label_join(v instant-vector, dst_label string, separator string, src_label_1 string, src_label_2 string, ...)为每个时间序列添加一个label，值为指定旧label的value连接
label_join(up{instance="localhost:9100", job="node"},"new_label","-","instance","job")结果：
up{instance="localhost:9100", job="node", new_label="localhost:9100-node"} 1label_replace()
label_replace(v instant-vector, dst_label string, replacement string, src_label string, regex string)从源label中获取value元素用于添加新的label
$1 获取正则匹配，匹配值添加到hello标签中
label_replace(up{instance="localhost:9100", job="node"},"hello","$1","job","(.*)")结果：
up{hello="node", instance="localhost:9100", job="node"} 1 预测predict_linear()
predict_linear(v range-vector, t scalar) 通过简单线性回归预测t秒后的样本值，与gauge一起使用。
根据过去1小时的文件系统剩余空间量，预测1小时之后的剩余空间
predict_linear(node_filesystem_free_bytes[1h],3600) 转换absent()
absent(v instant-vector)如果向量有元素，则返回一个空向量；如果向量没有元素，则返回值为 1。
设置如下告警表达式：
absent(up{job="node"} == 1)由于up{job="node"} 不存在或值不为1则告警表达式的值为1 产生告警
absent_over_time()
absent_over_time(v range-vector)如果范围向量有元素，则返回一个空向量；如果范围向量没有元素，则返回值为 1。
如果up{job="node1"}在某段时间不存在则返回1
absent_over_time(up{job="node1"}[1h])scalar()
scalar(v instant-vector)以标量形式返回该单元素的样本值,如果输入向量不是正好一个元素，scalar将返回NaN.
vector()
vector(s scalar)将标量作为没有标签的向量返回。
sgn()
sgn(v instant-vector)返回一个向量，其中所有样本值都转换为1或-1或0
定义如下：
如果 v 为正，则为 1
如果 v 为负，则为 -1
如果 v 等于 0，则为 0。
排序sort()
sort(v instant-vector)返回按样本值升序排序的向量元素。
sort_desc()
与sort()相反，按降序排序。
_over_time()下面的函数列表允许传入一个范围向量，返回一个带有聚合的瞬时向量：
avg_over_time(range-vector): 区间向量内每个度量指标的平均值。
min_over_time(range-vector): 区间向量内每个度量指标的最小值。
max_over_time(range-vector): 区间向量内每个度量指标的最大值。
sum_over_time(range-vector): 区间向量内每个度量指标的求和值。
count_over_time(range-vector): 区间向量内每个度量指标的样本数据个数。
quantile_over_time(scalar, range-vector): 区间向量内每个度量指标的样本数据值分位数，φ-quantile (0 ≤ φ ≤ 1)
stddev_over_time(range-vector): 区间向量内每个度量指标的总体标准偏差。
stdvar_over_time(range-vector): 区间向量内每个度量指标的总体标准方差
数学函数abs()
abs(v instant-vector) 返回样本的绝对值。
sqrt()
sqrt(v instant-vector)计算样本值的平方根。
deriv()
deriv(v range-vector) 使用简单线性回归计算时间序列在范围向量中的每秒导数。与指标类型gauge一起使用
exp()
exp(v instant-vector)计算样本值的指数函数。
特殊情况：
Exp(+Inf) = +Inf
Exp(NaN) = NaN
ln()、log2()、log10()
ln/log2/log10(v instant-vector) 计算样本值对数
特殊情况（同适用于log2/log10）：
ln(+Inf) = +Inf
ln(0) = -Inf
ln(x < 0) = NaN
ln(NaN) = NaN
holt_winters()
holt_winters(v range-vector, sf scalar, tf scalar)基于访问向量v，生成时间序列数据平滑数据值。平滑因子sf越低, 对旧数据越重要。趋势因子tf越高，更关心趋势数据。0<sf,tf<=1。 与gauge一起使用
三角函数、弧度
acos(v instant-vector)
acosh(v instant-vector)
asin(v instant-vector)
asinh(v instant-vector)
atan(v instant-vector)
atanh(v instant-vector)
cos(v instant-vector)
cosh(v instant-vector)
sin(v instant-vector)
sinh(v instant-vector)
tan(v instant-vector)
tanh(v instant-vector)
角度、弧度转化
deg(v instant-vector)
pi()
rad(v instant-vector)
如果内容有误请指正。通过博客阅读：iqsing.github.io
参考
[1] Understanding Prometheus Range Vectors: https://satyanash.net/software/2021/01/04/understanding-prometheus-range-vectors.html
[2] promethues: https://prometheus.io/docs/prometheus/latest/querying/basics/