4. Golden Signals 详解：部署场景下的四大黄金指标

Google SRE 经典方法论中的四大黄金信号——延迟（Latency）、流量（Traffic）、错误（Errors）、饱和度（Saturation），在 Argo CD 部署场景下需要重新定义其采集对象、计算口径和门禁判定逻辑。本节将逐一拆解每个信号在部署流水线中的具体含义，并给出可直接用于门禁规则的指标表达式。

4.1 延迟（Latency）：部署生效时间与请求响应时间

在部署场景中，延迟不再仅指用户请求的响应时间，而是聚焦于变更从提交到完全生效所经历的时间，以及新版本应用对外提供服务的响应速度。

4.2 流量（Traffic）：部署负载与请求分布

流量信号在部署场景中关注新版本实例承载的请求量占比以及整体请求量的异常波动。流量突增或突降都可能掩盖部署引入的问题。

• 请求速率（RPS）：每秒到达新版本 Pod 的请求数，通过 Service Mesh 或 Ingress 指标采集。
• 流量比例：新版本接收的请求量占总请求量的百分比，用于金丝雀发布或蓝绿部署的渐进式放量。
• 流量异常：部署后 5 分钟内 RPS 与基线偏差超过 ±30%，可能表明路由错误或服务不可用。

4.3 错误（Errors）：部署失败与运行时错误

错误信号是部署门禁中最直接的阻断条件。在部署场景下，错误分为部署阶段错误和运行时错误两个层面。

4.4 饱和度（Saturation）：资源耗尽与容量瓶颈

饱和度衡量部署后的新版本是否过度消耗资源，导致集群或服务容量达到极限。饱和度问题往往在部署后几分钟到几十分钟内逐渐显现。

• CPU 饱和度：Pod CPU 使用率 > 80% 且持续上升，可能触发 CPU Throttling。
• 内存饱和度：Pod 内存使用接近 Limits，OOMKiller 风险升高。
• 连接池饱和度：数据库连接数、gRPC 流数或线程池使用率接近上限。
• 磁盘 I/O 饱和度：日志写入或数据持久化导致磁盘延迟飙升。

4.5 四大信号在部署门禁中的协同关系

单一信号的门禁判定容易产生误报，SRE 最佳实践是将四个信号组合成综合健康评分。以下是一个可用于 Argo CD AnalysisTemplate 的评分逻辑示例：

# 综合门禁评分伪代码
score = 0
if latency_p99 < 500ms: score += 25
if error_rate < 0.01: score += 25
if traffic_ratio == expected: score += 25
if cpu_usage < 0.8 and mem_usage < 0.85: score += 25

if score >= 75:
    action = "pass"
elif score >= 50:
    action = "pause"  # 暂停放量，人工介入
else:
    action = "rollback"