4. 指标分类：延迟类指标、成功率类指标、流量类指标、资源类指标

在实时交易风控巡检系统中，告警阈值的调优必须建立在对监控指标进行科学分类的基础上。不同类别的指标具有不同的统计特性、波动模式和故障响应行为。将指标按维度分类，是制定差异化阈值策略的第一步，也是避免“一刀切”误报或漏报的关键前提。

根据实时交易系统的运行特征，我们将核心巡检指标划分为以下四大类：延迟类、成功率类、流量类和资源类。每一类指标对应不同的系统健康维度，其阈值设定方法也截然不同。

4.1 四大指标分类总览

下表从定义、典型指标、波动特征和阈值策略四个维度，对四类指标进行对比说明：

4.2 延迟类指标

延迟类指标直接反映交易链路的处理速度，是用户体验和系统效率的晴雨表。在风控场景中，延迟的微小劣化可能意味着规则引擎计算过载、外部数据源响应变慢或网络拥堵。

• 核心关注点： 平均延迟与尾部延迟（P99/P999）的差距。尾部延迟的恶化往往早于平均延迟，是更敏感的告警信号。
• 常见陷阱： 仅对平均延迟设置阈值，会掩盖少量慢请求对整体稳定性的侵蚀。
• 调优建议： 对 P99 延迟使用动态基线阈值，对 P999 延迟使用固定硬阈值（如“超过 5 秒即告警”）。

4.3 成功率类指标

成功率类指标是系统功能正确性的直接度量。在交易风控中，任何非预期的失败都可能导致资损或用户客诉，因此这类指标的告警优先级最高。

• 核心关注点： 错误率的绝对数值与相对变化。即使错误率从 0.01% 上升到 0.1%，绝对值仍很低，但相对变化已达 10 倍，必须告警。
• 常见陷阱： 在低流量时段（如凌晨），少量失败请求会导致错误率百分比剧烈抖动，产生误报。
• 调优建议： 结合“最小请求量”条件（如 QPS > 100 时才计算成功率告警），避免低流量下的噪声。

4.4 流量类指标

流量类指标描述系统的负载压力。流量突增可能触发限流，流量突降可能意味着上游故障或网络分区。流量指标是延迟和成功率变化的先行指标。

• 核心关注点： 流量的周期性模式（日/周/月）与实时偏离度。
• 常见陷阱： 使用固定阈值判断流量异常，无法适应业务大促或活动带来的正常流量高峰。
• 调优建议： 采用同比（与昨日同时段对比）和环比（与前一周期对比）相结合的动态偏离检测。

4.5 资源类指标

资源类指标反映系统底层基础设施的健康状况。资源耗尽通常是渐进式的，但一旦达到临界点，会引发雪崩式故障。

• 核心关注点： 资源使用率的趋势斜率与绝对水位。例如 CPU 使用率在 10 分钟内从 40% 线性增长到 80%，比突然跳变到 90% 更值得关注。
• 常见陷阱： 仅设置单一高水位阈值（如 90%），忽略了资源泄漏导致的缓慢恶化。
• 调优建议： 设置多级阈值（Warning 70%、Critical 85%、Emergency 95%），并配合趋势预测算法提前干预。

4.6 指标分类与巡检流程的关系

下图展示了四类指标在实时交易风控巡检中的层级关系与数据流向。延迟和成功率是业务表现层指标，流量是负载驱动层指标，资源是基础设施层指标。巡检告警应从业务表现层向下钻取，逐层定位根因。

4.7 分类阈值调优要点速查

针对每一类指标，在调优告警阈值时需要遵循不同的原则。以下列表总结了各类指标的核心调优要点：

1. 延迟类： 优先关注 P99 和 P999 百分位；使用动态基线捕捉长尾变化；避免在平均延迟上设置单一阈值。
2. 成功率类： 采用“绝对阈值 + 相对突降”双重检测；低流量时段启用最小请求量门控；错误码细分后分别设置阈值。
3. 流量类： 建立周期性基线模型（日/周/月）；使用同比偏离度作为主要告警条件；大促活动前手动调整基线窗口。
4. 资源类： 设置多级水位阈值（Warning / Critical / Emergency）；结合趋势斜率预测资源耗尽时间；对连接池、线程池等池化资源设置独立阈值。