应用程序指标会发生什么，例如CPU 由未在抓取间隔 prometheus 中抓取的进程使用
what happens to application metrics e.g. CPU used by process that are not scraped in scrape interval prometheus
prometheus 如何在不抓取的时间间隔内收集 CPU 信息？例如我有我的 scrape_interval: 15s 和一个 CPU 在普罗米修斯没有抓取的 15 秒内峰值高达 90% ... 我会丢失这个重要信息被聚合到平均 CPU 使用我的过程指标 rate(process_cpu_system_seconds_total[15s]) * 100 ?
我只需要了解，如果抓取间隔为 n 秒，那么这 n 秒的监控数据将被收集还是只是丢失？
它没有“丢失”，但你说得对，它从未被观测到。
几乎所有测量值都会因这种必要的近似值或 down sampling.
而出现误差
结果是任何测量计算几乎总是只与捕获的数据一样好。
当采样数据被进一步“采样”以最小化存储时，问题会加剧，例如仅保留上个月之后的每日数据。
例如假设以下是一些测量的完美记录：
1,2,1,9,1,4,1,1,1,9
如果采样每隔一个值检索一次：
1,1,1,1,1
这几乎完全不能代表数据
平均：1 对 3
p90: 1 对 9
prometheus 如何在不抓取的时间间隔内收集 CPU 信息？例如我有我的 scrape_interval: 15s 和一个 CPU 在普罗米修斯没有抓取的 15 秒内峰值高达 90% ... 我会丢失这个重要信息被聚合到平均 CPU 使用我的过程指标 rate(process_cpu_system_seconds_total[15s]) * 100 ?
我只需要了解，如果抓取间隔为 n 秒，那么这 n 秒的监控数据将被收集还是只是丢失？
它没有“丢失”，但你说得对，它从未被观测到。
几乎所有测量值都会因这种必要的近似值或 down sampling.
而出现误差结果是任何测量计算几乎总是只与捕获的数据一样好。
当采样数据被进一步“采样”以最小化存储时，问题会加剧，例如仅保留上个月之后的每日数据。
例如假设以下是一些测量的完美记录：
1,2,1,9,1,4,1,1,1,9
如果采样每隔一个值检索一次：
1,1,1,1,1
这几乎完全不能代表数据
平均：1 对 3
p90: 1 对 9