4. 压测指标定义

压力测试的指标定义是异常自动复盘的基石。只有将吞吐量、延迟、消费滞后、错误率和资源利用率这五类指标进行标准化定义与采集，才能让后续的异常检测与根因分析具备可量化的依据。本章将逐一拆解每个指标的核心含义、采集方式及在自动复盘中的用途。

4.1 指标全景图

以下 SVG 展示了五类指标在 Kafka 压测链路中的采集位置与相互关系：

4.2 吞吐量（TPS / MBps）

吞吐量是衡量 Kafka 集群处理能力最直接的指标，分为消息吞吐量（TPS）和字节吞吐量（MBps）两个维度。

4.3 延迟（p50 / p99 / p999）

延迟指标反映消息从生产到消费的端到端耗时分布。百分位延迟比平均延迟更能暴露尾部延迟问题。

• p50（中位数延迟）：50% 的请求在此延迟内完成，反映系统正常负载下的典型响应时间。
• p99（99 分位延迟）：99% 的请求在此延迟内完成，用于评估绝大多数用户的体验。
• p999（99.9 分位延迟）：0.1% 的极端慢请求，通常由 GC 暂停、磁盘抖动或网络重传引发。

4.4 消费滞后（Lag）

消费滞后是指消费者当前消费的偏移量与分区最新偏移量之间的差值。Lag 是衡量消费者健康度的核心指标。

4.5 错误率

错误率包括生产端发送失败率、消费端处理失败率以及 Broker 端异常请求率。在自动复盘中，错误率是触发告警的敏感指标。

• 生产端错误：LeaderNotAvailableException、NotEnoughReplicasException、超时异常等。
• 消费端错误：OffsetOutOfRangeException、反序列化失败、消费超时等。
• Broker 端错误：磁盘故障、内存溢出、请求队列满等。

4.6 资源利用率

资源利用率指标用于评估 Kafka 集群的硬件负载情况，是定位性能瓶颈的关键依据。

4.7 指标关联分析示例

以下 SVG 展示了一次典型压测异常中，五类指标之间的关联关系：

4.8 指标采集配置清单

为支撑自动复盘，压测期间必须开启以下指标采集：

# 生产者端指标采集（JMX + 客户端埋点）
kafka.producer.metrics:
  - record-send-rate          # TPS
  - outgoing-byte-rate        # MBps
  - request-latency-avg       # 平均延迟
  - request-latency-99th      # p99 延迟
  - request-latency-999th     # p999 延迟
  - error-rate                # 发送错误率

# Broker 端指标采集（JMX + 系统监控）
kafka.server.metrics:
  - BytesInPerSec             # 入站 MBps
  - BytesOutPerSec            # 出站 MBps
  - MessagesInPerSec          # 入站 TPS
  - TotalTimeMs               # 请求处理延迟
  - UnderReplicatedPartitions # 分区同步状态

# 消费者端指标采集（JMX + 客户端埋点）
kafka.consumer.metrics:
  - records-lag-max           # 最大 Lag
  - records-lag               # 当前 Lag
  - fetch-rate                # 拉取频率
  - fetch-latency-avg         # 拉取延迟
  - records-consumed-rate     # 消费 TPS