4. 漂移概念定义：什么是PSI漂移、漂移与突增/突降的区别、漂移的数学定义

在监控与可观测性领域，PSI漂移（Population Stability Index Drift）特指模型输入特征或系统关键指标的概率分布随时间发生的渐进式、持续性偏移。理解漂移的本质是设定合理告警阈值的前提——它不同于瞬时突变，而是一种“温水煮青蛙”式的分布退化。

4.1 什么是PSI漂移

PSI漂移衡量的是当前窗口数据分布相对于基准窗口数据分布的累积偏离程度。当分布偏移超过业务容忍度时，模型预测能力或系统行为将显著下降。

PSI漂移的典型场景包括：

• 用户行为漂移： 电商推荐模型中，用户点击偏好从“电子产品”逐渐转向“家居用品”。
• 系统负载漂移： 微服务调用链中，某接口的请求体大小分布从集中在 1KB 逐渐偏移到 10KB。
• 环境特征漂移： 风控模型中，用户 IP 归属地分布因业务推广活动从一线城市逐渐扩散到三四线城市。

4.2 漂移与突增/突降的区别

告警领域常混淆“漂移”与“突增/突降”。两者在时间尺度、变化形态和影响范围上有本质差异。下表从多个维度进行对比：

4.3 漂移的数学定义

从数学角度看，PSI漂移可以拆解为两种基本形态：均值偏移和趋势变化。实际场景中两者往往叠加出现。

4.3.1 均值偏移（Mean Shift）

均值偏移指分布的中心位置发生系统性平移，而分布形状（方差、偏度）基本保持不变。数学上可表示为：

设基准分布为 P(x)，当前分布为 Q(x)
均值偏移量 Δμ = μ_Q - μ_P

若 Δμ ≠ 0 且持续多个窗口，则判定为均值漂移
PSI 值会因分箱内概率分布的整体平移而显著增大

示例：某API响应时间分布从基准均值 120ms 逐渐偏移到 180ms，但标准差仍保持在 20ms 左右。此时PSI值会从 0.02 上升到 0.15 以上。

4.3.2 趋势变化（Trend Change）

趋势变化指分布不仅均值偏移，其变化方向或速率也发生结构性改变。数学上通常通过时间序列的斜率变化来刻画：

设 t 时刻的分布统计量为 S(t)（如均值、分位数）
趋势变化检测：S(t) 的滑动窗口斜率 k_t 发生显著突变

若 k_t 从 0.01 变为 0.05，说明漂移加速
若 k_t 从正变为负，说明漂移方向反转

趋势变化比单纯均值偏移更危险——它意味着漂移正在加速，可能很快突破业务容忍边界。

4.4 漂移形态对比图

下图直观展示了“稳定分布”、“均值偏移”和“趋势变化”三种形态的差异：

4.5 漂移检测的数学框架

在实际监控系统中，PSI漂移检测通常遵循以下数学框架：

1. 分箱（Binning）： 将连续特征或指标值划分为 K 个等宽或等频区间。
2. 计算基准概率： 统计基准窗口中每个分箱的样本占比 p_i。
3. 计算当前概率： 统计当前窗口中每个分箱的样本占比 q_i。
4. 计算PSI值： 使用公式 PSI = Σ (q_i - p_i) * ln(q_i / p_i)。
5. 趋势判定： 连续 N 个窗口的 PSI 值均超过阈值 T，或 PSI 变化率超过阈值 R。

下表给出了PSI值的通用判定标准（基于金融风控行业经验）：