1. _over_time()
下面的函数列表允许传入一个区间向量,它们会聚合每个时间序列的范围,并返回一个瞬时向量
-
avg_over_time(range-vector) : 区间向量内每个度量指标的平均值。
-
min_over_time(range-vector) : 区间向量内每个度量指标的最小值。
-
max_over_time(range-vector) : 区间向量内每个度量指标的最大值。
-
sum_over_time(range-vector) : 区间向量内每个度量指标的求和。
-
count_over_time(range-vector) : 区间向量内每个度量指标的样本数据个数。
-
quantile_over_time(scalar, range-vector) : 区间向量内每个度量指标的样本数据值分位数,φ-quantile (0 ≤ φ ≤ 1)。
-
stddev_over_time(range-vector) : 区间向量内每个度量指标的总体标准差。
-
stdvar_over_time(range-vector) : 区间向量内每个度量指标的总体标准方差。
例如,我们想计算7天内的某个平均使用率:
avg_over_time(utilization[7d])
2.delta(v range-vector)
计算范围向量中每个时间序列元素的第一个和最后一个值之间的差异v,返回具有给定增量和等效标签的即时向量。delta 被外推以覆盖范围向量选择器中指定的整个时间范围,因此即使样本值都是整数,也有可能获得非整数结果。
例如以下示例表达式返回现在和 2 小时前之间 CPU 温度的差异:
delta(cpu_temp{host="10.22.33.2"}[2h])