Prometheus 如何在普罗米修斯预测中使用预测

我对普罗米修斯还很陌生

我试图预测节点1和节点2上未来5小时的cpu使用情况

我的代码是

'''

''' 由于cpu_的使用包括两个节点，当我使用上面的等式时，我得到了两个预测结果，我不想要它

因此，我通过添加 '''

''' 我不确定这是不是正确的方式。我阅读了文件，其中提到predic_linear仅适用于仪表

---

多谢各位，

主动监控实际上并不适用于cpu。它更倾向于耗尽系统资源，如内存或驱动器空间。如果100%的cpu使用率并不意味着应用程序存在性能问题，那么它就没有问题

如果您确实有一些基准测试显示cpu不应该达到100%，那么它是基于反应的：如果cpu在给定的时间内停留在100%的cpu，您希望收到警报

关于你的问题，一个基于5分钟数据的预测未来5小时的预测将会非常嘈杂。应用程序在几分钟（甚至几十分钟）内增加消耗并不罕见。此外，即使应用程序内存使用的形状是一个完美的步骤，

predic_linear（）

函数使用线性回归a将计算步骤底部和顶部（在某个点）的平均速率

如果加上5个小时，这个小的消耗率将很快增加。例如，如果将节点配置为中等大小（4GiB），并且在t0时内存消耗接近0，则未检测到内存中断的最大速率将为

4*Gi/（5*60）=~13MB/min

。如果你注意到这一点，就会有大量的假阳性

我发现：

• 增加测量数据的范围（经验法则~20%或25%的插值时间，因此5h预测为1h）
• 调整规则中的

  for

  子句以减少误报
• 增加对电流消耗的限制：如果电流水平低于60%，则检测到的中断可能不是真实的

最后，你的问题有很多要点：

• 计算cpu总量：您更愿意计算平均值，它给出了总体cpu使用率——我从未发现这一点特别有用，因为应用程序可能被卡在cpu上，并且cpu有限
• 两个预测结果：我希望这是您想要的，每个cpu都应该单独发出警报
• predict_linear仅适用于gauge：它可以应用于计数器，但正如本答案开头所述，它更适用于资源耗尽，您不会使用计数器测量资源

---

主动监控实际上并不适用于cpu。它更倾向于耗尽系统资源，如内存或驱动器空间。如果100%的cpu使用率并不意味着应用程序存在性能问题，那么它就没有问题

如果您确实有一些基准测试显示cpu不应该达到100%，那么它是基于反应的：如果cpu在给定的时间内停留在100%的cpu，您希望收到警报

关于你的问题，一个基于5分钟数据的预测未来5小时的预测将会非常嘈杂。应用程序在几分钟（甚至几十分钟）内增加消耗并不罕见。此外，即使应用程序内存使用的形状是一个完美的步骤，

predic_linear（）

函数使用线性回归a将计算步骤底部和顶部（在某个点）的平均速率

如果加上5个小时，这个小的消耗率将很快增加。例如，如果将节点配置为中等大小（4GiB），并且在t0时内存消耗接近0，则未检测到内存中断的最大速率将为

4*Gi/（5*60）=~13MB/min

。如果你注意到这一点，就会有大量的假阳性

我发现：

• 增加测量数据的范围（经验法则~20%或25%的插值时间，因此5h预测为1h）
• 调整规则中的

  for

  子句以减少误报
• 增加对电流消耗的限制：如果电流水平低于60%，则检测到的中断可能不是真实的

最后，你的问题有很多要点：

• 计算cpu总量：您更愿意计算平均值，它给出了总体cpu使用率——我从未发现这一点特别有用，因为应用程序可能被卡在cpu上，并且cpu有限
• 两个预测结果：我希望这是您想要的，每个cpu都应该单独发出警报
• predict_linear仅适用于gauge：它可以应用于计数器，但正如本答案开头所述，它更适用于资源耗尽，您不会使用计数器测量资源

---

非常感谢Michael。非常有帮助。非常感谢Michael。非常有帮助。

    predict_linear(cpu_usage[5m],5*3600)

    sum(predict_linear(cpu_usage[5m],5*3600)).