rate 为什么不给整数，le 为什么不能丢

一句话总结

PromQL 中最常犯的两个错误，是在 sum 之后使用 rate，以及计算分位数时丢掉 le。二者都不会报错，还会返回看似合理的数字，因此可能在仪表板里存活数月。

为什么需要它

计数器直接绘制只会得到一条向右上方延伸的直线，没有任何信息，因此要用 rate 查看每秒增长率。但 rate 并不是简单除法，而会进行外推（extrapolation）。它先计算范围内第一个和最后一个样本的差，再按样本与范围边界之间的距离成比例扩展。因此 increase 会返回 3.4 这样的值，即使错误实际上恰好发生了 3 次。这不是错误，而是定义如此；需要“准确 N 次”的计算不应使用它。

工作原理

rate 的三个陷阱

第一，窗口相对于抓取间隔不能太窄。rate 至少需要窗口内有两个样本才能给出结果。如果抓取间隔为 15 秒、窗口为 20 秒，有些时刻窗口中只有一个样本，结果就会为空；图表上表现为缺口，告警中则表现为“条件不成立”。经验法则是窗口 ≥ 抓取间隔 × 4，告警使用至少 5 分钟。

第二，顺序。

# 틀림 — 카운터를 먼저 더하면 파드 재시작(리셋)이 감지되지 않는다
rate(sum(http_requests_total) by (route)[5m:])

# 맞음 — rate 를 먼저, 집계는 그다음
sum(rate(http_requests_total[5m])) by (route)

计数器重置校正只有在单条时间序列上才准确。如果一个 Pod 重启后降为 0，合计后看起来只像“总量稍有下降”，无法识别为重置。结果是请求率低于实际值，而且每次部署看起来都像流量减少。

第三，irate 只查看最后两个样本。它适合在仪表板中观察瞬时反应，但绝不能用于告警，一次噪声就会触发。

lookback delta 与 staleness

即时向量选择器会从求值时刻 T 向过去最多查找 5 分钟（默认 lookback delta），并使用最近的样本。这就是为什么 T 时刻不必恰好存在样本。但如果期间出现 stale marker，该时间序列会从结果中移除。

histogram_quantile 的线性插值

le="1"     누적 9812
le="2.5"   누적 9993
목표 = 0.99 × 10000 = 9900

추정 = 1.0 + (9900 - 9812) / (9993 - 9812) × (2.5 - 1.0) = 1.729초

结果会得到看似精确的 1.729 秒，但没人知道这个桶里的 181 个请求实际分布在哪里。它们可能全部为 1.05 秒，也可能全部为 2.4 秒。由此得出三条实务规则：设置与 SLO 阈值完全相同的桶边界；在关注区间设置更密集的边界；让最上方的有限桶大于实际超时时间。如果 p99 超出最后一个有限边界，函数会固定返回该边界值，无法看出情况究竟有多糟。

聚合时必须保留 le。

# 틀림 — le 를 버리면 버킷이 뭉개져 의미 없는 숫자가 나온다
histogram_quantile(0.99, sum(rate(http_request_duration_seconds_bucket[5m])) by (route))

# 맞음
histogram_quantile(0.99, sum(rate(http_request_duration_seconds_bucket[5m])) by (le, route))

同理，avg(histogram_quantile(...)) 也是错误的。不要对分位数取平均，而应先合并桶计数，再在其上计算分位数。

考试偏爱的其他要点

元素	核心
offset / @	指定相对偏移／绝对 epoch 时刻
bool	将比较结果变成 0、1，而不是用于过滤
on / ignoring	指定二元运算的匹配标签
group_left / group_right	允许多对一、一对多匹配
unless	从左侧移除与右侧匹配的时间序列
子查询	expr[30m:1m]——范围:分辨率
predict_linear	对仪表做线性回归外推，用于容量告警
absent	时间序列不存在时返回 1

现场会遇到的情况

家庭实验室仪表板中存活最久的错误，是遗漏 by (le。它会返回值，图表也能画出来，甚至走势看起来很合理。发现它只有一种办法：搜索所有包含 histogram_quantile 的查询，逐一目视确认聚合子句中是否包含 le。大多数团队都会漏掉至少一个。

基数事故通常在部署后立刻呈阶梯状出现。绘制 prometheus_tsdb_head_series，再与部署时间重叠，就能立即找到原因提交。至于哪个指标是罪魁祸首，一条 topk(10, count by (__name__)({__name__=~".+"})) 就能找出。

下一实验要做什么

在 /root/pca-promql/ 下把八条查询分别写入文件：按路由统计的请求率与错误率、正确保留 le 的 p99、基数诊断、使用 predict_linear 的磁盘预测、在低流量下防止幽灵告警的 AND 门、结合 up 和 absent 的抓取健康检查，以及最后把两个窗口以 AND 连接的燃烧率表达式。评分采用字符串匹配，因此请准确使用题目指定的指标名称和窗口。