3. 迁移前基线采集：如何对现有服务目录平台进行全面的运行基线数据采集

迁移前基线采集是架构迁移适配的起点，其目标是为目标云原生环境提供可量化的性能锚点。若缺少准确的基线数据，迁移后的性能劣化或资源超配将无法被有效归因。本节将围绕 CPU、内存、IO 和网络延迟四个核心维度，阐述采集方法、工具选型与数据规整策略。

3.1 基线采集总体流程

基线采集并非简单的指标抓取，而是一个包含“定义-采集-清洗-标记”的闭环过程。建议按照以下步骤执行：

1. 定义采集窗口：覆盖业务高峰、低峰与日常时段，至少持续 7×24 小时。
2. 确定采样粒度：CPU/内存建议 5-10 秒，IO 与网络延迟建议 1-5 秒。
3. 部署采集代理：优先使用无侵入或低侵入方案，避免观测效应。
4. 数据清洗与对齐：剔除异常尖刺，统一时间戳精度。
5. 生成基线快照：输出 P50/P95/P99 分位值与均值，作为迁移后对比基准。

3.2 四维基线采集详解

下表汇总了四个维度的关键采集指标、推荐工具与注意事项：

3.3 基线数据采集架构

下图展示了针对服务目录平台的典型基线采集部署架构，涵盖从主机层到应用层的指标汇聚路径：

3.4 关键指标采集命令速查

以下为现场采集时常用的命令片段，建议在采集前进行验证：

# CPU 与上下文切换（每 5 秒采样一次）
mpstat -P ALL 5 > cpu_baseline.log

# 内存与 Swap 使用
free -h -s 5 > mem_baseline.log

# IO 延迟与队列（关注 await 与 svctm）
iostat -x 5 > io_baseline.log

# 网络延迟（服务间 RTT，单位 ms）
ping -c 100 -i 0.1 service-catalog-peer > net_latency.log

# 全量指标采集（使用 Prometheus Node Exporter 文本格式）
curl -s http://localhost:9100/metrics | grep -E 'node_cpu|node_memory|node_disk|node_network' > full_metrics.prom

3.5 基线数据规整与输出

原始采集数据需经过规整才能形成可对比的基线快照。推荐使用以下数据模型进行存储：

规整后的基线数据应输出为 CSV 或 Parquet 格式，并附带一份摘要报告，包含以下内容：

• 峰值时段标记：CPU 与 IO 同时达到高位的时段，用于迁移后的压力测试场景设计。
• 资源利用率分布：P50/P95/P99 分位值，避免被平均值掩盖的尖刺。
• 异常事件记录：采集期间发生的 OOM、CPU 软锁、网络超时等事件的时间戳与上下文。