📚 课程目录第1章课程导论

1. 课程导论：Golden Signals 概念起源、IoT 场景挑战与课程目标

Golden Signals（黄金信号）概念源自 Google 站点可靠性工程（SRE）团队的实践总结，首次系统化提出于《Google SRE 运维解密》一书。其核心思想是：在复杂的分布式系统中，只需监控四个关键指标，就能快速定位绝大多数可用性与性能问题。这四个指标被定义为“黄金信号”。

黄金信号	英文	核心含义	典型度量方式
延迟	Latency	请求从发出到收到响应所消耗的时间	P50 / P95 / P99 分位延迟（毫秒）
流量	Traffic	系统承载的请求数量或数据量	QPS（每秒查询数）、RPS（每秒请求数）、吞吐量
错误	Errors	请求失败的比率，包括显式错误与隐式错误	HTTP 5xx 比率、超时率、业务错误码比率
饱和度	Saturation	系统资源被利用的程度，接近极限的程度	CPU 使用率、内存占用、连接池使用率、队列深度

关键认知：Golden Signals 并非万能指标集，而是“最小完备集”。在 IoT 场景中，这四个信号需要针对设备端、边缘端、云端分别定义，才能有效覆盖端到端可观测性。

将 Golden Signals 从云原生服务直接移植到 IoT 设备场景，会面临显著差异。下表对比了传统 Web 服务与 IoT 设备在四个黄金信号上的关键区别：

维度	传统 Web 服务	IoT 设备场景
延迟	请求-响应模型，延迟通常 < 1s	传感器采集周期 + 网络传输 + 边缘处理，延迟可达秒级甚至分钟级
流量	QPS 是核心指标，流量波动大	数据上报频率固定（如 1 条/分钟），但设备数量巨大（万级~百万级）
错误	HTTP 状态码清晰，错误可归因	设备离线、传感器故障、数据格式异常、电池耗尽等“静默错误”占比高
饱和度	CPU / 内存 / 磁盘 / 网络带宽	电池电量、存储空间、无线信号强度、MCU 负载、连接数

核心挑战：IoT 设备通常资源受限（低算力、低内存、低带宽），且网络环境不稳定（弱网、断连、高延迟）。直接套用云端监控方案会导致设备端开销过大、数据上报量爆炸、电池快速耗尽。因此，必须设计轻量级、自适应、边缘优先的数据采集方案。

机遇同样明显：IoT 设备产生的时序数据天然适合 Golden Signals 框架，且边缘计算能力的提升使得在设备端或网关侧完成初步指标聚合成为可能。本课程将重点解决“如何在资源受限的 IoT 设备上，以最小代价采集并上报四个黄金信号”。

本课程旨在培养学员具备以下能力：

学习路径分为四个阶段：

  课程产出：完成本课程后，学员将能够独立设计一套适用于 IoT 设备场景的 Golden Signals 数据采集系统，并具备将其部署到实际项目中的能力。

下图展示了四个黄金信号在典型 IoT 架构（设备 → 边缘网关 → 云平台）中的映射与流动路径：

本课程所有方案设计均遵循以下三条核心原则：

  课程定位：本课程不追求大而全的监控平台搭建，而是聚焦于“设备端如何高效、可靠地采集并上报 Golden Signals”。学员将获得可直接嵌入嵌入式固件的采集模块设计思路与代码模板。