4. 基线校准概念：什么是基线、为什么需要基线校准、基线漂移与季节性模式
在可观测性工程中，基线（Baseline）是衡量系统健康状态的参考基准。没有基线，告警阈值就是盲人摸象——你不知道“正常”是什么，就无法定义“异常”。本章从基线定义出发，深入解释基线校准的必要性、基线漂移的本质以及季节性模式对基线的影响。
4.1 什么是基线
基线是系统在正常、稳定运行状态下，关键指标（Metric）的统计分布特征。它不是一个单一数值，而是一个包含均值、标准差、百分位数、趋势斜率等参数的动态参考模型。
| 基线要素 | 描述 | 示例（API 响应延迟） |
|---|---|---|
| 均值（Mean） | 正常时段指标的平均值 | p50 = 120ms |
| 标准差（StdDev） | 指标波动的离散程度 | σ = 30ms |
| 百分位数（Percentile） | 尾部延迟的分布边界 | p99 = 450ms |
| 趋势斜率（Trend） | 指标随时间的变化速率 | +0.5ms/小时 |
| 周期窗口（Window） | 基线计算的时间范围 | 最近 7 天同一小时 |
实践要点：基线不是“昨天平均值”这么简单。在 Grafana 中，基线通常通过
avg_over_time、quantile_over_time 等 PromQL 函数结合时间窗口计算，或者使用机器学习模型（如 Prophet、Grafana ML）生成动态基线。
4.2 为什么需要基线校准
基线校准是指定期或事件驱动地重新计算基线参数，使告警阈值始终匹配系统当前的真实运行状态。不校准的基线会快速失效，导致两种严重后果：
- 漏报（False Negative）：基线偏宽，异常被淹没在“正常”范围内，故障无法触发告警。
- 误报（False Positive）：基线偏窄，正常波动被判定为异常，运维团队陷入告警疲劳。
基线校准的核心驱动力来自以下三个维度：
| 驱动因素 | 影响 | 校准频率建议 |
|---|---|---|
| 系统变更（发布、扩缩容、配置修改） | 指标分布发生阶跃式偏移 | 变更后立即校准 |
| 业务量增长/衰减 | 指标均值与波动幅度同步变化 | 每日/每周自动校准 |
| 基础设施老化或升级 | 硬件性能漂移导致基线缓慢偏移 | 每周/每月校准 |
常见误区：不要将基线校准等同于“手动调整阈值”。手动调整是静态的、主观的；基线校准是数据驱动的、自动化的。Grafana 的 Adaptive Alerting 功能就是通过持续校准基线来动态生成告警阈值。
4.3 基线漂移
基线漂移（Baseline Drift）是指系统指标的正常分布随时间发生缓慢、不可逆的偏移。漂移是基线校准问题的核心——如果基线不漂移，一次校准就永远够用；但现实是，所有生产系统都在持续漂移。
基线漂移的典型成因：
- 数据增长：数据库表行数增加，查询延迟自然上升。
- 代码腐化：累积的技术债务导致每次请求消耗更多 CPU。
- 依赖退化：上游服务变慢，下游调用链整体右移。
- 资源竞争：共享集群中其他租户的负载变化影响本服务。
下图展示了基线漂移的典型过程：
基线漂移的数学表达：设原始基线为 B₀(μ₀, σ₀)，经过时间 t 后，实际基线变为 Bₜ(μₜ, σₜ)。如果 |μₜ - μ₀| > k·σ₀（k 通常取 2~3），则基线已发生显著漂移，必须重新校准。
4.4 季节性模式
季节性模式（Seasonal Pattern）是指系统指标在固定时间周期内重复出现的波动规律。忽略季节性的基线校准，会把正常的周期性波动误判为异常。
常见的季节性周期：
| 周期类型 | 典型场景 | 指标示例 |
|---|---|---|
| 日周期 | 白天用户活跃，夜间低谷 | API 请求量：白天 10k QPS，夜间 2k QPS |
| 周周期 | 工作日高负载，周末低负载 | 订单处理延迟：周一峰值，周日低谷 |
| 月周期 | 月初/月末财务结算、报表生成 | 数据库写入量：月末最后三天增长 3x |
| 年周期 | 电商大促、节假日流量 | CDN 带宽：双十一期间增长 10x |
Grafana 实践：在 PromQL 中，使用
avg_over_time(metric[1h] offset 1d) 可以获取“昨天同一小时”的均值，这是最简单的日周期基线。更复杂的季节性基线推荐使用 Grafana ML 的 Seasonal Decomposition 模型，它会自动提取趋势、季节和残差分量。
下图展示了季节性模式与基线校准的关系：
4.5 基线校准策略对比
根据系统特征和运维成熟度，可以选择不同的基线校准策略：
| 策略 | 原理 | 适用场景 | 优点 | 缺点 |
|---|---|---|---|---|
| 固定窗口 | 取固定时间窗口（如最近 7 天）的统计值 | 指标稳定、无明显趋势 | 实现简单、计算快 | 对漂移和季节不敏感 |
| 滑动窗口 | 随时间推移，窗口自动向前滑动 | 指标有缓慢趋势 | 自动跟踪漂移 | 对突发漂移反应滞后 |
| 季节性分解 | 将时序拆解为趋势+季节+残差 | 强周期性指标 | 准确识别周期性异常 | 计算复杂、需要历史数据 |
| 机器学习模型 | 使用 Prophet、ARIMA 等预测基线 | 复杂多周期、多趋势 | 精度高、自适应强 | 资源消耗大、需要训练 |
关键提醒：基线校准不是一次性工作。在 Grafana 中，建议为每个告警规则设置 基线刷新周期（如每 6 小时自动重算），并配合 告警回放（Alerting History） 验证校准效果。如果发现误报率上升，优先检查基线是否已漂移，而不是盲目调高阈值。