В мире мониторинга и наблюдения Grafana и Prometheus — два мощных инструмента, предоставляющих широкие возможности для сбора, хранения и визуализации данных временных рядов. Одним из фундаментальных требований при анализе данных временных рядов является их агрегирование во времени. В этой статье мы рассмотрим различные методы агрегирования данных с течением времени с помощью Grafana и Prometheus, а также приведем примеры кода, иллюстрирующие каждый подход.

Метод 1: использование встроенных агрегатов Grafana
Grafana предоставляет несколько встроенных функций агрегатирования, которые позволяют суммировать и агрегировать данные временных рядов. К этим функциям относятся sum(), avg(), min(), max() и count(). Вот пример использования функции avg() для расчета среднего значения за определенный диапазон времени:

avg_over_time(metric_name{label="value"}[5m])

Метод 2: использование векторных функций диапазона Prometheus
Prometheus предлагает ряд мощных функций для агрегирования данных с течением времени, называемых функциями вектора диапазона. Эти функции работают с данными в пределах указанного диапазона времени. Одной из часто используемых векторных функций диапазона является функцияrate(), которая вычисляет среднюю скорость увеличения или уменьшения показателя в секунду. Вот пример:

rate(metric_name[5m])

Метод 3: применение оконных функций
Оконные функции позволяют определить скользящее временное окно, в течение которого агрегируются данные. Grafana поддерживает оконные функции с помощью параметра offset. Например, чтобы вычислить сумму значений за скользящий период в 10 минут, вы можете использовать следующий запрос:

sum_over_time(metric_name[10m] offset 5m)

Метод 4: использование подзапросов
Подзапросы — это мощная функция Prometheus, позволяющая выполнять сложные агрегаты. Вы можете использовать подзапросы для расчета агрегатов на основе предварительно агрегированных данных. Вот пример использования подзапроса для вычисления суммы значений за 5-минутный интервал:

sum(metric_name[5m]) > sum(metric_name[10m])

Агрегирование данных временных рядов имеет решающее значение для получения ценной информации и понимания тенденций в области мониторинга и наблюдения. В этой статье мы рассмотрели несколько методов выполнения агрегации по времени с использованием Grafana и Prometheus. Используя встроенные функции, функции вектора диапазона, оконные функции и подзапросы, вы можете извлечь ценную информацию из данных временных рядов. Поэкспериментируйте с этими методами и выберите тот, который лучше всего подходит для вашего конкретного случая использования, чтобы получить более глубокое понимание ваших показателей.