📚 课程目录第2章特征缺失类型分类

特征缺失类型分类

在巡检告警系统中，特征缺失并非单一现象。不同缺失类型对数据质量、模型训练和告警阈值计算的影响截然不同。SRE 团队需要根据缺失类型选择不同的巡检策略与补偿算法。以下从统计学与工程实践两个维度，将特征缺失划分为五大类。

缺失类型	英文术语	核心特征	对告警阈值的影响
完全缺失	Complete Missing	特征列全部为空	阈值计算直接失败，需阻断告警
部分缺失	Partial Missing	特征列存在部分有效值	阈值需基于有效样本动态调整
随机缺失	Missing Completely at Random (MCAR)	缺失与数据本身无关	可安全使用均值/中位数填充
非随机缺失	Missing Not at Random (MNAR)	缺失与未观测值相关	填充会引入偏差，需标记告警
结构性缺失	Structural Missing	由系统架构或业务逻辑导致	需配置白名单或默认值规则

SRE 实战提示：在巡检告警阈值配置中，完全缺失和结构性缺失是最容易被误判为系统故障的两类。前者通常需要立即触发告警阻断，后者则可能属于正常业务逻辑，需要提前配置豁免规则。

完全缺失指某个特征在巡检时间窗口内没有任何有效数据点。常见场景包括：采集器宕机、网络分区导致数据无法上报、数据库表被误删除。此时阈值计算引擎无法获得任何统计量，必须直接进入告警阻断流程。

部分缺失指特征列中存在一定比例的有效值，但存在时间断点或采样空洞。例如，CPU 使用率在 10 分钟内只有 8 分钟的数据，缺失 2 分钟。此时阈值计算可以基于有效样本进行，但需要引入有效样本率作为置信度指标。

  巡检阈值公式（部分缺失场景）：

  有效样本率 = 实际采集点数 / 期望采集点数

  当有效样本率 < 80% 时，阈值置信度降级，告警级别提升一级

从统计学角度，缺失机制决定了数据填充方法的合法性。

随机缺失（MCAR）：数据缺失的概率与任何观测值或未观测值无关。例如，由于采集器随机内存抖动导致个别数据点丢失。此时缺失数据可以安全地使用均值、中位数或前向填充法补全，不会引入系统性偏差。

非随机缺失（MNAR）：数据缺失的概率与未观测到的真实值相关。例如，当 CPU 负载超过 95% 时，采集器因资源耗尽而无法上报数据。此时缺失的数据点恰恰是高负载的极端值。如果直接使用均值填充，会严重低估真实负载，导致告警阈值偏低，漏报风险急剧上升。

告警阈值陷阱：非随机缺失是 SRE 巡检中最危险的缺失类型。当缺失数据集中在高负载、高延迟、高错误率区间时，任何填充方法都会导致阈值偏移。建议对此类缺失直接标记为“不可信数据”，并触发补充采样或人工确认流程。

结构性缺失并非数据采集故障，而是由系统架构设计或业务逻辑导致的预期性缺失。例如：

结构性缺失的巡检策略与前三类完全不同：

处理策略	说明	配置示例
白名单豁免	将已知结构性缺失的特征加入巡检白名单	`feature_whitelist: ["service_b_latency", "new_metric_v2"]`
默认值注入	为结构性缺失字段配置业务默认值	`default_value: {"qps_night": 0, "error_rate_no_traffic": 0}`
条件巡检	仅在特定条件下检查该特征	`if: region == "cn-east" then check feature_x`

  SRE 最佳实践：建议在巡检告警系统初始化阶段，由架构师和 SRE 共同梳理特征缺失白名单。将已知的结构性缺失提前配置为豁免项，避免每次巡检都产生误报。同时，白名单需要随架构变更定期 review，防止真正的故障被白名单掩盖。

在实际巡检告警阈值计算中，SRE 需要根据缺失类型选择不同的处理路径。以下决策矩阵可作为巡检引擎的规则引擎配置参考：

缺失类型	是否阻断告警	是否允许填充	推荐填充方法	阈值置信度
完全缺失	是	否	—	0%
部分缺失	否	是（有条件）	前向填充 / 插值	有效样本率
随机缺失	否	是	均值 / 中位数	100%
非随机缺失	是（建议）	否	—	0%
结构性缺失	否	是（业务默认值）	白名单 / 默认值注入	100%

注意：非随机缺失的“阻断告警”并非指触发告警通知，而是指阻断阈值计算流程，并生成一条“数据不可信”的内部告警记录，由 SRE 人工介入判断。直接使用非随机缺失数据计算阈值，可能导致告警系统在真实故障时保持沉默。