Comprendre la Correspondance Vectorielle en PromQL

La manipulation des métriques en PromQL peut s’avérer complexe en raison des étiquettes variées des séries temporelles.

Sans une méthode efficace pour aligner ces séries, les analyses peuvent être imprécises, menant à des résultats inexacts.

Cet article explore la correspondance vectorielle en PromQL, une solution puissante pour effectuer des analyses précises en utilisant divers opérateurs.

Table de matière

Correspondance Vectorielle PromQL Requêtes PromLens et PromQL Concepts Clés de l'Analyse PromQL Conclusion sur PromQL et PromLens FAQ Conclusion

Formation Superviser une infrastructure avec Prometheus

Devenez expert dans la supervision d'infrastructures avec Prometheus.

La correspondance vectorielle dans PromQL permet de manipuler et de comparer des métriques en combinant des vecteurs avec différentes étiquettes. Cette fonctionnalité est cruciale pour effectuer des analyses complexes et des calculs qui nécessitent de relier plusieurs séries temporelles tout en respectant des relations spécifiques entre elles.

Correspondance Vectorielle PromQL

Les correspondances vectorielles définissent comment les métriques sont alignées pour effectuer des opérations arithmétiques. Voici les principaux types de correspondance :

One-to-One :Correspondance directe entre deux séries ayant exactement les mêmes étiquettes.
One-to-ManyetMany-to-One :Permet de relier une métrique à plusieurs autres, ou l’inverse, lorsque certaines étiquettes diffèrent.
Opérateurs spécifiques :on: Limite la correspondance à des étiquettes spécifiques.ignoring: Ignore certaines étiquettes pour permettre la correspondance.group_left / group_right: Étend les correspondances pour inclure des séries manquantes ou asymétriques.

Ces opérateurs rendent possible des calculs précis même lorsque les étiquettes des séries temporelles diffèrent partiellement.

Requêtes PromLens et PromQL

Requête simple : apt_upgrades_pending : Nous exécutons la requête suivante :

				
					
 apt_upgrades_pending

Cette requête montre les métriques apt_upgrades_pending disponibles, chacune avec des étiquettes telles que arch, instance, et origin. Ces données révèlent les mises à jour en attente pour différentes sources (Debian et Debian-Security).

Filtrage avec des étiquettes : La requête suivante filtre les métriques en fonction de conditions spécifiques :

				
					
 apt_upgrades_pending{arch="amd64", origin="Debian:11.11/oldstable"}

Calcul complexe avec correspondance vectorielle : Ici, nous combinons les métriques avec un calcul arithmétique :

				
					
 apt_upgrades_pending{arch="amd64", origin="Debian:11.11/oldstable"} * 100 / sum(apt_upgrades_pending{arch="amd64"})

Explication de la requête :

Filtrage : Nous sélectionnons uniquement les métriques pour arch= »amd64″ et origin= »Debian:11.11/oldstable ».

Multiplication : La valeur de chaque série est multipliée par 100.

Division par la somme : Les valeurs sont ensuite divisées par la somme totale de toutes les valeurs correspondant à arch= »amd64″.

Une valeur unique représentant le pourcentage de mises à jour spécifiques pour l’origine Debian:11.11/oldstable par rapport à la totalité des mises à jour pour l’architecture amd64.

Cela permet de visualiser la proportion relative d’une métrique par rapport à un ensemble.

Concepts Clés de l'Analyse PromQL

Concept	Description	Exemple
One-to-One	Correspondance exacte entre deux séries temporelles.	metric_a + metric_b
One-to-Many	Une série correspond à plusieurs autres en fonction d’étiquettes spécifiques.	metric_a * sum(metric_b) by (job)
on	Correspondance basée sur des étiquettes spécifiques.	metric_a + metric_b on (job)
ignoring	Ignore certaines étiquettes pour permettre la correspondance.	metric_a / metric_b ignoring (instance)
group_left	Étend la correspondance pour inclure des séries supplémentaires du côté gauche.	metric_a + metric_b on (job) group_left (instance)
group_right	Étend la correspondance pour inclure des séries supplémentaires du côté droit.	metric_a + metric_b on (job) group_right (region)
Calcul complexe	Combine des opérations arithmétiques avec des correspondances vectorielles.	metric_a{label= »value »} * 100 / sum(metric_b{label= »value »})

