1. 课程导论：服务画像的定义、变更检测的重要性、分布式追踪与MTTR的关系、本课程目标与受众
1.1 服务画像的定义
服务画像（Service Profiling）是对一个微服务在特定时间窗口内的运行状态、依赖关系、资源消耗、调用特征与异常模式的多维数字化描述。它不同于静态的架构文档，而是通过可观测性数据（指标、链路、日志）持续构建的动态快照。
| 维度 | 描述 | 典型数据源 |
|---|---|---|
| 拓扑画像 | 服务上下游依赖、调用深度、扇出/扇入系数 | 分布式追踪（Trace） |
| 性能画像 | P50/P95/P99 延迟、吞吐量、错误率 | 指标（Metrics） |
| 资源画像 | CPU/内存/网络/磁盘使用率与饱和度 | 基础设施指标 |
| 行为画像 | 请求模式、慢调用分布、异常堆栈聚类 | 日志（Logs）与链路 |
| 变更画像 | 版本号、配置哈希、代码提交、部署时间戳 | CI/CD 事件、配置中心 |
关键认知：服务画像不是静态的“服务卡片”，而是随时间演变的时序向量。每一次代码发布、配置变更、流量切换都会导致画像偏移，这种偏移正是变更检测的输入信号。
1.2 变更检测的重要性
在微服务架构中，变更是故障的第一大诱因。根据行业统计，超过 70% 的生产事故与近期变更直接相关。变更检测的核心价值在于：
- 缩短发现时间：从“用户报障”转向“变更事件驱动”，将故障发现从分钟级压缩到秒级。
- 精准定位根因：将服务画像的偏移与特定变更（版本、配置、流量）关联，避免大海捞针。
- 减少误报：结合画像基线，区分“正常波动”与“异常偏移”，降低告警疲劳。
核心公式：变更检测灵敏度 = 画像偏移幅度 / 基线标准差。当灵敏度超过阈值（通常 3σ）时，自动触发分布式追踪采样与复盘流程。
1.3 分布式追踪与MTTR的关系
分布式追踪（Distributed Tracing）是连接服务画像与 MTTR（Mean Time to Resolve）的桥梁。没有追踪，画像只能告诉你“哪里变了”，无法回答“为什么变”以及“影响范围多大”。
| MTTR 阶段 | 分布式追踪的作用 | 时间占比优化 |
|---|---|---|
| MTTI（发现） | 通过追踪采样率动态调整，快速捕获异常链路 | 减少 40% |
| MTTK（定位） | 基于追踪的 Span 拓扑，精准定位故障节点 | 减少 55% |
| MTTF（修复） | 追踪数据提供回滚决策依据（影响范围评估） | 减少 20% |
| MTTV（验证） | 对比修复前后的追踪延迟分布，确认恢复 | 减少 30% |
本课程提出的“变更检测触发分布式追踪”机制，核心在于打破传统“全量采样”或“固定采样率”的局限，实现按需、精准的追踪数据采集，从而在复盘阶段提供高质量的数据支撑。
1.4 本课程目标与受众
课程目标：使学员掌握从服务画像构建、变更检测算法设计、分布式追踪动态触发，到 MTTR 复盘口径重算的完整技术栈。具体包括：
- 理解服务画像的数学建模与多维特征提取方法。
- 掌握基于统计与机器学习的变更检测算法（3σ、CUSUM、Isolation Forest）。
- 学会设计变更事件驱动的分布式追踪采样策略（Head-based / Tail-based）。
- 能够构建 MTTR 复盘口径重算引擎，消除噪声数据对 SLA 评估的影响。
目标受众：
- SRE / 运维工程师：希望提升故障发现与定位效率，降低 MTTR。
- 可观测性平台开发者：需要设计变更检测与追踪联动模块。
- 技术负责人 / 架构师：关注服务稳定性体系建设与复盘流程优化。
- DevOps 工程师：希望将变更管理、可观测性与复盘流程自动化。
前置要求：学员需具备微服务架构基础、分布式系统基本概念，了解 Prometheus / Grafana / Jaeger 等可观测性工具的基本使用。本课程不涉及基础工具安装教程，聚焦于架构设计与算法实现。