阈值策略基础：阈值定义、静态阈值 vs 动态阈值、阈值与告警频率的关系

阈值是告警系统的核心决策边界——它定义了“正常”与“异常”之间的分界线。在 On-Call 场景中，阈值设置是否合理直接决定告警的有效性与工程师的疲劳度。本节从阈值的基本定义出发，对比静态与动态两种策略，并深入分析阈值与告警频率之间的非线性关系。

2.1 阈值定义与核心参数

阈值（Threshold）是一个预设的数值边界，当监控指标持续或瞬时越过该边界时，触发告警。一个完整的阈值定义包含以下核心参数：

2.2 静态阈值 vs 动态阈值

根据阈值数值是否随时间或业务负载变化，可将阈值策略分为静态阈值与动态阈值两大类。两者在适用场景、维护成本和告警精度上存在显著差异。

下图展示了静态阈值与动态阈值在一天内不同负载时段的表现差异：

2.3 阈值与告警频率的关系

阈值设置与告警频率之间存在明确的非线性关系。理解这一关系是阈值调优的基础，也是控制 On-Call 疲劳度的关键。

2.3.1 核心关系模型

告警频率（Alert Frequency）与阈值严格程度呈反比关系，但并非线性。当阈值从宽松向严格调整时，告警频率的变化呈现三个阶段：

1. 平坦区（宽松阈值）：阈值远高于正常波动范围，告警极少触发，频率趋近于零。此时阈值调整对告警频率影响很小。
2. 敏感区（临界阈值）：阈值接近指标的正常波动上界，告警频率随阈值微调呈指数级增长。这是调优的核心区域。
3. 饱和区（过严阈值）：阈值低于正常波动范围，告警持续触发，频率达到上限（受评估窗口和静默期限制）。

下图展示了告警频率随阈值变化的典型曲线：

2.3.2 告警频率的量化估算

在实际运维中，可以通过以下公式估算给定阈值下的预期告警频率：

预期告警频率（次/天） = 指标采样点数/天 × P(指标 > 阈值) × (1 - 静默期衰减系数)

其中：
- 指标采样点数/天 = 86400 / 评估窗口（秒）
- P(指标 > 阈值) 由指标的概率分布决定
- 静默期衰减系数 = min(1, 静默期 / 平均告警间隔)

2.3.3 告警频率的黄金区间

基于 SRE 实践，不同级别的告警应有不同的目标频率：