MetriCraft 使用指南

让查询，
自然
成形。

用不可变表达式构建 PromQL 与 MetricsQL。保存字符串，查询后端，存储与执行方式由你选择。

选择过滤条件，查看 Python 与 PromQL，用示例数据试一试。

Python 3.8+Rust 核心Apache 2.0

request_rate.pyPYTHON

from metricraft import QueryBuilder as Q

requests = (
    Q.from_metric("http_requests_total")
    .where_eq("job", "api")
)

query = requests.rate("5m").sum().by("job")
text = query.build("promql")

生成的 PromQLsum by (job) (rate(http_requests_total{job="api"}[5m]))

派生一个新表达式。
原表达式不变，随时可以复用。

为什么选择不可变？ ↗

精简的 SDK，明确的职责。

从用户的选择
到需要的答案。

查询随着应用变化。
基础设施无需跟着改变。

01 ↗

结构化构建。

将过滤条件、函数和分组组合为表达式。值会被转义，所选方言会被校验。

query.build("promql")02 ↗

按你的方式保存。

将普通查询文本保存到 YAML、XML 或数据库中。持久化由应用掌握。

str → your storage → str03 ↗

向后端查询。

通过统一的同步或异步客户端，将保存的文本发送给 Prometheus 或 VictoriaMetrics。

client.query(saved_text)

进一步了解

设计清晰，
易于理解。

从一个可运行的示例开始。
再按需深入细节。

一个构建器，两种方言。

版本基线、支持的语法与显式功能开关。

↗02

共享表达式树，明确资源限制。

不可变性有何成本，共享哪些内容，以及如何测量。

↗03

API 背后的验证。

解析器检查，以及真实后端的预期结果验证。

↗

开放协作，开源共享

从一条查询开始。

PyPI 已提供包含原生库的 wheel。安装 MetriCraft，运行示例，一起完善后续版本。

在 GitHub 找到我们 ↗

让查询，自然成形。

从用户的选择到需要的答案。