监控的黄金指标有哪些

Google 针对大型分布式监控总结了 4 个黄金指标，这 4 个黄金指标可以在服务这个层面帮助运维人员衡量终端的用户体验、服务中断、业务影响等问题。

这 4 个指标分别是延迟、流量使、错误、饱和度。

延迟是服务请求所需要的时间，在网关入口的地方就可以记录到这个指标，通过这个指标可以对成功请求和失败请求的延迟时间进行对比。例如在其他关键后端服务异常触发 HTTP 500 的情况下，用户会很快得到请求失败的响应内容，如果不加区分计算这些请求的延迟，可能导致计算结果与实际结果产生巨大的差异。除此以外，在微服务中通常提倡快速失败，服务不要憋着，这些延迟要尽快反馈给开发人员，因为这些缓慢的错误会明显影响系统的性能，需要对这些错误延迟进行跟踪处理。

流量是当前系统的数据流入流出的数据统计，用来衡量服务的承载能力需求，不同系统的流量有不同的含义，比如在 HTTP API 中，流量指每秒的 HTTP 请求数。

错误是当前系统发生错误请求的数量，一般单纯看数量不太直观，经常会对错误进行计算处理，换算成错误率。错误率极低的时候是可以接受的，一旦升高，就需要进行排查。

饱和度是用来衡量当前服务的承载能力，一般是使用率和空闲率。如果系统主要受内存影响，那就主要关注系统的内存状态，如果系统主要受限与磁盘 I/O，那就主要观测磁盘 I/O 的状态。因为通常情况下，当这些资源达到饱和后，服务的性能会明显下降。同时还可以利用饱和度对系统做出预测，比如，当前内存使用率已经达到 80% ，很快就要满了。

这 4 个指标是很关键，用好这 4 个指标，系统的稳定性就有了保障。