为什么在 Prometheus 中使用 irate 或 rate 计算 CPU 利用率？

Question

我知道 CPU 利用率是由非空闲时间占 CPU 总时间的百分比给出的。在普罗米修斯，rate或irate函数计算向量数组的变化率。

人们通常通过以下 PromQL 表达式来计算 CPU 利用率：

(100 - (avg by (instance) (rate(node_cpu_seconds_total{mode="idle"}[1m])) * 100))

我不明白计算非空闲时间的每秒变化如何等同于计算 CPU 使用率。有人可以从数学上解释为什么这是有道理的吗？

Answer 1

这里有几件事情需要解开。

首先，ratevs irate。链接的问题和博客文章都没有解决这个问题（但Eitan 的回答确实涉及它）。不同之处在于rate估计请求范围内的平均速率（在您的情况下为 1 分钟），而irate仅根据最后 2 个样本计算速率。撇开“估计”部分（如果您好奇，请参阅此答案），两者之间的实际区别在于rate将平滑结果，而irate将返回 CPU 使用率的样本，这更有可能显示 CPU 使用率的极端情况但也更容易出现锯齿。

例如，如果您查看 Prometheus 的 CPU 使用率，您会注意到它处于某种恒定的基线，每次评估大型规则组时都会出现峰值。给定至少与 Prometheus 的评估间隔一样长的时间范围，如果您使用过，rate您会随着时间的推移或多或少地获得恒定的 CPU 使用率（即一条平线）。使用irate（假设刮擦间隔为5s），您将获得以下两件事之一：

1. 如果您的分辨率（即步骤）与 Prometheus 的评估间隔不一致（例如分辨率是1m并且评估间隔是13s），您将获得 CPU 使用率的随机抽样，并希望看到接近最高和最低 CPU 使用率的值随着时间的推移在图表上；
2. 如果您的分辨率与 Prometheus 的评估间隔（例如1m分辨率和15s评估间隔）一致，那么您要么在各处看到基线 CPU 使用率（因为您碰巧看到5s间隔设置为 1 分钟，当没有规则评估发生时）或峰值无处不在的 CPU 使用率（因为您碰巧看到5s间隔 1 分钟，每个间隔都涵盖规则评估）。

关于第二点，对node_cpu_seconds_total度量代表什么的明显混淆，它是一个counter。这意味着它是一个连续递增的数字，主要测量自导出器启动以来 CPU 空闲的时间。绝对值并不是那么有用（因为它取决于导出器的启动时间，并且在每次重新启动时都会降至 0）。关于它的有趣之处在于它在一段时间内增加了多少：从中您可以计算出在给定时间段内每秒的增加率（平均，与rate; 即时，与irate）或绝对增加（与increase）。所以两者rate(node_cpu_seconds_total{mode="idle"}[1m])和irate(node_cpu_seconds_total{mode="idle"}[1m])都会给你一个比率（之间0.0和1.0) CPU 空闲的时间（在过去一分钟内，分别在最后 2 个样本之间）。