Prometheus 普罗米修斯如何优雅地避免被零除

有时需要将一个度量除以另一个度量

例如，我想计算这样的平均延迟：

rate({__name__="hystrix_command_latency_total_seconds_sum"}[60s])
/
rate({__name__="hystrix_command_latency_total_seconds_count"}[60s])

avg(
    1000 * increase({__name__=~".*_hystrix_command_latency_total_seconds_sum", command_group=~"$commandGroup", command_name=~"$commandName", job=~"$service", instance=~"$instance"}[60s])
    /
    (increase({__name__=~".*_hystrix_command_latency_total_seconds_count", command_group=~"$commandGroup", command_name=~"$commandName", job=~"$service", instance=~"$instance"}[60s]) > 0)
    or
    increase({__name__=~".*_hystrix_command_latency_total_seconds_count", command_group=~"$commandGroup", command_name=~"$commandName", job=~"$service", instance=~"$instance"}[60s]) > bool 0
) by (command_group, command_name)

如果在指定的时间段内没有活动，则除法器中的

rate（）

变为

0

，除法结果变为

NaN

。 如果我对结果进行一些聚合（

avg（）

或

sum（）

或其他什么），整个聚合结果将变成

NaN

因此，我在除法器中添加了一个零检查：

rate({__name__="hystrix_command_latency_total_seconds_sum"}[60s])
/
(rate({__name__="hystrix_command_latency_total_seconds_count"}[60s]) > 0)

这将从结果向量中删除

NaN

s。也会把图表上的线撕成碎片

让我们用

0

值标记不活动的时段，以使图形再次连续：

rate({__name__="hystrix_command_latency_total_seconds_sum"}[60s])
/
(rate({__name__="hystrix_command_latency_total_seconds_count"}[60s]) > 0)
or
rate({__name__="hystrix_command_latency_total_seconds_count"}[60s]) > bool 0

这有效地将

NaN

s替换为

0

，图形是连续的，聚合工作正常

但结果查询有点麻烦，尤其是当您需要对结果进行更多的标签过滤和聚合时。诸如此类：

rate({__name__="hystrix_command_latency_total_seconds_sum"}[60s])
/
rate({__name__="hystrix_command_latency_total_seconds_count"}[60s])

avg(
    1000 * increase({__name__=~".*_hystrix_command_latency_total_seconds_sum", command_group=~"$commandGroup", command_name=~"$commandName", job=~"$service", instance=~"$instance"}[60s])
    /
    (increase({__name__=~".*_hystrix_command_latency_total_seconds_count", command_group=~"$commandGroup", command_name=~"$commandName", job=~"$service", instance=~"$instance"}[60s]) > 0)
    or
    increase({__name__=~".*_hystrix_command_latency_total_seconds_count", command_group=~"$commandGroup", command_name=~"$commandName", job=~"$service", instance=~"$instance"}[60s]) > bool 0
) by (command_group, command_name)

长话短说：有没有更简单的方法来处理除法器中的零？还是有什么常见的做法

如果在指定的时间段内没有活动，则除法器中的rate（）变为0，除法结果变为NaN

这是正确的行为，NaN是你想要的结果

聚合工作正常

你不能合计比率。您需要分别聚合分子和分母，然后进行除法

因此：

---

最后，我为我的具体问题找到了一个解决方案：

零偏差导致NaN显示——这是技术结果，正确，但不是用户希望看到的（不满足业务要求）

所以我搜索了一下，找到了我在grafana社区的问题的“解决方案”：

用

max（PROLEMATIC\u查询或向量（-1））

包围有问题的值。然后，一个附加值映射将产生一个有用的输出

（当然，您必须根据您的问题调整解决方案…最小/最大…向量（42）/向量（101）/向量（…）

更新（1）

---

好的。然而。基于查询，这似乎有点棘手。例如，我有另一个查询，由于除法为零，NaN的查询失败。上述解决方案不起作用。我不得不用括号括住查询，并根据@eventhorizen的答案添加了

>0或on（）vector（100）

，如果您将查询作为分母，有时可能返回零，那么它可能会弄乱图形，并在没有数据的情况下显示无穷大，您可以将结果限制在有效范围内

例如，该度量的输出应介于0和1之间，但在没有数据时也会产生无穷大：

（1/增加（有时为零查询[1m]）

在本例中，您可以编写此代码，因此它显示的是

0

，而不是大于

100

的值：

---

max（（1/增加（有时是零查询[1m]）谢谢！我明白你的意思了。实际上，我希望我忽略了像
ifNaN（，默认值\u标量）这样的东西
替换向量中所有的
NaN
s，或者某种语言构造以这种方式运行，有人会告诉我。您的变体看起来很好，但仍然需要像
sum（…）/（sum（…）>0）或sum（…）>bool 0那样编写，以防除法器中的和因特定原因变为0（command_group，command_name）标签组合。此处不应使用
>0进行筛选，因为它会导致时间序列中缺少样本。NaN是正确的结果，因为这是除以0得到的结果。“它会导致缺少样本”--这就是我添加
或总和（…）>bool 0
查询的一部分，用零来填补空白，表示一些适合我的默认值。不过，这些时间段的延迟不是0，而是NaN。