需求

数据输入为 counter 类型的指标 demo_tasks__count​

实现方式：increase(...)​ 函数计算某个时段的增量，如 increase(demo_tasks__count[5m])​ 计算 5min 内的增量，且会处理 counter 置零的场景

问题

​increase() ​函数计算结果经常为小数，且与实际该时段内的任务增量不同

初步调研

Prometheus 做 rate 计算时会进行外推 extrapolation，导致出现小数

见讨论：

• https://stackoverflow.com/questions/38665904/why-does-increase-return-a-value-of-1-33-in-prometheus
• https://groups.google.com/g/prometheus-users/c/_aK7im7elUs
• https://groups.google.com/g/prometheus-users/c/qmutsg1c55g

Prometheus 官方专门写了一篇 blog 解释 rate 的计算过程，值得仔细阅读：Blog - How Exactly Does PromQL Calculate Rates?

Take-away

1. Prometheus 进行 rate 计算时会进行外推 extrapolation，产生小数
2. Prometheus PromQL 当前不适合进行整数类的数据统计，如一段时间的请求数、任务数，Victoria Metrics 可以

尝试解决方案

从邮件组讨论中得到一个神秘公式 https://groups.google.com/g/prometheus-users/c/DhoigmwGx5Q/m/5s3My1EzBAAJ

​increase(metric[5m + scrape_interval]) * 5m / (5m + scrape_interval)​​​​

套用在现有的数据里测试，发现可以工作！

为什么该公式可以工作

​increase(metric[5m + scrape_interval]) * 5m / (5m + scrape_interval)​

1. 先看 Prometheus 的 rate 计算过程 Blog - How Exactly Does PromQL Calculate Rates?

   为了得到区间内的数值增量，一个简单的想法是 increase(metric[5m]) / 5m * (5m - scrape_interval)​​​

2. 但 increase(metric[5m]) / 5m * (5m - scrape_interval)​​​有致命性问题，也是 Prometheus 试图通过外推去弥补的：丢失区间中的差值

   ​​

3. 我们需要算出来的是当前区间及之前的 1 个 datapoint 的差值！这也正是 Victoria Metrics increase 的实现方案

   通过加上 1 个 scape_interval metric[5m + scrape_interval]​​​，可以涵盖区间前一个点，于是产生了公式 increase(metric[5m + scrape_interval]) * 5m / (5m + scrape_interval)​​​

   ​5m​ ​指 step interval

4. 还有遗漏的地方吗？extrapolation 的两类特殊情况，这两种情况是否影响该公式的准确性？

   1. 指标在 time window 内开始或结束：the extrapolation only extends half an average sample interval toward the window boundary
   2. 负值不会外推：extrapolation only happens until the expected 0​​​ value is hit

扩展阅读

1. 为什么 Victoria Metrics 的 increase 可以得到整数 VictoriaMetrics: PromQL compliance - Roman Khavronenko - Medium
2. Design doc: Prometheus x-rate - Extended rate(), increase() and delta()

‍

‍

‍