所以我知道PromQL中的一些百分比函数，比如histogram_quantile，它在这样的情况下使用：
// Over the past 5 minutes, what's the maximum http response time experienced by 95% of our users
histogram_quantile(0.95, rate(http_request_duration_bucket[5m])
我们可以这样计算平均值：
// Over the past 5 mins, what the average http response time?
avg by (webId) (rate(http_request_duration_sum[5m])/rate(http_request_duration_count[5m])
是否可以将这两个函数组合起来以获得含义如下的查询：在过去的5分钟里，95%的用户经历的最长平均HTTP响应时间是多少？也就是平均值的95%？
我试过类似的东西：
histogram_quantile(0.95, avg by (webId) (rate(http_request_duration_sum[5m])/rate(http_request_duration_count[5m]))
但它似乎不起作用。我的理解有什么建议或差距吗？
尝试以下查询：
quantile(0.95, avg by (webId) (rate(http_request_duration_sum[5m])/rate(http_request_duration_count[5m])))
它使用quantile((聚合函数在每个webId计算的平均响应时间上计算给定的分位数。
我发现上面的答案不适用于我的情况，但quantile_over_time允许我从sum:中提取一个百分比
quantile_over_time(0.95,
(sum by (component_name) (
node_memory_MemTotal_bytes
- node_memory_MemFree_bytes
- node_memory_Cached_bytes)[2w:]
)
)