abs() 返回输入向量的所有样本的绝对值。
absent() 缺席,如果传递给它的向量参数具有样本数据,则返回空向量;如果传递的向量参数没有样本数据,则返回不带度量指标名称且带有标签的时间序列,且样本值为1。
ceil() 将 v 中所有元素的样本值向上四舍五入到最接近的整数
floor() 函数与 ceil() 函数相反,将 v 中所有元素的样本值向下四舍五入到最接近的整数。
round() 函数与 ceil 和 floor 函数类似,返回向量中所有样本值的最接近的整数。to_nearest 参数是可选的,默认为 1,表示样本返回的是最接近 1 的整数倍的值。你也可以将该参数指定为任意值(也可以是小数),表示样本返回的是最接近它的整数倍的值。
changes() 输入一个区间向量, 返回这个区间向量内每个样本数据值变化的次数(瞬时向量)。
clamp_max() 输入一个瞬时向量和最大值,样本数据值若大于 max,则改为 max,否则不变。
clamp_min() 输入一个瞬时向量和最小值,样本数据值若小于 min,则改为 min,否则不变。
day_of_month() 返回被给定 UTC 时间所在月的第几天。返回值范围:1~31。
day_of_week() 返回被给定 UTC 时间所在周的第几天。返回值范围:0~6,0 表示星期天。
days_in_month() 返回当月一共有多少天。返回值范围:28~31。
delta() 它计算一个区间向量 v 的第一个元素和最后一个元素之间的差值。由于这个值被外推到指定的整个时间范围,所以即使样本值都是整数,你仍然可能会得到一个非整数值。
idelta() 它计算最新的 2 个样本值之间的差值。这个函数一般只用在 Gauge 类型的时间序列上。
deriv() 它使用简单的线性回归计算区间向量 v 中各个时间序列的导数。 这个函数一般只用在 Gauge 类型的时间序列上。
exp() 输入一个瞬时向量,返回各个样本值的 e 的指数值,即 e 的 N 次方。当 N 的值足够大时会返回 +Inf
histogram_quantile() 从 bucket 类型的向量 b 中计算 φ (0 ≤ φ ≤ 1) 分位数(百分位数的一般形式)的样本的最大值。(有关 φ 分位数的详细说明以及直方图指标类型的使用,请参阅直方图和摘要)。向量 b 中的样本是每个 bucket 的采样点数量。每个样本的 labels 中必须要有 le 这个 label 来表示每个 bucket 的上边界,没有 le 标签的样本会被忽略。直方图指标类型自动提供带有 _bucket 后缀和相应标签的时间序列。 可以使用 rate() 函数来指定分位数计算的时间窗口。
holt_winters() 函数基于区间向量 v,生成时间序列数据平滑值。平滑因子 sf 越低, 对旧数据的重视程度越高。趋势因子 tf 越高,对数据的趋势的考虑就越多。其中,0< sf, tf <=1。 holt_winters 仅适用于 Gauge 类型的时间序列。
hour() 函数返回被给定 UTC 时间的当前第几个小时,时间范围:0~23。
minute() 函数返回给定 UTC 时间当前小时的第多少分钟。结果范围:0~59。
month() 函数返回给定 UTC 时间当前属于第几个月,结果范围:0~12。
year() 函数返回被给定 UTC 时间的当前年份。
increase() 函数获取区间向量中的第一个和最后一个样本并返回其增长量, 它会在单调性发生变化时(如由于采样目标重启引起的计数器复位)自动中断。由于这个值被外推到指定的整个时间范围,所以即使样本值都是整数,你仍然可能会得到一个非整数值。
irate() 函数用于计算区间向量的增长率,但是其反应出的是瞬时增长率。irate 函数是通过区间向量中最后两个两本数据来计算区间向量的增长速率,它会在单调性发生变化时(如由于采样目标重启引起的计数器复位)自动中断。这种方式可以避免在时间窗口范围内的“长尾问题”,并且体现出更好的灵敏度,通过irate函数绘制的图标能够更好的反应样本数据的瞬时变化状态。
rate() 函数可以直接计算区间向量 v 在时间窗口内平均增长速率,它会在单调性发生变化时(如由于采样目标重启引起的计数器复位)自动中断。该函数的返回结果不带有度量指标,只有标签列表。
label_join() 可以将时间序列 v 中多个标签 src_label 的值,通过 separator 作为连接符写入到一个新的标签 dst_label 中。可以有多个 src_label 标签。
label_replace() 该函数会依次对 v 中的每一条时间序列进行处理,通过 regex 匹配 src_label 的值,并将匹配部分 relacement 写入到 dst_label 标签中。
log2() 函数计算瞬时向量 v 中所有样本数据的二进制对数。
ln() 计算瞬时向量 v 中所有样本数据的自然对数。
log10() 计算瞬时向量 v 中所有样本数据的十进制对数
predict_linear() 函数可以预测时间序列 v 在 t 秒后的值。它基于简单线性回归的方式,对时间窗口内的样本数据进行统计,从而可以对时间序列的变化趋势做出预测。该函数的返回结果不带有度量指标,只有标签列表。
resets() 对于每个时间序列,它都返回一个计数器重置的次数。两个连续样本之间的值的减少被认为是一次计数器重置。这个函数一般只用在计数器类型的时间序列上。
scalar() 函数的参数是一个单元素的瞬时向量,它返回其唯一的时间序列的值作为一个标量。如果度量指标的样本数量大于 1 或者等于 0, 则返回 NaN。
sort() 函数对向量按元素的值进行升序排序,返回结果:key: value = 度量指标:样本值[升序排列]。
sort_desc() 函数对向量按元素的值进行降序排序,返回结果:key: value = 度量指标:样本值[降序排列]。
sqrt() 函数计算向量 v 中所有元素的平方根。
time() 函数返回从 1970-01-01 到现在的秒数。注意:它不是直接返回当前时间,而是时间戳
timestamp() 函数返回向量 v 中的每个样本的时间戳(从 1970-01-01 到现在的秒数)。 该函数从 Prometheus 2.0 版本开始引入。
vector() 函数将标量 s 作为没有标签的向量返回,即返回结果为:key: value= {}, s。

发表回复

您的电子邮箱地址不会被公开。

Captcha Code