4. 性能数据采集与基线建立
性能监控真正产生价值，不是从"看到某个指标很高"开始，而是从"知道这个指标平时是多少"开始。ONTAP 提供了丰富的计数器与采样机制，但如果没有规划采集周期、没有选定合适的采样粒度、没有沉淀出可信的业务基线，那么再多的数据也只是噪声。本章围绕"采什么、多久采一次、采多细、怎么形成基线、如何识别偏离"这条主线展开。
一、先明确采集对象与采集层次
ONTAP 的性能数据大致分布在三个层次：集群/节点层（CPU 利用率、聚合 IOPS、网络吞吐）、SVM/卷层（卷的 IOPS、吞吐、时延、IOPS 分布）、LUN/文件/客户端层（QoS 策略组、客户端 IP、协议类型）。采集规划的第一步是确定"回答什么问题"，再决定采到哪一层。例如排查"某业务卷时延抖动"，就必须采到卷层甚至 LUN 层；而评估"集群整体是否接近瓶颈"，节点层与聚合层就足够。
常用采集入口包括：statistics 命令族（如 statistics show -object volume -instance）、qos statistics、Active IQ / Cloud Insights 的采集代理、以及 ONTAP 自带的 perf 采样（statistics start/stop 配合 statistics show）。命令行适合短时定点排查，采集代理适合长期趋势沉淀，两者应配合使用。
二、采集周期与采样粒度的规划
采集周期（多久采一次）与采样粒度（每次采多细）是两个独立参数，需要分别决策。
- 采样粒度：ONTAP 计数器默认以 5 秒或 1 分钟为周期刷新。5 秒粒度能捕捉突发尖峰，但数据量大、易受瞬时抖动干扰；1 分钟粒度平滑、适合趋势分析，但会掩盖短时毛刺。建议：日常基线用 1 分钟粒度；排障窗口临时切到 5 秒或更细。
- 采集周期：即"持续采多久"。业务基线通常需要覆盖至少一个完整业务周期——例如日结系统需覆盖 24 小时，月末结算系统需覆盖整月。建议基线采集至少连续 7 天，覆盖工作日与周末、高峰与低谷。
- 保留策略：细粒度数据保留 7～14 天，聚合后的分钟级/小时级数据保留 90 天以上，用于跨月对比。
三、建立正常业务基线
基线不是"一个数字"，而是一组带分布特征的区间。建立基线时，建议对每个关键指标记录：中位数（P50）、P95、P99、最大值、以及波动范围。以某业务卷为例（以下为教学示例参数，非实测结果）：
| 指标 | P50 | P95 | P99 | 峰值 |
|---|---|---|---|---|
| 卷 IOPS | 1,200 | 2,800 | 3,600 | 4,100 |
| 读时延(ms) | 0.8 | 1.6 | 2.4 | 3.1 |
| 写时延(ms) | 1.1 | 2.2 | 3.5 | 4.8 |
| 吞吐(MB/s) | 85 | 210 | 280 | 320 |
基线应区分"业务时段"与"非业务时段"，因为两者的正常范围差异可能很大。同时要标注基线采集期间是否有已知变更（如扩容、迁移、补丁），否则基线会被污染。
四、识别偏离基线的异常模式
偏离基线并不等于故障，关键在识别"模式"。常见异常模式包括：
- 阶跃式抬升：某指标从某时刻起整体上移一个台阶，通常对应配置变更、新业务上线或硬件降级。
- 周期性尖峰：每天固定时间出现尖峰，多为备份、扫描、批处理任务，属于可预期负载。
- 持续爬升：时延或队列深度缓慢单调上升，往往是资源逐渐耗尽（如聚合空间、快照增长）的前兆。
- 突发毛刺：短时高频抖动，需结合 5 秒粒度数据与客户端行为定位。
判断偏离是否"异常"，建议同时满足两个条件：超出 P99 且持续超过 3 个采样周期。单点超限通常只是噪声，持续超限才值得介入。
五、从采集到判断的落地建议
把上述方法落到日常运维，可以按以下节奏执行：
- 日常：以 1 分钟粒度持续采集，每日对比 P95 与基线，偏差超过 20% 时记录并观察。
- 排障：临时切到 5 秒粒度，采集 30～60 分钟，重点看毛刺与队列深度。
- 复盘：每次变更后重新采集 24 小时数据，更新基线区间，避免用旧基线判断新环境。
总结来说，采集规划的核心是"层次对齐问题、粒度匹配场景、周期覆盖业务"；基线建立的核心是"用分布而非单点描述正常"；异常识别的核心是"看模式而非看瞬时值"。三者环环相扣，才能让后续的瓶颈诊断有据可依。