概述
Prometheus是一个开源的监控和告警工具，它通过收集、存储和查询时间序列数据来帮助用户了解系统的性能，在Prometheus中，我们可以使用各种内置函数来计算今天的数据，例如计算今天的总和、平均值、最大值等，本文将介绍如何使用PromQL（Prometheus Query Language）来计算今天的数据。
PromQL基础
在开始计算今天的数据之前，我们需要了解一些PromQL的基本概念，PromQL是一种基于时间序列的查询语言，它支持对时间序列数据进行过滤、聚合和计算，以下是一些常用的PromQL操作符：
>：大于
<：小于
==：等于
!=：不等于
>=：大于等于
<=：小于等于
+：加法
：减法
*：乘法
/：除法
%：取模
abs()：绝对值
ceil()：向上取整
floor()：向下取整
round()：四舍五入
label_replace()：替换标签值
label_map()：映射标签值
label_sort()：按标签排序
label_join()：连接标签值
delta()：计算时间序列的差值
increase()：计算时间序列的增加量
irate()：计算时间序列的瞬时速率
offset()：计算时间序列的偏移量
predict_linear()：预测线性趋势
predict_exponential()：预测指数趋势
predict_polynomial()：预测多项式趋势
histogram_quantile()：计算直方图分位数
histogram_percentile()：计算直方图百分比
irate()：计算时间序列的瞬时速率
changes()：计算时间序列的变化量
deriv()：计算时间序列的导数
bool()：布尔运算
and()：逻辑与
or()：逻辑或
not()：逻辑非
vector()：创建向量
count_over_time()：计算时间范围内的元素数量
avg_over_time()：计算时间范围内的平均值
sum_over_time()：计算时间范围内的总和
min_over_time()：计算时间范围内的最小值
max_over_time()：计算时间范围内的最大值
stddev_over_time()：计算时间范围内的标准差
stdvar_over_time()：计算时间范围内的标准差变化率
rate()：计算时间序列的速率
increase()：计算时间序列的增加量
irate()：计算时间序列的瞬时速率
offset()：计算时间序列的偏移量
predict_linear()：预测线性趋势
predict_exponential()：预测指数趋势
predict_polynomial()：预测多项式趋势
histogram_quantile()：计算直方图分位数
histogram_percentile()：计算直方图百分比
irate()：计算时间序列的瞬时速率
changes()：计算时间序列的变化量
deriv()：计算时间序列的导数
bool()：布尔运算
and()：逻辑与
or()：逻辑或
not()：逻辑非
vector()：创建向量
count_over_time()：计算时间范围内的元素数量
avg_over_time()：计算时间范围内的平均值
sum_over_time()：计算时间范围内的总和
min_over_time()：计算时间范围内的最小值
max_over_time()：计算时间范围内的最大值
stddev_over_time()：计算时间范围内的标准差
stdvar_over_time()：计算时间范围内的标准差变化率
rate()：计算时间序列的速率
increase()：计算时间序列的增加量
irate()：计算时间序列的瞬时速率
offset()：计算时间序列的偏移量
predict_linear()：预测线性趋势
predict_exponential()：预测指数趋势
predict_polynomial()：预测多项式趋势
histogram_quantile()：计算直方图分位数
histogram_percentile()：计算直方图百分比
irate()：计算时间序列的瞬时速率
changes()：计算时间序列的变化量
`deriv()
