2. Metric Design 基础：Metrics 的定义、类型与设计原则

可观测性的核心在于数据，而 Metrics（指标）是最基础、最通用的数据形态。在异常检测与配置一致性发布场景中，Metrics 的设计质量直接决定了检测算法的准确率和发布系统的稳定性。本节将系统讲解 Metrics 的定义、四种标准类型及其适用场景，并给出经过生产验证的设计原则。

2.1 Metrics 的定义与本质

Metrics 是随时间变化的、可聚合的数值序列，用于描述系统在某一时刻或某一时间窗口内的状态或行为。与 Logs（日志）和 Traces（链路）不同，Metrics 具有以下本质特征：

• 数值性：每个数据点是一个数值，支持数学运算与统计聚合。
• 时间性：每个数值关联一个时间戳，形成时间序列。
• 可聚合性：支持按时间窗口（如 1m、5m、1h）或按标签维度（如 host、service、region）进行聚合。
• 低开销：相比日志全量采集，Metrics 通过预聚合和采样大幅降低存储与传输成本。

2.2 四种标准 Metric 类型

Prometheus 生态定义了四种核心 Metric 类型，也是业界事实标准。下表从定义、行为、适用场景三个维度进行对比：

2.3 Metric 类型选择决策流程

在实际设计时，可以按照以下决策树快速确定 Metric 类型：

1. 数据是否只增不减？ → 是 → Counter（如请求量、错误量）
2. 数据是否反映当前瞬时状态？ → 是 → Gauge（如 CPU、内存）
3. 是否需要观测数据分布？ → 是 → 进入分布选择分支：
• 需要跨实例聚合分位数？ → Histogram（服务级延迟分布）
• 分位数必须精确且客户端可控？ → Summary（单实例 SLA 监控）

2.4 Metric 设计五大原则

在配置一致性发布和异常检测场景中，以下五项原则是经过大规模生产验证的黄金法则：

2.5 异常检测场景下的 Metric 设计要点

针对异常检测和配置发布场景，还需要额外关注以下设计要点：

• 速率优先：对于 Counter 类型，异常检测应基于 rate() 或 increase() 后的值，而非原始累计值。
• 分布感知：仅监控平均值会掩盖尾部延迟问题。在发布过程中，应同时监控 Histogram 的 P50、P90、P99 桶变化。
• 维度对齐：发布前后的 Metric 必须保持相同的标签结构，否则对比分析会产生偏差。
• 预聚合窗口：异常检测的聚合窗口应与发布节奏匹配。金丝雀发布建议使用 1m 窗口，全量发布建议使用 5m 窗口。

2.6 实战：配置发布场景的 Metric 设计示例

假设我们要为一个微服务发布系统设计 Metrics，用于检测发布过程中的异常。以下是一个经过生产验证的设计模板：

# 请求量 Counter（按版本、实例、状态码维度）
service_http_requests_total{service="checkout", version="v2.3.0", instance="pod-1", status="2xx"}
service_http_requests_total{service="checkout", version="v2.3.0", instance="pod-1", status="5xx"}

# 延迟分布 Histogram（按版本、实例维度，桶：0.1, 0.5, 1, 2, 5, 10 秒）
service_http_request_duration_seconds_bucket{service="checkout", version="v2.3.0", instance="pod-1", le="0.1"}
service_http_request_duration_seconds_bucket{service="checkout", version="v2.3.0", instance="pod-1", le="0.5"}
service_http_request_duration_seconds_bucket{service="checkout", version="v2.3.0", instance="pod-1", le="1"}
service_http_request_duration_seconds_bucket{service="checkout", version="v2.3.0", instance="pod-1", le="+Inf"}

# 资源使用率 Gauge（按实例维度）
service_cpu_usage_ratio{service="checkout", instance="pod-1"}
service_memory_usage_bytes{service="checkout", instance="pod-1"}

# 发布状态 Gauge（0=稳定, 1=金丝雀, 2=灰度, 3=全量）
service_release_phase{service="checkout", version="v2.3.0"}

2.7 常见设计反模式

以下是我们在生产环境中遇到的高频反模式，请在设计时主动规避：