在此示例中，您将监控 1 个 Kubernetes 集群，其中有 10 个节点，每个节点在整个月（744 小时）内每 30 秒收集 1000 个 Prometheus 指标。 此示例未考虑您的 AWS Free Tier 权益。以下使用情况和成本将针对 1) 指标样本摄取，2) 存储和 3) 查询进行计算。

指标样本摄取的使用情况和成本
首先，我们将计算摄取的指标样本数量以及这些样本的成本。每月采集的样本数为 8.928 亿个样本（10 个节点 * 每个节点 1000 个指标/30 秒收集间隔 * 一小时 3600 秒 * 一个月 744 小时 = 10 * 1000/30 * 3600 * 744 = 8.928 亿个样本）。

每月指标摄取成本为 80.93 美元（前 20 亿个指标样本为 0.90/10000000 美元 * 8.928 亿个样本）。

存储使用情况成本
其次，我们将以 GB 为单位计算存储空间以及存储的指标样本和指标元数据的成本。在此示例中，我们假设每个指标有 20 个标签，每个标签有 100 个唯一的标签值。每天都会存储包括指标名称、标签和标签值在内的元数据。我们还假设每个标签和标签值的平均摄取量为 30 字节，每个指标样本的平均摄取量为 2 字节。

每月存储空间的 GB 为 0.25 GB（指标元数据 * 每月天数）+（2 字节 * 指标样本数） =（1000 个指标 * 20 个标签 * 100 个标签值 * 30 字节 * 每月约 30 天）+（2 字节 * 8.928 亿样本）= 18 亿字节 + 17.856 亿字节 = 35.856 亿字节 = 3.34GB）。

存储费用为 0.10 美元（0.03 美元/GB * 3.34 GB）。

查询使用情况和成本
现在，我们将计算此示例的已处理的查询样本和查询成本。我们假设您有 1 个最终用户每天平均监视控制面板 2 小时，每 60 秒刷新一次，每个控制面板 20 个图表小组件（假设每个小组件 1 个 PromQL 查询）。在此示例中，我们将假设每个查询处理的样本为 100000。

首先，先计算每月的查询次数，即 72000 次查询（1 个最终用户 * 20 个图表 * 2 小时查看控制面板 * 每小时 3600 秒/每次控制面板刷新 60 秒 * 一个月约 30 天）。

其次，我们计算每月处理的查询样本为 72 亿（72000 次查询 * 100000/查询）

我们现在可以计算出查询费用为 0.72 美元（0.10 美元/10 亿个已处理样本 * 72 亿个已处理样本）。

现在，我们可以计算出此示例中的每月成本：

• 指标摄取成本：80.93 美元（0.90 美元/1000 万 * 8.928 亿个样本）
  
• 存储成本：0.10 美元（0.03 美元/GB * 3.34GB）
• 查询成本：0.72 美元（0.10 美元/10 亿个已处理样本 * 72 亿个已处理样本）

每月总费用 = 80.93 美元（指标摄取）+ 0.10 美元（存储）+ 0.72 美元（查询）= 81.75 美元

在此示例中，您将监控 1 个 Kubernetes 集群，其中有 10 个节点，Amazon Managed Service for Prometheus 在整个月（744 小时）内每 30 秒收集 1000 个 Prometheus 指标。将计算以下使用量和成本：1) 指标样本摄取，2) 存储，以及 3) 收集的 Amazon Managed Service for Prometheus 收集器样本和收集器使用小时数。 

指标样本摄取的使用情况和成本
首先，我们将计算摄取的指标样本数量以及这些样本的成本。每月采集的样本数为 8.928 亿个样本（10 个节点 * 每个节点 1000 个指标/30 秒收集间隔 * 一小时 3600 秒 * 一个月 744 小时 = 10 * 1000/30 * 3600 * 744 = 8.928 亿个样本）。

每月指标摄取成本为 80.93 美元（前 20 亿个指标样本为 0.90/10000000 美元 * 8.928 亿个样本）。

存储使用情况成本
其次，我们将以 GB 为单位计算存储空间以及存储的指标样本和指标元数据的成本。在此示例中，我们假设每个指标有 20 个标签，每个标签有 100 个唯一的标签值。每天都会存储包括指标名称、标签和标签值在内的元数据。我们还假设每个标签和标签值的平均摄取量为 30 字节，每个指标样本的平均摄取量为 2 字节。

每月存储空间的 GB 为 0.25 GB（指标元数据 * 每月天数）+（2 字节 * 指标样本数） =（1000 个指标 * 20 个标签 * 100 个标签值 * 30 字节 * 每月约 30 天）+（2 字节 * 8.928 亿样本）= 18 亿字节 + 17.856 亿字节 = 35.856 亿字节 = 3.34GB）。

存储费用为 0.10 美元（0.03 美元/GB * 3.34 GB）。

收集的样本和收集器的小时成本
第三，我们将计算收集器的小时成本。无代理收集器每小时收费 0.04 USD，每收集 1000 万份样本的费用为 0.03 USD，我们假设单个 EKS 集群需要一个收集器。假设一个月有 744 个小时，则每月成本为：1 * 0.04 USD * 744 + 0.03 USD * 8.928 亿个样本/1000 万 = 32.44 USD。

无代理收集器的费用为 32.44 USD。 

现在，我们可以计算出此示例中的每月成本：

• 指标摄取成本：80.93 美元（0.90 美元/1000 万 * 8.928 亿个样本）
  
• 存储成本：0.10 USD（0.03 USD/GB * 3.34GB）
• 无代理收集器的费用：32.44 USD（每个收集器每小时 0.04 USD * 744 小时 + 0.03 USD * 8.928 亿个样本/1000 万）
  

总成本：113.47 USD

在此示例中，您将运行一个查询，计算过去一小时内 10000 个节点的 CPU，并每分钟运行一条警报规则，在其中一个节点超过 80% 的 CPU 容量时向您发出通知。此示例未考虑您的 AWS Free Tier 权益。我们将计算运行查询和警报规则的使用情况和成本。

查询使用情况和成本
首先，我们通过识别指标时间序列的数量和提供的时间范围，计算单个查询处理的样本数量。指标时间序列由其指标名称和键值对进行标识。在此示例中，每个节点都有一个 CPU 指标，从而生成一个在 1 小时时间范围内处理 10000 个指标时间序列的查询。Prometheus 查询在每个解决方案步骤中处理一个样本，这是任意两个数据点之间的最短时间。例如，我们假设步骤时间长度为 1 分钟，即在时间范围内每分钟 1 个样本。即，10000 个时间序列 x 1 小时 x 1 个样本/分钟 x 60 分钟/小时 = 600000 个样本/查询。

假设您运行了 1000 次查询，则成本将为 0.06 美元（0.10 美元/10 亿个已处理样本 * 0.0006 亿个样本 * 1000 个查询）。

警报规则的使用情况和成本
我们通过识别所选指标时间序列的数量，计算规则每次评估处理的样本数量。由于该规则为每个节点标识一个 CPU 指标时间序列，因此每次评估都会处理 10000 个时间序列。Prometheus 中的警报规则以即时查询的形式运行，即在单个时间点进行评估的查询。因此，此警报规则评估 10000 个时间序列 x 1 个样本/时间序列 = 10000 个样本。由于此警报每分钟运行一次，因此此警报规则处理 10000 个样本 x 60 分钟/小时 x 730 小时/月 = 4.38 亿个样本/月。

此警报规则的成本为每月 0.04 美元（0.10 美元/10 亿个已处理样本 * 4.38 亿个样本）。