3. Golden Signals 指标定义
Golden Signals 是 Google SRE 团队从生产运维实践中提炼出的四个核心观测维度，分别对应延迟、流量、错误和饱和度。这四个信号覆盖了用户端体验、系统负载、故障检测和容量瓶颈，是日志工程冷热分离架构中“热数据”筛选与“冷数据”降采样策略的决策依据。
3.1 延迟指标（Latency）
延迟衡量请求从发出到收到完整响应所消耗的时间。由于网络抖动、GC 暂停、资源争用等因素，延迟分布通常呈长尾特征，因此需要分位值（Percentile）来刻画不同百分位的体验。
| 分位值 | 含义 | 典型阈值（参考） | 冷热分离关注点 |
|---|---|---|---|
| P50（中位数） | 50% 的请求在此值以下完成 | < 200 ms | 反映大多数用户的正常体验，热数据保留原始采样 |
| P95 | 95% 的请求在此值以下完成 | < 500 ms | 识别尾部延迟恶化，热数据需保留完整上下文 |
| P99 | 99% 的请求在此值以下完成 | < 1 s | 长尾故障根因分析，冷数据降采样后仍需保留分位摘要 |
实践建议：在日志采集侧对每个请求记录
duration_ms 字段，并在热存储层预计算 P50/P95/P99 聚合桶，避免冷查询时全量扫描。
3.2 流量指标（QPS / TPS）
流量反映系统当前承载的请求压力。QPS（Queries Per Second）适用于查询类服务，TPS（Transactions Per Second）适用于事务型系统。流量指标直接决定日志写入速率和存储分片策略。
- QPS（每秒查询数）：适用于 HTTP API、数据库读操作、搜索引擎。日志量级通常与 QPS 成正比。
- TPS（每秒事务数）：适用于订单、支付、消息投递等包含多个步骤的原子操作。TPS 峰值往往对应日志写入洪峰。
- 冷热分离影响：流量突增时，热数据层需要快速扩容写入节点；冷数据层则按时间窗口批量归档，不受瞬时 QPS 波动影响。
关键公式：日志写入速率（条/秒）≈ QPS × 每条请求产生的日志条数。在架构设计中，热存储的写入吞吐必须 ≥ 3× 峰值 QPS 以应对毛刺。
3.3 错误率指标（Error Rate）
错误率是衡量系统健康度的最直接信号。错误率升高通常意味着代码缺陷、依赖故障或配置错误，需要立即触发告警并保留完整错误日志上下文。
| 错误类型 | 示例 | 冷热分离策略 |
|---|---|---|
| HTTP 5xx | 500 Internal Server Error | 热数据保留完整请求/响应体，冷数据仅保留错误码和摘要 |
| 业务错误码 | 订单重复、余额不足 | 热数据保留业务上下文，冷数据按错误码聚合统计 |
| 超时/熔断 | gRPC DeadlineExceeded | 热数据记录调用链 TraceID，冷数据保留超时分布 |
| 基础设施错误 | 连接池耗尽、磁盘 IO 错误 | 热数据立即告警并持久化，冷数据用于容量规划 |
注意：错误率指标应基于“请求总数”计算，而非“日志条数”。一条失败请求可能产生多条错误日志，直接统计日志条数会导致错误率虚高。
3.4 饱和度指标（CPU / 内存 / 磁盘 / 连接数）
饱和度反映资源接近极限的程度。当资源利用率超过 80% 时，系统通常进入非线性退化区，延迟和错误率会急剧上升。饱和度指标是冷热分离中“数据降级”的触发条件。
3.5 四类指标在冷热分离中的映射关系
下表总结了 Golden Signals 四类指标在日志工程冷热分离架构中的具体映射，帮助设计数据分层策略。
| Golden Signal | 热数据（实时层） | 温数据（近线层） | 冷数据（归档层） |
|---|---|---|---|
| 延迟（P50/P95/P99） | 保留原始请求级延迟，支持下钻分析 | 保留 P50/P95/P99 聚合桶，丢弃原始值 | 仅保留日/小时级分位摘要 |
| 流量（QPS/TPS） | 全量记录请求元数据，用于实时监控 | 按 1:10 降采样，保留趋势特征 | 仅保留分钟级聚合计数 |
| 错误率 | 全量保留错误日志及堆栈，触发即时告警 | 保留错误码分布和 TraceID 索引 | 按错误码聚合，保留周级统计 |
| 饱和度 | 秒级采集 CPU/内存/磁盘/连接数，用于弹性伸缩 | 分钟级聚合，用于容量规划 | 小时级快照，用于长期趋势分析 |
设计原则：热数据层优先保障延迟和错误率的全量可观测性；冷数据层优先保障流量和饱和度的长期趋势可回溯。饱和度指标达到阈值时，应主动触发热数据降采样，避免存储系统进入非线性退化区。