践来算下，同时查询 node_time_seconds[1m]
和 rate(node_time_seconds[1m])
。我们手动计算下看看是否和rate的结果一致
$ node_time_seconds[1m]
node_time_seconds{instance="exporter:9100",job="node-resources"}
1596077182.3093214 @1596077182.307 // 第一个点
1596077192.3132203 @1596077192.307
1596077202.311446 @1596077202.307
1596077212.309673 @1596077212.307
1596077222.316771 @1596077222.307
1596077232.3151288 @1596077232.307 // 最后一个点
node_time_seconds{instance="10.0.23.29:9100",job="node-resources"}
1596077178.6314309 @1596077178.633 // 第一个点
1596077188.6312084 @1596077188.633
1596077198.633293 @1596077198.634
1596077208.6332283 @1596077208.634
1596077218.6320524 @1596077218.633
1596077228.635078 @1596077228.633 // 最后一个点
$ rate(node_time_seconds[1m])
{instance="exporter:9100",job="node-resources"} 1.0001161479949952
{instance="10.0.23.29:9100",job="node-resources"} 1.0000729417800902
先用 10.0.23.29
这个 instance 算
(1596077228.635078 - 1596077178.6314309) /
(1596077228.633 - 1596077178.633) // web上的时间是秒数的，go的time是多了三个单位，所以代码里/1000转换成秒
50.003647089 / 50 = 1.00007294178
谷歌搜的在线计算器算的(比windows的calc精度高一些)，由于是float64，所以精度丢失了一些。结果一样。再算下另一个 instance
(1596077232.3151288 - 1596077182.3093214) /
(1596077232.307 - 1596077182.307)
50.0058073997 / 50 = 1.00011614799
increase
是最后一个点-第一个点，不除以秒数。所以在 counter 没发生重置情况下，下面两个是相等的
increase(node_time_seconds[1m]) / 60 == rate(node_time_seconds[1m])
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持 码农网
猜你喜欢:
- 云计算/雾计算/边缘计算/MIST计算算法详细解析
- 《常用算法之智能计算 (五) 》：模糊计算
- 《常用算法之智能计算 (一) 》：智能计算概述
- 《常用算法之智能计算(三)》：机器学习计算
- 《常用算法之智能计算(六)》：群智能计算
- Python 创作音乐: 计算机创作，计算音乐
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
