Prometheus数据模型以及PromQL实战（Rocky9 直接复制跑）
一、先确认 PromQL 4 种数据类型
- Counter 只增不减（请求数、CPU 时间）
- Gauge 可增可减（内存、CPU 使用率、连接数）
- Histogram 分桶统计（延迟分布）
- Summary 客户端分位数（平均、总量）
二、最常用 PromQL 语句（直接在页面执行）
打开你的 Prometheus：http://192.168.52.130:9090
1）瞬时向量（最基础）
node_load1node_memory_MemAvailable_bytesdocker_container_cpu_usage_seconds_total
2）区间向量（看一段时间）
node_load1[1m]node_memory_MemAvailable_bytes[5m]
3）rate /irate 使用率（最常用画图）
CPU 使用率：
100 - (avg(irate(node_cpu_seconds_total{mode="idle"}[1m])) * 100)内存使用率：
100 - (node_memory_MemAvailable_bytes / node_memory_MemTotal_bytes * 100)
4）sum 聚合
sum(rate(node_cpu_seconds_total[1m])) by (instance)
5）topk 取最高
topk(3, node_memory_MemAvailable_bytes)
6）histogram 直方图（延迟）
histogram_quantile(0.95, sum(rate(http_request_duration_seconds_bucket[1m])) by (le))三、标准：3 个必做查询
1）查看当前主机 CPU 使用率
100 - (avg(irate(node_cpu_seconds_total{mode="idle"}[1m])) * 100)2）查看内存可用百分比
node_memory_MemAvailable_bytes / node_memory_MemTotal_bytes * 1003）查看容器 CPU 使用率
sum(rate(container_cpu_usage_seconds_total[1m])) by (name)四、Grafana 出图（可视化）
导入这两个 ID ：
- 主机监控：8919
- Docker 容器：10619
五、完成验证
- Prometheus 页面能执行 PromQL
- 能看到 Counter/Gauge 数据
- Grafana 能出曲线图
