3. 阈值分层基础概念：阈值定义、分层原则与颜色编码规范

阈值分层是水位看板的核心设计方法。它通过将单一指标划分为多个风险区间，让运维人员一眼就能判断系统状态。本章将系统讲解阈值的定义方式、三层分层的设计原则，以及业界通用的红/黄/绿颜色编码规范。

3.1 阈值定义：从原始数据到风险边界

阈值（Threshold）是预先设定的数值边界，用于区分系统处于正常、警戒或危险状态。在 Grafana 中，阈值通常作用于以下三类指标：

• 资源利用率：CPU、内存、磁盘、网络带宽的百分比或值。
• 服务性能：响应时间（P99/P95）、吞吐量（QPS/TPS）、错误率。
• 业务指标：订单量、用户活跃数、支付成功率。

阈值定义需要遵循 SMART 原则：

原则	说明	示例
Specific（具体）	指标必须明确可测量	“CPU 使用率”而非“系统负载高”
Measurable（可量化）	有明确的数值单位	“响应时间 ≤ 200ms”
Achievable（可达）	阈值在系统能力范围内	“磁盘使用率 90%”而非“100%”
Relevant（相关）	与业务或运维目标挂钩	“支付成功率 ≥ 99.9%”
Time-bound（时效）	定义持续时长或采样窗口	“持续 5 分钟超过 80%”

3.2 分层原则：紧急 / 警告 / 正常

水位看板通常采用 三层分层模型，将指标区间划分为三个风险等级。这种分层方式在可读性和运维效率之间取得了最佳平衡。

三层分层的核心设计原则包括：

1. 区间不重叠：每个阈值区间有明确的上下边界，避免指标同时落入两个等级。
2. 预留缓冲带：警告区间应留有足够的缓冲空间（通常为正常上限的 10%~20%），避免指标波动导致频繁告警。
3. 业务对齐：紧急阈值必须与 SLA/SLO 目标挂钩，例如“P99 响应时间超过 500ms 即视为紧急”。
4. 可操作性：每个等级对应明确的运维动作，如“正常→无需操作”“警告→巡检”“紧急→立即响应”。

3.3 颜色编码规范：红 / 黄 / 绿

颜色编码是阈值分层在可视化层面的直接映射。Grafana 水位看板遵循业界通用的 交通灯配色体系：

等级	颜色	色值（Hex）	语义	运维动作
正常	绿色	#2ecc71	安全、健康、通过	无需关注
警告	黄色 / 橙色	#f39c12	注意、警戒、接近边界	巡检、排查
紧急	红色	#e74c3c	危险、故障、中断	立即响应

3.4 阈值分层在 Grafana 中的配置示例

在 Grafana 面板的 Thresholds 设置中，可以按以下方式配置三层阈值：

# 以 CPU 使用率为例（单位：%）
# 正常：0 ~ 70
# 警告：70 ~ 85
# 紧急：85 ~ 100

Thresholds:
  - value: 70
    color: #f39c12   # 黄色（警告起始）
  - value: 85
    color: #e74c3c   # 红色（紧急起始）
  # 默认颜色为 #2ecc71（绿色，正常）

在 Grafana 的 Alerting 规则中，阈值分层可以进一步与通知策略绑定：

# 告警规则示例（PromQL）
# 紧急告警：CPU > 85% 持续 5 分钟
expr: avg by(instance) (rate(node_cpu_seconds_total{mode="idle"}[5m])) < 0.15

# 警告告警：CPU > 70% 持续 10 分钟
expr: avg by(instance) (rate(node_cpu_seconds_total{mode="idle"}[10m])) < 0.30