什么是Recording Rules
在讲述什么是Recording Rules之前，让我们想想是否我们在使用Pronetheus过程中，遇到类似的场景：随着时间的推移，Prometheus中存储的指标数量增加了，查询的频次也增加了，在做一些复杂的查询的时候，经常会因为超时而导致Grafana中的图无法渲染。更坏的情况是，在你选择了较长时间维度的情况下，Prometheus 会OOM。
此时我们都能想到预聚合这个概念。其实Recording Rules就是 Prometheus的预聚合。官方对于Recording Rules的定义如下：
一致的记录规则命名方案使一目了然的解释规则的含义更加容易，并且通过使错误或无意义的计算脱颖而出来避免错误。定义总是让人云里雾里，不知所以。所以我们拿一个示例来说明。
假如你用Prometheus监控Kubernetes，那么你对下面的两个指标应该不会陌生，container_cpu_usage_seconds_total 和container_memory_usage_bytes），分别表示容器的CPU和内存使用。
当我们需要监控Kubernetes node 节点的CPU和内存的实际利用率时，我们的实现方案如下：
通过使用滑动窗口将container_cpu_usage_seconds_total总数除以kube_node_status_allocatable_cpu_cores总数得出的CPU利用率：
sum(rate(container_cpu_usage_seconds_total[5m])) / avg_over_time(sum(kube_node_status_allocatable_cpu_cores)[5m:5m])
Load time: 15723ms通过使用滑动窗口将container_memory_usage_bytes总数除以kube_node_status_allocatable_memory_bytes总数来计算内存利用率：
avg_over_time(sum(container_memory_usage_bytes)[15m:15m]) / avg_over_time(sum(kube_node_status_allocatable_memory_bytes)[5m:5m])
Load time: 18656ms当容器比较少的时候，当然这没有什么问题。但是当我们运行了成千上万个容器的时候，这种查询就比较耗时了。
这个时候需要Recording Rules出场了。它允许你基于其他时间序列创建自定义的元时间序列。
其实用过Prometheus Operator的话，会发现使用了大量的Recording Rules。
groups:
- name: k8s.rules
rules:
- expr: |
sum(rate(container_cpu_usage_seconds_total{job="kubelet", image!="", container_name!=""}[5m])) by (namespace)
record: namespace:container_cpu_usage_seconds_total:sum_rate
- expr: |
sum(container_memory_usage_bytes{job="kubelet", image!="", container_name!=""}) by (namespace)
record: namespace:container_memory_usage_bytes:sum现在，我可以将查询更改为如下所示：通过使用滑动窗口将container_cpu_usage_seconds_total总数除以kube_node_status_allocatable_cpu_cores总数得出的CPU利用率：
sum(namespace:container_cpu_usage_seconds_total:sum_rate) / avg_over_time(sum(kube_node_status_allocatable_cpu_cores)[5m:5m])
Load time: 1077ms比之前的查询快了14倍。
通过使用滑动窗口将container_memory_usage_bytes总数除以kube_node_status_allocatable_memory_bytes总数来计算内存利用率：
sum(namespace:container_memory_usage_bytes:sum) / avg_over_time(sum(kube_node_status_allocatable_memory_bytes)[5m:5m])
Load time: 677ms比之前的查询快了27倍。
如何使用Recording Rules
顾名思义，Recording Rules是在rule_files定义。
每一个规则文件通过以下格式进行定义：
groups:
[ - ] 示例：
- record: instance_path:request_latency_seconds_count:rate5m
expr: rate(request_latency_seconds_count{job="myjob"}[5m])
- record: instance_path:request_latency_seconds_sum:rate5m
expr: rate(request_latency_seconds_sum{job="myjob"}[5m])
这些规则文件的计算频率与告警规则计算频率一致，都通过global.evaluation_interval定义:
global:
[ evaluation_interval: | default = 1m ] 总结
Recording Rules 其实就是拿空间换时间的典型，周期性通过复杂的查询，形成一个新的自定义metric。此时，我们就可以直接查询这个metric。由此带来的好处是，查询快速，因为不涉及到复杂的运算和不需要读取海量的点。