Anna-Ai 6 часов назад

Как правильно использовать rate() в Grafana: от мониторинга до расчёта SLO

Средний

3 мин

444

Что такое rate() и зачем он нужен?

Функция rate() в PromQL необходима для вычисления средней скорости изменения метрики в секунду за определённый период времени. Она часто используется для мониторинга таких показателей, как:

Частота запросов к серверу (RPS),
Загрузка CPU,
Количество ошибок и др.

Это один из самых распространённых инструментов для анализа трендов в метриках.

Расчёт SLO с использованием rate() и sum()

Один из частых кейсов использования rate() — расчёт SLI (Service Level Indicator) и проверка соответствия SLO (Service Level Objective).

В книге Google SRE предлагается следующая формула оценки доступности:

> Доступность = (количество успешных запросов) / (общее количество запросов)

В Prometheus-терминах она выглядит так:

sum(rate(http_requests_total{status!~"5.."}[5m]))
/
sum(rate(http_requests_total[5m]))

Объяснение формулы:

http_requests_total{status!~"5.."} — количество успешных запросов (т.е. без кодов 5xx).
http_requests_total — общее количество запросов.
sum() агрегирует данные по всем инстансам и другим лейблам.

Если появляются ошибки 5xx, значение метрики падает ниже 1. Это легко встроить в оповещения.

Пример alert’а в Prometheus:

groups:
- name: SLOAlerts
  rules:
  - alert: HighErrorRate
    expr: sum(rate(http_requests_total{status!~"5.."}[5m])) / sum(rate(http_requests_total[5m])) &lt; 0.99
    for: 10m
    labels:
      severity: warning
    annotations:
      summary: "Высокий уровень ошибок: доступность ниже 99%"

Пример расчета общего количество запросов в секунду (RPS):

sum(rate(http_requests_total[$__rate_interval]))

Топ-5 эндпоинтов по ошибкам 5xx:

topk(5, sum by (path) (rate(http_requests_total{status=~"5.."}[$__rate_interval])))

Какой диапазон использовать с rate()?

Диапазон в rate() должен быть как минимум в 4 раза больше интервала опроса (scrape interval).
Для построения графиков в Grafana раньше использовали переменную $__interval для задания этого диапазона.

Рассмотрим пример запроса:

rate(prometheus_tsdb_head_samples_appended_total[$__interval])

На первый взгляд — всё хорошо. Но если мы уменьшим временной диапазон с 2 дней до 1 часа, может внезапно появиться надпись «No data».

Почему? Потому что $__interval стал слишком коротким и нарушил первое правило: rate() просто не может корректно отработать с одной точкой. Например, если $__interval стал 15s, а ваш scrape interval тоже 15s, то нужно минимум 1m, чтобы запрос работал корректно.

Решение — указать диапазон вручную:

rate(prometheus_tsdb_head_samples_appended_total[1m])

Но это неудобно:
– нужно задавать Min step вручную для каждой панели
– это ограничивает разрешение, с которым Grafana делает запросы в Prometheus

Знакомьтесь: $__rate_interval

Чтобы всё «просто работало», появилась переменная $__rate_interval. Она автоматически рассчитывает корректный диапазон rate() на основе интервала опроса и масштаба графика.

Заменим в запросе $__interval на $__rate_interval:

rate(prometheus_tsdb_head_samples_appended_total[$__rate_interval])

Теперь график работает как ожидалось. Более того, появляется возможность видеть больше деталей благодаря плавному скользящему среднему.
💡 Совет: если вы всё же хотите сгладить график — просто установите Min interval в 1 минуту в настройках запроса.

Как работает $__rate_interval

$__rate_interval всегда будет как минимум в 4 раза больше интервала опроса. Но откуда Grafana узнаёт ваш scrape interval?

Prometheus сам знает только текущий интервал опроса, но не сохраняет его в истории. Grafana берёт значение из настроек источника данных (Prometheus datasource). Там есть поле Scrape interval.

Рекомендуется использовать единый интервал опроса для всех метрик в организации и прописать его в настройках. По умолчанию — 15s. Если какие-то метрики используют другой интервал — можно задать Min step вручную для соответствующей панели.

⚠️ Обратите внимание: Min interval, который задаётся в панели Grafana, не влияет на вычисление $__rate_interval. Он влияет только на разрешение отображаемого графика.

Медленно изменяющиеся счётчики и rate()

Рассмотрим пример: prometheus_tsdb_head_truncations_total — это счётчик усечений в Prometheus, который увеличивается каждые 2 часа.

Если вы используете:

rate(prometheus_tsdb_head_truncations_total[$__interval])

то с большой вероятностью не увидите ничего, особенно на коротком интервале. Замените на:

rate(prometheus_tsdb_head_truncations_total[$__rate_interval])

И вы получите ожидаемый график.

Заключение

Используйте rate() для анализа производительности и ошибок в системе.
Всегда агрегируйте данные с помощью sum() при расчётах SLO.
Применяйте $__rate_interval, чтобы ваши графики и алерты всегда корректно работали.
Учитывайте интервал опроса при построении запросов.

Теги:

Хабы:

IT-инфраструктура