请求计数器回答进程累计记录了多少事件，速率则回答这些事件到来得有多快。Prometheus 的 rate 估计指定范围内每秒平均增长量，修正能够观测到的计数器重置，并向范围边界进行外推。结果具有明确的时间单位，适合观察负载变化；但它不是两次抓取之间全部事件的精确还原，更不能凭空补回没有采到的重启历史。

采样决定能够推断多少事实

普通计数器在重置前持续增长，进程重启是常见的重置原因。相邻已观测样本出现下降时，计数器函数会按重置处理。不过，如果两次抓取之间已经重启并重新累计，而且新值超过旧样本，重置可能完全不可见。提高抓取频率可以提升观测分辨率，但任何查询都不能确定地恢复一段没有被记录的历史。

应先对每条计数器序列求 rate，然后聚合结果。如果先求和，一台实例的增长可能掩盖另一台实例的重置。标签决定序列身份，替换实例使用新标签时，是开始另一条序列，不是自动接续旧实例。队列长度等仪表值本来就允许正常下降，把它们交给计数器速率函数，会把真实下降错误解释为重置。

选择的范围也是指标含义的一部分

范围选择器左开右闭。在第五分钟求 [5m] 时，恰好位于第零分钟的样本不在范围内。对普通浮点计数器求速率至少需要两个可用样本；只有一个样本时得到空结果，并不表示业务流量为零。因此，范围不仅要覆盖正常抓取周期，还需要考虑偶发漏抓后的样本数量，不能仅凭希望曲线更灵敏就无限缩短。

较长窗口通常会平滑短促突发，也让突发离开平均值的时间更晚；较短窗口响应更快，但观测更少，而且可能变成空结果。应依据事件持续时间与检测目标选择范围，并在面板上明确标注。irate 使用最后两个样本，rate 使用所选范围，两者可以针对同一指标回答不同问题，只要面板清楚说明各自含义，不把数值当成同一种口径比较。

规则评估周期决定何时提出查询问题，不决定目标已经被抓取了多少次。如果目标每分钟才采集一次，即使面板每秒刷新，也不会凭空产生新的观测。分析告警响应速度时，需要分别检查采集与评估这两个周期，不能只缩短页面刷新时间。

坏掉的样子

刚创建的序列可能要等第二个样本到来后才出现在速率面板。把所有空值都补成零，可能掩盖采集故障。遇到空白，应先检查原始序列、时间戳和抓取状态，再判断业务是否空闲。另一种问题是窗口太长：短时间过载已经影响用户，但平均线被长窗口稀释，看起来始终平稳，告警因而没有达到阈值。

重置修正不代表缺口对准确性没有影响。漏抓可能隐藏突发或多次重启，范围边界的外推本身也属于估计。increase 以事件数量单位表达相应的范围估计，即使原始计数器只有整数，也可能返回小数。如果场景需要精确账务或计费总数，应依靠业务记账记录，不能把监控面板描述成可以完整重建交易流水的工具。

快速验证

保存为 rate.py，运行 python3 rate.py。环境需要已经安装的 promtool，可以从 PATH 找到，或用 PROMTOOL 指定其可执行文件路径。本轮使用 Python 3.12.14 与 promtool 3.14.0。真实查询引擎在临时目录中评估合成样本，不启动服务器、监听端口或容器，也不联系外部服务。

from pathlib import Path
from tempfile import TemporaryDirectory
import os
import shutil
import subprocess

# Uses a real, installed promtool; no server or Docker runtime is started.
promtool = shutil.which(os.environ.get("PROMTOOL", "promtool"))
if not promtool:
    raise SystemExit("Set PROMTOOL to an installed promtool executable")

tests = r"""evaluation_interval: 1m
tests:
  - interval: 1m
    input_series:
      - series: "demo_requests_total{instance=\"steady\"}"
        values: "0+60x5"
      - series: "demo_requests_total{instance=\"restart\"}"
        values: "100 160 220 20 80 140"
      - series: "demo_requests_total{instance=\"gaps\"}"
        values: "0 60 _ 180 _ 300"
      - series: "demo_requests_total{instance=\"one\"}"
        values: "_ _ _ _ _ 7"
      - series: "combined_requests_total"
        values: "100 220 340 200 320 440"
    promql_expr_test:
      - expr: "rate(demo_requests_total{instance=\"steady\"}[5m])"
        eval_time: 5m
        exp_samples:
          - labels: "{instance=\"steady\"}"
            value: 1
      - expr: "abs(rate(demo_requests_total{instance=\"restart\"}[5m]) - 5/6) < bool 1e-12"
        eval_time: 5m
        exp_samples:
          - labels: "{instance=\"restart\"}"
            value: 1
      - expr: "increase(demo_requests_total{instance=\"restart\"}[5m])"
        eval_time: 5m
        exp_samples:
          - labels: "{instance=\"restart\"}"
            value: 250
      - expr: "irate(demo_requests_total{instance=\"restart\"}[5m])"
        eval_time: 5m
        exp_samples:
          - labels: "{instance=\"restart\"}"
            value: 1
      - expr: "rate(demo_requests_total{instance=\"gaps\"}[5m])"
        eval_time: 5m
        exp_samples:
          - labels: "{instance=\"gaps\"}"
            value: 1
      - expr: "rate(demo_requests_total{instance=\"one\"}[5m])"
        eval_time: 5m
        exp_samples: []
      - expr: 'abs(sum(rate(demo_requests_total{instance=~"steady|restart"}[5m])) - 11/6) < bool 1e-12'
        eval_time: 5m
        exp_samples:
          - labels: '{}'
            value: 1
      - expr: 'abs(rate(combined_requests_total[5m]) - 7/3) < bool 1e-12'
        eval_time: 5m
        exp_samples:
          - labels: '{}'
            value: 1
"""
rules = r""""""

with TemporaryDirectory(prefix="prometheus-query-check-") as directory:
    root = Path(directory)
    (root / "tests.yml").write_text(tests, encoding="utf-8")
    if rules:
        (root / "rules.yml").write_text(rules, encoding="utf-8")
    result = subprocess.run([promtool, "test", "rules", "tests.yml"],
                            cwd=root, text=True, capture_output=True, timeout=45)
    print(result.stdout, end="")
    if result.returncode:
        print(result.stderr, end="")
        raise SystemExit(result.returncode)

断言全部通过时输出 SUCCESS。稳定序列每秒增加一个请求。对于 100 160 220 20 80 140，五分钟 rate 为 5/6，increase 为二百五十，irate 为一。这些结果不同，是因为范围排除了最初样本，随后修正可见重置，再把所得到的平均增长外推到请求时长；二百五十不能被描述为原始样本直接观测到的增量。

带缺口的序列被故意设计为线性增长，因此仍得到每秒一，这个受控结果不能证明任意缺口都无害。只有一个样本的序列则返回空向量。测试分别验证数值与缺失状态，对循环小数使用数值容差。在将规则用于真实服务前，还应补充符合该服务特点的重启、稀疏流量和缺失数据案例，检查告警是否仍表达预期含义。

最后两项检查直接暴露聚合错误：稳定实例和重启实例分别求速率再合并，得到每秒 11/6；预先相加的样本流却得到 7/3，因为重置修正作用于已经混合的数据。两个计算都能成功执行，所以语法正确不证明计数器身份得以保留。程序明确给出混合前后数列与预期值，避免只靠口号说明先求速率的重要性。

来源