4. 黄金路径指标定义
黄金路径指标（Golden Path Metrics）是服务可观测性中最核心、最精简的一组度量标准。它们直接反映服务的健康状态与用户体验，是 SRE 团队在告警分层、故障定位、容量规划中必须优先关注的指标集合。任何服务目录平台在环境晋级通道中，都必须以黄金路径指标作为准入与判定的第一道关卡。
核心定义：黄金路径指标是指从用户请求端到服务响应端，能够最直接表征服务是否正常工作的少数关键指标。它们通常覆盖延迟、流量、错误、饱和度四个维度，即“四大黄金信号”。
4.1 四大黄金信号概述
Google SRE 经典著作中提出的四大黄金信号（Four Golden Signals）是黄金路径指标的基石。下表对比了每个信号的定义、典型度量单位及在服务目录平台中的关注点：
| 黄金信号 | 定义 | 典型度量单位 | 平台关注点 |
|---|---|---|---|
| 延迟（Latency） | 请求从发出到收到完整响应所消耗的时间 | 毫秒（ms）、秒（s） | P50/P95/P99 分位延迟，区分成功与失败请求 |
| 流量（Traffic） | 系统当前承载的请求负载总量 | QPS、RPS、并发连接数 | 流量突增/突降、与基线的偏差率 |
| 错误（Errors） | 请求处理失败的比率或数量 | 错误率（%）、HTTP 5xx 计数 | 显式错误（HTTP 状态码）+ 隐式错误（业务异常） |
| 饱和度（Saturation） | 系统资源被消耗的程度，越接近上限越危险 | CPU%、内存%、磁盘 IOPS、连接池使用率 | 资源利用率阈值、排队深度、限流触发点 |
实践要点：在服务目录平台中，每个服务实例的环境晋级（如从开发环境晋级到预发环境）必须同时满足四个黄金信号的健康基线，缺一不可。
4.2 四大黄金信号详细解释
4.2.1 延迟（Latency）
延迟是用户体验最直接的体现。SRE 团队通常关注分位延迟而非平均值，因为平均值会掩盖长尾问题。P99 延迟超过 500ms 的服务，即使平均延迟只有 50ms，也可能导致大量用户感知到卡顿。
- 成功请求延迟 vs 失败请求延迟：失败请求往往返回极快（如 4xx 错误），会拉低整体延迟，必须分开统计。
- 典型告警阈值：P95 延迟 > 200ms 触发警告，P99 延迟 > 1s 触发严重告警。
4.2.2 流量（Traffic）
流量反映系统的负载压力。在服务目录平台中，流量指标用于判断服务是否处于正常负载区间，以及是否需要自动扩缩容。
- 常用指标：每秒请求数（QPS）、每秒事务数（TPS）、活跃连接数。
- 异常模式：流量突增 3 倍以上可能预示营销活动或攻击；流量突降 80% 可能预示上游故障或路由异常。
4.2.3 错误（Errors）
错误信号不仅包括 HTTP 5xx 服务端错误，还应涵盖业务层面的隐式错误（如返回 200 但业务码为失败）。
- 显式错误：HTTP 500/502/503/504，gRPC Internal/Unavailable。
- 隐式错误：支付超时但返回 200、库存不足但返回成功。
- 错误率基线：通常以错误率 > 1% 作为警告线，> 5% 作为严重线。
4.2.4 饱和度（Saturation）
饱和度是容量规划的先行指标。当资源使用率接近 100% 时，延迟会急剧上升，错误率也会随之增加。
- 关键资源：CPU、内存、磁盘 I/O、网络带宽、数据库连接池、线程池。
- 排队深度：请求队列长度是饱和度的敏感指标，队列增长往往比 CPU 使用率更早反映问题。
- 典型阈值：CPU 使用率 > 80% 警告，> 95% 严重；连接池使用率 > 70% 警告。
常见误区：不要只监控资源使用率而忽略排队深度。一个 CPU 使用率 60% 但请求队列持续增长的服务，可能比 CPU 90% 但队列稳定的服务更危险。
4.3 四大黄金信号关系图
下图展示了四大黄金信号之间的典型因果关系与联动模式：
4.4 黄金路径指标在服务目录中的应用
在服务目录平台中，每个服务实例在环境晋级通道中必须通过黄金路径指标的健康检查。以下是一个典型的晋级检查清单：
| 检查项 | 黄金信号 | 晋级基线（预发环境） | 严重告警线 |
|---|---|---|---|
| P99 延迟 | 延迟 | < 500ms | > 2s |
| QPS 偏差率 | 流量 | ±20% 以内 | ±50% 以上 |
| 错误率 | 错误 | < 0.5% | > 5% |
| CPU 使用率 | 饱和度 | < 70% | > 95% |
| 连接池使用率 | 饱和度 | < 60% | > 85% |
关键原则：黄金路径指标不是静态的。随着服务版本迭代和业务量变化，基线需要定期校准。建议每两周根据历史数据重新计算一次分位阈值。
4.5 黄金路径指标与告警分层的关系
黄金路径指标是告警分层策略的输入源。在后续章节中，我们将基于这四个信号设计 P0/P1/P2/P3 告警等级。简单对应关系如下：
- P0（严重）：错误率 > 10% 或 P99 延迟 > 5s 或饱和度 > 98%
- P1（高）：错误率 > 5% 或 P99 延迟 > 2s 或饱和度 > 90%
- P2（中）：错误率 > 1% 或 P95 延迟 > 1s 或饱和度 > 80%
- P3（低）：流量偏差 > 50% 或 P50 延迟 > 500ms