普罗米修斯。 CPU 处理时间总计 %
Prometheus. CPU process time total to % percent
我们开始使用 Prometheus 和 Grafana 作为监控 Service Fabric 集群的主要工具。为了定位 Prometheus，我们使用 wmi_exporter，带有预定义参数：CPU、系统、进程、服务、内存等。我们的主要目标是开始监控我们的产品Azure Service Fabric 中每个实例节点组上的服务。
例如，我们正在使用此 PQuery 来计算总 CPU 使用百分比：
100 - (avg by (hostname) (irate(wmi_cpu_time_total{scaleset="name",mode="idle" }[5m])) * 100) 和指标 +- 看起来很现实。
直到我们开始编写服务查询。
对于服务，sum by (process,hostname)(irate(wmi_process_cpu_time_total{scaleset="name", process=~"processes"}[5m])) * 100，指标有时似乎不切实际，尤其是与总 CPU 时间百分比进行比较后，这一点尤为明显。我找到了一篇关于乘以 100 以从 CPU 时间获取 % 的文章，但在这种情况下，我得到的指标约为 170% 或更多。也许我需要把它分成CPU个核心数？
关于查询，我正在使用 sum 进程，因为我在两种模式下为一个进程获得两个不同的指标，user 和特权.
任何人都可以帮助我正确计算 CPU 处理时间总指标并将它们转换为 perc。 ？
谢谢，如有任何帮助，我将不胜感激！
希望对您有所帮助！
结果与 Windows 性能管理器几乎相同。
因此，对于 CPU % 对于 运行 服务（任务、进程）：
sum by (process,hostname)(irate(wmi_process_cpu_time_total{scaleset="name", process=~"processes"}[5m])) * 100 / 2 (number of CPU cores)
首先，您汇总了 运行 进程的所有指标，导出器提供相同进程 ID 的结果：用户和内核模式指标，因此需要汇总。主机名（实例等）也必须这样做。就我而言，我有 2 到 5 个实例的 Azure 规模集。它必须乘以 100 才能得到 % 并除以 CPU 核心数。
干杯！
我们开始使用 Prometheus 和 Grafana 作为监控 Service Fabric 集群的主要工具。为了定位 Prometheus，我们使用 wmi_exporter，带有预定义参数：CPU、系统、进程、服务、内存等。我们的主要目标是开始监控我们的产品Azure Service Fabric 中每个实例节点组上的服务。
例如，我们正在使用此 PQuery 来计算总 CPU 使用百分比：
100 - (avg by (hostname) (irate(wmi_cpu_time_total{scaleset="name",mode="idle" }[5m])) * 100) 和指标 +- 看起来很现实。
直到我们开始编写服务查询。
对于服务，sum by (process,hostname)(irate(wmi_process_cpu_time_total{scaleset="name", process=~"processes"}[5m])) * 100，指标有时似乎不切实际，尤其是与总 CPU 时间百分比进行比较后，这一点尤为明显。我找到了一篇关于乘以 100 以从 CPU 时间获取 % 的文章，但在这种情况下，我得到的指标约为 170% 或更多。也许我需要把它分成CPU个核心数？
关于查询，我正在使用 sum 进程，因为我在两种模式下为一个进程获得两个不同的指标，user 和特权.
任何人都可以帮助我正确计算 CPU 处理时间总指标并将它们转换为 perc。 ？
谢谢，如有任何帮助，我将不胜感激！
希望对您有所帮助！ 结果与 Windows 性能管理器几乎相同。 因此，对于 CPU % 对于 运行 服务（任务、进程）：
sum by (process,hostname)(irate(wmi_process_cpu_time_total{scaleset="name", process=~"processes"}[5m])) * 100 / 2 (number of CPU cores)
首先，您汇总了 运行 进程的所有指标，导出器提供相同进程 ID 的结果：用户和内核模式指标，因此需要汇总。主机名（实例等）也必须这样做。就我而言，我有 2 到 5 个实例的 Azure 规模集。它必须乘以 100 才能得到 % 并除以 CPU 核心数。
干杯！