Conclusion sur PromQL et PromLens

La correspondance vectorielle dans PromQL est un outil puissant qui permet de manipuler les données métriques avec précision. Elle est essentielle pour relier des séries temporelles ayant des étiquettes différentes ou pour effectuer des calculs avancés. Grâce à des opérateurs comme on, ignoring, group_left, et group_right, les utilisateurs peuvent configurer leurs requêtes pour s’adapter à des cas d’utilisation spécifiques. En combinant ces opérateurs avec des calculs arithmétiques, il devient possible de créer des visualisations et des analyses significatives dans PromLens.

Formez-vous gratuitement avec Alphorm !

Maîtrisez les compétences clés en IT grâce à nos formations gratuites et accélérez votre carrière dès aujourd'hui.

FAQ

Qu'est-ce que la correspondance vectorielle dans PromQL ?

La correspondance vectorielle dans PromQL est une technique qui permet de manipuler et de comparer différentes séries de métriques en utilisant des opérateurs spécifiques. Elle permet d’aligner les métriques en fonction de leurs étiquettes pour effectuer des opérations arithmétiques complexes. Cela inclut des correspondances one-to-one, one-to-many et many-to-one, ainsi que l’utilisation d’opérateurs comme on, ignoring, group_left, et group_right pour des analyses avancées.

Quels sont les types de correspondance vectorielle en PromQL ?

Les types de correspondance vectorielle en PromQL incluent la correspondance one-to-one, où deux séries avec les mêmes étiquettes sont comparées directement, et la correspondance one-to-many ou many-to-one, où une série est associée à plusieurs autres en fonction des étiquettes. Des opérateurs comme on et ignoring permettent de spécifier quelles étiquettes doivent être prises en compte ou ignorées pour la correspondance, tandis que group_left et group_right étendent les correspondances pour inclure des séries asymétriques.

Comment utiliser les opérateurs spécifiques en PromQL ?

Les opérateurs spécifiques en PromQL, tels que on et ignoring, permettent de contrôler précisément la correspondance des métriques. L’opérateur on limite la comparaison à certaines étiquettes, tandis que ignoring ignore certaines étiquettes pour élargir la correspondance. Les opérateurs group_left et group_right permettent d’étendre la correspondance pour inclure des séries supplémentaires, facilitant ainsi des calculs plus complexes et l’analyse des métriques dans PromQL.

Comment exécuter une requête complexe dans PromQL avec PromLens ?

Pour exécuter une requête complexe dans PromQL en utilisant PromLens, commencez par filtrer les métriques en fonction de conditions spécifiques. Ensuite, utilisez des opérateurs arithmétiques pour manipuler les données, comme multiplier les valeurs par un facteur ou diviser par une somme pour obtenir des ratios. Les opérateurs de correspondance vectorielle permettent d’affiner ces calculs en fonction des étiquettes, assurant que la requête s’aligne parfaitement avec l’analyse souhaitée.

Quels avantages offre la correspondance vectorielle en PromQL ?

La correspondance vectorielle en PromQL offre de nombreux avantages, notamment la capacité de manipuler les données métriques avec une grande précision. Elle permet de relier et comparer des séries temporelles aux étiquettes différentes, facilitant ainsi des analyses complexes. En utilisant des opérateurs comme on, ignoring, group_left, et group_right, les utilisateurs peuvent personnaliser leurs requêtes pour répondre à des besoins spécifiques, rendant possible des visualisations et des analyses détaillées dans PromLens.

Conclusion

La correspondance vectorielle en PromQL est essentielle pour analyser des séries temporelles complexes. Quels autres outils utilisez-vous pour optimiser vos analyses de données métriques ?