4. 静态阈值设定方法：固定百分比法、固定数量法、基于历史均值的静态阈值

静态阈值是巡检告警体系中最基础、最直观的设定方式。它不依赖实时动态基线或机器学习模型，而是基于运维专家对系统容量的经验判断或历史数据的统计结果，直接设定一个固定的告警门限。本章详细拆解三种最常用的静态阈值设定方法：固定百分比法、固定数量法和基于历史均值的静态阈值法。

4.1 固定百分比法

固定百分比法将告警阈值设定为指标最大容量的某个百分比。该方法适用于有明确上限的资源类指标，例如 CPU 使用率、内存使用率、磁盘空间占用率、带宽利用率等。

4.1.1 设定公式与典型值

4.1.2 实施步骤

1. 确定指标上限：例如物理内存总量、磁盘总容量、网卡带宽。
2. 选择百分比基准：根据运维经验或行业标准（如 Google SRE 书中推荐的 80% 水位线）。
3. 计算阈值：阈值 = 上限 × 百分比。
4. 配置告警规则：在监控系统中写入固定数值。

groups:
  - name: static_thresholds
    rules:
      - alert: HighDiskUsage
        expr: (disk_used_bytes / disk_total_bytes) * 100 > 90
        for: 5m
        labels:
          severity: critical
        annotations:
          summary: "磁盘使用率超过 90%"

4.2 固定数量法

固定数量法直接设定一个绝对值作为告警阈值，不依赖百分比。该方法适用于无明确上限或上限极大的指标，例如错误日志数量、连接数、队列深度、进程数、慢查询次数等。

4.2.1 典型应用场景

• 错误计数：例如 5 分钟内错误日志超过 100 条触发告警。
• 连接数：例如数据库连接数超过 500 触发 Warning。
• 队列积压：例如消息队列未消费消息超过 10000 条触发 Critical。
• 慢查询：例如每分钟慢查询超过 50 条触发告警。

4.2.2 设定原则

4.3 基于历史均值的静态阈值

该方法通过计算历史数据的均值（如过去 7 天、30 天的平均值），再乘以一个安全系数，得到一个静态阈值。它比纯经验设定更客观，适合指标有长期稳定趋势但短期有波动的场景。

4.3.1 计算步骤

1. 收集历史数据：取最近 N 天（通常 7~30 天）的指标数据，粒度 1~5 分钟。
2. 计算均值（μ）：对所有数据点求算术平均。
3. 设定安全系数（k）：根据指标波动性选择，通常 1.5~3.0。
4. 计算阈值：阈值 = μ × k（或 μ + k × σ，σ 为标准差）。

4.3.2 安全系数参考表

import numpy as np

# 假设过去 7 天的 CPU 使用率数据（%）
data = [45, 48, 52, 47, 50, 55, 49]
mean = np.mean(data)        # 均值 ≈ 49.43
std = np.std(data)          # 标准差 ≈ 3.31
cv = std / mean             # 变异系数 ≈ 0.067（低波动）

# 设定安全系数 k=1.8
threshold = mean * 1.8      # 阈值 ≈ 88.97
print(f"建议静态阈值: {threshold:.1f}%")

4.4 三种方法对比与选型建议