經常在夜鶯社區收到用户反饋，説查詢某個監控指標，昨天的峯值是 xx，今天再次查詢，發現昨天的峯值看不到了，然後開始吐槽，你們這監控怎麼搞的，一點都不準啊。事實真的是這樣嗎？

真實原因

本質上這是因為 Prometheus 生態在查詢歷史數據時提供了一個 step 參數，大多數人對這個知識匱乏導致的疑問。

上圖是 Prometheus 的官方文檔，其他的時序庫比如 VictoriaMetrics、Thanos 都是兼容 Prometheus 接口的，所以邏輯是相同的。其中説明了 step 參數的含義：Query resolution step width in duration format or float number of seconds。

比如 step=15，返回的數據就是每 15 秒一個數據點，如果 step=60，返回的數據就是每分鐘一個數據點。假設原始數據採集的時候，是每 15 秒採集一次，那 step=15 就能完整展示原始數據，如果 step=60，就會有部分數據被丟掉，導致歷史峯值看不到。

怎麼控制 step 參數

大部分用户查詢監控數據的時候，壓根沒有關注這個值，但是仍然可以查詢數據。這是因為，Prometheus、Grafana、Nightingale 等都會根據用户選擇的時間範圍自動計算 step，以保證返回的數據不會太密集太多，也不會太稀疏太少。

不同的監控系統，對於數據稀疏與否的配置不同，以 Nightingale 舉例。比如你要查詢最近 1 小時的數據，Nightingale 自動計算的 step 就是 15：

如果查詢最近 24h 的數據，Nightingale 自動計算的 step 就是 360：

當然，你也可以手工指定 step 的值，比如手工指定為 15：

可以看到，手工指定 step 為 15，返回的數據就是每 15 秒一個數據點，這樣就能完整展示原始數據了，但是數據量會比較大，圖表看起來也很稠密。如果要看一年的數據，仍然強制 step 為 15 話，返回的數據可能會把瀏覽器幹蹦。

如何知道實際採集頻率

Prometheus 這個設計邏輯，一個是可以保證查詢效率，另一個是為了時間戳對齊，方便不同的指標之間做計算，並非是監控不準。如果你想使用原始數據繪圖，那就把 step 的大小設置為監控數據採集時的頻率即可。

但是作為用户，如果採集規則不是你配置的，你不知道採集頻率怎麼辦？此時可以到 Nightingale 的即時查詢頁面，使用 Table 視圖，查看指標一段時間的數據，比如：

Promql 最後加了一個 [5m] 是查詢 5 分鐘的數據，這是 Promql 的知識不展開了。下面的內容展示的是 5 分鐘內的原始數據，並且時間戳自動展示為人類易讀的方式，而且自動計算了時間戳之間的差值，這樣就很方便知道採集頻率了。上圖中可以看到採集頻率是 60 秒一次。

另外，在這個視圖中如果你發現某個指標的採集頻率不固定，那很可能是相同的數據重複採集了，比如同時有兩個 categraf 在採集相同的一個監控目標，這種情況通常是不符合預期的，需要排查。

總結

Prometheus 生態的 step 參數是一個很重要的概念，對於監控數據的查詢有着重要的影響。大部分情況下，用户不需要關心這個參數，因為監控系統會自動計算 step，以保證查詢效率和數據展示的合理性。但是如果你想看原始數據，或者想了解監控數據的採集頻率，那就需要了解 step 參數的含義，以及如何手工指定 step 參數啦。