背景
CPU 高并不总是故障,CPU 低也可能服务不可用。延迟、流量、错误和饱和度需要共同解释用户体验与处理能力。
核心判断
- 延迟看分布并区分成功与失败请求。
- 流量与错误一起看,避免低流量比例失真。
- 饱和度使用队列、连接池等待和资源压力,帮助解释性能拐点。
最小示例
下面保留核心逻辑;业务类型、调用入口和环境配置按项目补齐。
histogram_quantile(0.99, sum by (le, route) (rate(http_request_duration_seconds_bucket[5m])))
边界与误区
示例适用于 Prometheus classic histogram,并按路由聚合 bucket。p99 不能直接在实例之间求平均,直方图桶边界也决定近似精度。
验证方式
构造慢依赖、CPU 压力和流量骤降三个场景,检查四类信号能否支持不同诊断;只把需要人工动作的组合条件升级成告警。
小结
延迟、流量、错误和饱和度组合起来,才能同时说明用户体验和资源边界。