系统指标和来宾 OS 性能计数器的 PromQL

本文提供了在 Azure Monitor 中使用 PromQL 查询 OpenTelemetry 系统指标以及来宾操作系统性能计数器的指导。 这包括 Azure Monitor 代理或 OpenTelemetry 收集器收集系统级遥测数据的情况。

先决条件

• 使用 OpenTelemetry 指标集合配置的 Azure Monitor 代理
• 接收 OpenTelemetry 来宾 OS 指标的 Azure Monitor 工作区
• 了解 PromQL 在 OpenTelemetry 指标中的最佳实践
• 熟悉 PromQL 基础知识
• 了解系统性能监视概念

系统指标概述

OpenTelemetry 系统指标通过标准化的指标名称和语义约定，提供对客户操作系统性能的全面洞察。

核心系统指标类别

系统指标的推荐 PromQL 查询

CPU

# Dashboarding CPU utilization when query is scoped to a single VM resource
100 * (1 - avg ({"system.cpu.utilization", state="idle"}))

# Dashboarding to identify CPU hotspots across a fleet of VMs, scoped to an AMW, subscription or resource group
topk (5, 100 * (1 - avg by ("Microsoft.resourceid") ({"system.cpu.utilization", state="idle"})))

# Alerting on high CPU utilization, scoped to a single VM
avg_over_time({"system.cpu.utilization"}[5m]) > 0.8

# Dashboarding to identify top 5 CPU-consuming processes by command, scoped to a single VM.
topk(5, sum by ("process.command") ({"process.cpu.utilization"}))

# Identify CPU-bound processes, scoped to a single VM
{"process.cpu.utilization"} > 0.5

内存

# Dashboarding available MB, scoped to a single VM
(sum ({"system.memory.limit"}) - sum ({"system.memory.usage", state="used"})) / (1024 * 1024)

# Alerting on high memory utilization
{"system.memory.utilization", state="used"} > 0.9

磁盘输入输出

# Dashboarding disk total throughput (Bytes/sec), scoped to a single VM. Can be filtered to Read or Write.
sum by (device, direction) rate({"system.disk.io"}[5m]) 

# Dashboarding disk total operations per second, scoped to a single VM. Can be filtered to Read or Write.
sum by (device, direction) rate({"system.disk.operations"}[5m]) 

# Dashboarding top 5 processes by disk operations (read and write), scoped to an AMW, subscription or resource group.
topk(5, sum by ("process.command", direction) (rate({"process.disk.operations"}[5m])))

# Alerting on high disk activity detection, scoped to a single VM.
rate({"system.disk.operations"}[5m]) > 1000

从 KQL 迁移到 PromQL

本部分提供针对系统性能计数器及其 PromQL 等效项的常见 KQL 查询的并行比较。 每个示例都包括一对一迁移和针对 Prometheus 优化的推荐方法。

KQL：每 15 分钟平均 CPU 使用率百分比

Perf 
| where CounterName == "% Processor Time"
| where ObjectName == "Processor"
| summarize avg(CounterValue) by bin(TimeGenerated, 15m), Computer, _ResourceId

PromQL：类似迁移

此查询通过以下方法计算 CPU 利用率，以复制 KQL 的行为：

100 * (
  1 -
  (
    sum by ("Microsoft.resourceid") (rate({"system.cpu.time", state="idle"}[15m])) /
    sum by ("Microsoft.resourceid") (rate({"system.cpu.time"}[15m]))
  )
)

查询参数：

• 步骤： 15m （匹配 KQL 箱大小）

理由： 复制 Windows 的计算方法，并使用相同的时间箱大小，以便直接进行比较。

PromQL：建议的方法

100 * (1 - avg by ("Microsoft.resourceid") ({"system.cpu.utilization", state="idle"})) 

查询参数：

• 步： 1m

理由： 如果您的收集器发出更清洁的 system.cpu.utilization 指标，请使用它。 1 分钟的步骤提供更高分辨率的仪表板和更响应的警报。

KQL：磁盘每秒读取次数超过 5 分钟

Perf
| where ObjectName == "LogicalDisk" and CounterName == "Disk Reads/sec"
| summarize avg(CounterValue) by bin(TimeGenerated, 5m), Computer, _ResourceId

PromQL：类似对等迁移

sum by ("Microsoft.resourceid", device) (
  rate({"system.disk.operations", direction="read"}[5m])
)

查询参数：

• 步： 5m

理由： 完全匹配 KQL bin(TimeGenerated, 5m) ，按资源和设备聚合。

PromQL：建议的方法

sum by ("Microsoft.resourceid", device) (
  rate({"system.disk.operations", direction="read"}[1m])
)

查询参数：

• 步： 1m

理由： 提高仪表板的响应能力指标，同时保持准确性。 1 分钟速率计算提供更流畅的可视化效果。

KQL：随时间变化的可用内存

// Virtual Machine available memory 
// Chart the VM's available memory over time. 
Perf
| where ObjectName == "Memory" and
    (CounterName == "Available MBytes Memory" or  // Linux records
     CounterName == "Available MBytes")            // Windows records
| summarize avg(CounterValue) by bin(TimeGenerated, 15m), Computer, _ResourceId
| render timechart

PromQL：同类迁移

此查询聚合多个内存状态，以计算 Linux 和 Windows 中的可用内存：

# Available MB, scoped to a single VM
(sum ({"system.memory.limit"}) - sum ({"system.memory.usage", state="used"})) / (1024 * 1024)

查询参数：

• 步： 15m

理由： 聚合表示操作系统中可用内存的内存状态。 将字节转换为兆字节以匹配 KQL 计数器输出。 使用 15 分钟的步骤来匹配箱大小。

PromQL：建议的方法（警报 + 自动缩放方案）

avg by ("Microsoft.resourceid") ({"system.memory.utilization"})

查询参数：

• 步： 5m

理由： 警报和自动缩放方案受益于不需要昂贵的正则表达式筛选器或单元转换的利用率指标。

KQL：最低 10 个磁盘可用空间百分比

// Bottom 10 Free disk space % 
// Bottom 10 Free disk space % by computer, for the last 7 days. 
Perf
| where TimeGenerated > ago(7d)
| where (ObjectName == "Logical Disk" or ObjectName == "LogicalDisk") 
    and CounterName contains "%" 
    and InstanceName != "_Total" 
    and InstanceName != "HarddiskVolume1"
| project TimeGenerated, Computer, ObjectName, CounterName, InstanceName, CounterValue 
| summarize arg_max(TimeGenerated, *) by Computer
| top 10 by CounterValue desc

PromQL：一对一迁移

sum by ("Microsoft.resourceid", device, mountpoint, type) (
  {"system.filesystem.usage", state="free", type=~"ext4|xfs|btrfs|ntfs|vfat"}
) / (1024 * 1024)

查询参数：

• 时间范围： 7d

理由： 将字节转换为兆字节以匹配 Windows 计数器输出。 使用正则表达式模式匹配筛选常见文件系统类型，并排除系统卷。

KQL 与 PromQL 语法比较

下表突出显示了从 KQL 迁移到 PromQL 时的关键语法差异：

相关内容

• PromQL 在 OpenTelemetry 指标中的最佳实践
• Azure Monitor 代理数据收集配置
• VM Insights OpenTelemetry 指标