2. 服务画像概念：什么是服务画像、服务画像的构成要素（拓扑、依赖、性能基线）、服务画像与监控的关系
2.1 什么是服务画像
服务画像（Service Profiling）是对一个微服务或应用系统在运行时状态的多维度结构化描述。它通过采集、聚合和分析可观测性数据（指标、日志、链路），将服务抽象为一组可量化的特征标签，从而回答三个核心问题：
- 服务长什么样？ —— 拓扑结构、上下游依赖、部署形态。
- 服务行为是否正常？ —— 性能基线、异常模式、健康状态。
- 服务变化趋势如何？ —— 容量规划、版本演进、故障演化。
与传统的“监控仪表盘”不同，服务画像强调静态结构 + 动态行为 + 时间维度的融合，是 RED 指标体系落地时对每个服务建立的“数字孪生”视图。
2.2 服务画像的构成要素
服务画像由三个相互关联的要素构成：拓扑、依赖、性能基线。三者共同形成服务的完整视图。
| 构成要素 | 定义 | 核心数据来源 | 在 RED 中的角色 |
|---|---|---|---|
| 拓扑 | 服务在分布式系统中的节点位置、层级关系、通信协议 | 服务注册中心、APM 拓扑发现、K8s Service/Endpoint | 定义 Rate 指标的流量边界 |
| 依赖 | 服务所调用的外部资源（数据库、缓存、消息队列、第三方 API） | 链路追踪（Trace）、依赖分析、DNS/Consul | 定义 Error 和 Duration 的故障传播路径 |
| 性能基线 | 服务在正常状态下的 RED 指标统计分布（均值、P50、P95、P99） | 历史指标聚合、滑动窗口统计、异常检测模型 | 定义 Duration 和 Error 的告警阈值 |
2.2.1 拓扑（Topology）
拓扑是服务画像的骨架。它描述了服务实例之间的调用关系、网络分区、部署单元（Pod/VM/容器）以及流量入口和出口。在 Kubernetes 环境中，拓扑通常以 Service → Deployment → Pod 的层级呈现，并结合 Ingress/Gateway 作为外部流量入口。
2.2.2 依赖（Dependency）
依赖是服务画像的血管。它记录了服务运行时必须调用的外部组件及其调用特征：调用频率、超时配置、重试策略、熔断状态。依赖分析的关键在于识别强依赖与弱依赖，以及同步依赖与异步依赖。在 RED 体系中，依赖的 Error 率和 Duration 会直接传播到上游服务的 RED 指标中。
- 目标服务/资源名称（如：user-db-master、redis-cache-cluster）
- 调用协议与端口（HTTP/80、gRPC/50051、Redis/6379）
- 平均调用量（Rate）与错误率（Error）
- P50/P95/P99 延迟（Duration）
- 超时时间与重试次数配置
- 熔断器状态（Closed/Open/Half-Open）
2.2.3 性能基线（Performance Baseline）
性能基线是服务画像的标尺。它通过历史数据为每个服务的 RED 指标建立统计分布模型，从而定义“正常”与“异常”的边界。基线不是固定阈值，而是随时间、版本、流量模式动态调整的统计区间。
| 基线维度 | 典型统计量 | 更新频率 | 用途 |
|---|---|---|---|
| Rate 基线 | 日均请求量、峰值 QPS、小时级流量模式 | 每日 / 每周 | 容量规划、流量异常检测 |
| Error 基线 | 错误率均值、错误率 P99、错误类型分布 | 每小时 | 故障告警、错误突增检测 |
| Duration 基线 | P50 / P95 / P99 延迟、延迟标准差 | 每分钟 | 性能退化检测、SLO 合规评估 |
2.3 服务画像与监控的关系
服务画像与监控是互补共生的关系，而非替代关系。监控提供实时数据流，画像提供结构化的上下文和基线参考。两者在可观测性体系中的分工如下：
2.3.1 监控为画像提供数据基础
没有实时监控数据，服务画像将无法更新。监控系统持续采集的 RED 指标、链路追踪和日志，是服务画像中性能基线和依赖关系的主要数据源。每一次请求的 Rate、Error、Duration 变化，都会推动画像的基线重新计算。
2.3.2 画像为监控提供上下文和基线
服务画像为监控告警提供了“正常”的参考系。传统监控依赖固定阈值（如 CPU > 80%），而画像驱动的监控使用动态基线（如 P99 延迟超过基线 + 2σ 时告警），大幅减少误报。同时，画像中的拓扑和依赖关系帮助监控系统在故障时进行根因定位——快速判断是自身问题还是上游依赖故障。
2.4 服务画像的典型应用场景
- 故障快速定位： 当 RED 指标异常时，通过画像的依赖拓扑快速定位故障源是自身还是下游。
- 容量规划： 基于 Rate 基线的历史趋势和季节性模式，预测未来资源需求。
- 版本发布评估： 新版本上线后，对比画像中的性能基线，判断是否存在性能退化。
- SLO 合规审计： 将服务的 Duration 基线映射到 SLO 目标，自动计算合规率。
- 异常检测： 利用画像中的多维基线（时间、版本、流量类型）进行智能异常检测。