2. 核心概念：什么是服务画像？健康度模型的定义与核心要素
在构建可观测性体系时，我们常常面临一个困境：指标成千上万，告警铺天盖地，但真正能反映服务“好坏”的信号却淹没在噪声中。服务画像与健康度模型正是为了解决这一困境而生的顶层设计方法。它们将零散的观测数据升维为结构化的服务认知，为后续的 Metric 设计和告警阈值优化提供统一的语义框架。
2.1 服务画像：从数据到认知的抽象层
服务画像（Service Profile）是对一个服务在特定时间窗口内运行状态、行为特征、资源消耗与依赖关系的多维度结构化描述。它不是原始数据的简单聚合，而是经过特征提取、维度归约与语义标注后的“服务快照”。
服务画像的核心价值在于：
- 降噪：将数百个原始指标压缩为数十个画像特征，保留关键信息，过滤高频抖动。
- 标准化：不同团队、不同技术栈的服务使用统一的画像模板，消除“各自定义健康”的混乱。
- 可对比：同一服务在不同时间段的画像可以纵向对比；同类服务之间可以横向对比。
💡 关键认知： 服务画像不是静态的“标签”，而是随时间演变的动态特征序列。每一次告警、每一次发布、每一次故障，都会在画像上留下可追溯的印记。
一个典型的服务画像包含以下维度：
| 维度 | 描述 | 典型特征示例 |
|---|---|---|
| 流量特征 | 请求量、并发数、吞吐量的分布与趋势 | QPS 均值/峰值、请求体大小分布、流量日周期模式 |
| 性能特征 | 延迟、响应时间的统计与分位数 | P50/P95/P99 延迟、慢请求比例、长尾延迟阈值 |
| 资源特征 | CPU、内存、磁盘、网络等资源消耗 | CPU 使用率均值/峰值、内存泄漏斜率、GC 频率 |
| 错误特征 | 错误率、错误类型、错误分布 | HTTP 5xx 比例、业务错误码分布、超时错误占比 |
| 依赖特征 | 上游调用方、下游依赖服务的状态 | 依赖服务延迟、依赖错误率、调用链深度 |
| 稳定性特征 | 可用性、抖动频率、恢复时长 | SLA 达成率、宕机次数、MTTR、MTBF |
📌 实践建议： 在构建服务画像时，优先从 流量、性能、错误 三个维度开始。这三个维度覆盖了大多数服务的核心可观测性需求，且数据采集成本最低。
2.2 健康度模型：从画像到评分的决策引擎
健康度模型（Health Model）是基于服务画像，通过预定义的评分规则、权重体系与阈值边界，将多维特征映射为一个或多个健康度分数的决策框架。它回答了“这个服务现在到底好不好？”这个核心问题。
健康度模型的定义包含三个核心要素：
- 评分维度与权重：确定哪些画像维度参与评分，以及每个维度的权重。例如，核心交易链路可能将“错误特征”权重设为 40%，而离线计算服务可能将“资源特征”权重设为 50%。
- 评分函数：将原始特征值转换为 0-100 分的映射规则。常见的评分函数包括线性映射、分段函数、Sigmoid 曲线等。
- 健康等级划分：将连续的健康度分数离散化为若干等级，如健康（≥90）、亚健康（70-89）、危险（50-69）、故障（<50）。每个等级对应不同的告警响应策略。
⚠️ 常见误区： 健康度模型不是“万能打分器”。如果评分维度选择不当或权重设置不合理，健康度分数反而会掩盖真实问题。例如，将 CPU 使用率权重设得过高，可能导致延迟飙升但 CPU 空闲的服务被误判为“健康”。
以下是一个简化的健康度模型定义示例：
| 维度 | 权重 | 评分函数 | 健康阈值 |
|---|---|---|---|
| 错误率 | 35% | max(0, 100 - 错误率 × 500) | 错误率 < 0.1% → 满分 |
| P99 延迟 | 25% | max(0, 100 - (P99 - 基线) / 基线 × 100) | P99 ≤ 基线 × 1.5 → 满分 |
| CPU 使用率 | 15% | max(0, 100 - (CPU% - 60) × 2) | CPU% ≤ 60% → 满分 |
| 依赖健康度 | 25% | min(下游服务健康度) | 所有下游健康度 ≥ 80 → 满分 |
最终健康度分数 = 0.35 × 错误率得分 + 0.25 × P99 延迟得分 + 0.15 × CPU 得分 + 0.25 × 依赖健康度得分。
2.3 服务画像与健康度模型的关系
服务画像与健康度模型是“描述”与“评价”的关系：
- 服务画像回答“服务现在是什么状态？”——它是客观的、多维度的特征描述。
- 健康度模型回答“服务现在好不好？”——它是主观的、面向决策的评分结果。
在可观测性实践中，两者缺一不可：没有画像，健康度评分缺乏数据基础；没有健康度模型，画像只是一堆无法指导行动的指标。两者共同构成了从观测到决策的完整链路。
🎯 核心公式： 健康度 = f(服务画像, 权重, 评分函数, 等级阈值)。其中 f 是预定义的映射规则，权重和阈值需要通过历史数据与业务目标反复调优。