可观测性与稳定性 / 系统课时

业务指标应该选哪种类型

业务指标应该选哪种类型

业务指标设计的关键不是“哪个类型最强”,而是先判断这个数值会不会单调累加、会不会上下变化,还是代表一组观测值的分布。订单数、库存量、任务队列和接口延迟分别对应不同语义,类型选对后,查询和告警才不容易失真。

学习目标

  • 根据业务数值的变化规律选择 Counter、Gauge、Histogram 或 Summary
  • 为订单、库存、队列和接口延迟设计可查询的指标
  • 识别把存量当 Counter、把累计量当 Gauge 等常见建模错误

先判断累计量、当前量还是分布

Counter 表示从进程启动或某个生命周期起不断累计的事件数,只增加或在重启后重置。它适合回答“发生了多少次”,例如订单创建数、支付失败数、任务处理总数。

Gauge 表示某个时刻的当前值,可以上升也可以下降。它适合回答“现在有多少”,例如库存件数、当前队列深度、在线连接数、正在执行的任务数。

Histogram 和 Summary 用于“每次观测值是多少”这一类分布问题,例如请求延迟、响应大小和批处理耗时。若还需要跨实例聚合或在查询阶段调整分位数,通常选择 Histogram;只有无需聚合且分位点固定时才考虑 Summary。

业务指标类型选择流程

订单数用 Counter

如果目标是统计订单产生速率或某个时间窗口内新增多少订单,指标应记录累计创建次数,例如 orders_created_total。Counter 可以通过 rate() 或 increase() 从累计值推导窗口内的新增量,不需要应用自己维护“最近一小时订单数”。

片段示例:需要已有 orders_created_total Counter,并按 channel 标签区分渠道。

promql
sum by (channel) (
  increase(orders_created_total[1h])
)

预期结果

text
{channel="app"} <VALUE>
{channel="web"} <VALUE>

<VALUE> 是最近 1 小时的新增订单数,会随真实业务流量变化。若业务真正关心的是“当前待处理订单数”,含义已经从累计事件变成当前存量,此时应使用 Gauge,而不是继续沿用 Counter。

库存量和队列深度用 Gauge

库存会因入库增加、出库减少;队列深度会因生产者写入而增长,也会因消费者处理而下降。它们都不是单调累计量,因此当前值应建成 Gauge,例如 inventory_items 和 job_queue_depth。

对 Gauge,常见问题是“当前是否过高”“过去一段时间峰值是多少”,而不是直接计算增长速率。下面查询可以观察最近 15 分钟的最大队列深度。

片段示例:需要已有 job_queue_depth Gauge。

promql
max_over_time(job_queue_depth[15m])

预期结果

text
过去 15 分钟队列深度峰值 = <VALUE>

如果把队列深度错误建成 Counter,任务被消费后指标无法下降,最终只能看到历史累计增长,完全失去“现在是否积压”的含义。实际系统还可以额外提供入队总数和出队总数 Counter,但它们不能替代表示当前深度的 Gauge。

接口延迟用 Histogram 观察分布

接口延迟不是一个单值状态,而是一批请求各自的耗时。只记录平均延迟容易掩盖长尾,因此更适合记录为 Histogram。经典 Histogram 通过桶保存延迟分布,再由 PromQL 计算分位数。

片段示例:需要已有 http_request_duration_seconds_bucket 经典 Histogram,并以 route 区分接口。

promql
histogram_quantile(
  0.95,
  sum by (route, le) (
    rate(http_request_duration_seconds_bucket[5m])
  )
)

预期结果

text
{route="/checkout"} P95=<VALUE> 秒
{route="/search"} P95=<VALUE> 秒

如果同一服务有多个实例,这种写法先聚合桶再计算 P95,因此可以得到路由级整体分位数。若改用 Summary,就不能把多个实例已经计算好的 P95 直接平均成整体 P95。

用四个问题完成指标选型

设计新业务指标时,可以依次判断:它是在累计事件次数,还是描述当前状态;如果是事件次数,是否应该随事件持续增加;如果是当前状态,数值是否会自然升降;如果记录的是每次请求或任务的观测值,是否需要分析整个分布和分位数。这样通常就能落到 Counter、Gauge 或 Histogram,少数无需聚合且分位点固定的场景再考虑 Summary。

指标类型选对也不代表设计完成。还要检查标签维度,避免把订单 ID、用户 ID、请求 ID 这类高基数字段直接放入标签。指标名负责表达“测什么”,类型负责表达“怎么变化”,标签只保留后续聚合真正需要的稳定维度,这三部分应一起设计。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

业务指标应该选哪种类型

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通