3. 性能指标与监控：核心性能指标与监控工具选型

在报表导出服务性能调优中，可观测性是决策的基础。没有准确的指标和可靠的监控，调优就是盲人摸象。本章将系统梳理核心性能指标的定义与计算方式，并给出基于 Prometheus + Grafana 的监控选型方案，同时讲解埋点与日志采集的最佳实践。

3.1 核心性能指标定义与计算

性能调优必须围绕可量化的指标展开。下表列出了报表导出场景下最关键的 6 类指标及其计算方式：

3.2 监控工具选型：Prometheus + Grafana

我们选择 Prometheus 作为指标采集与存储引擎，Grafana 作为可视化面板。这套组合在云原生生态中已成为事实标准，具备以下优势：

• Pull 模型：Prometheus 主动拉取目标端点，避免推送风暴，适合微服务架构。
• 多维数据模型：基于标签（label）的时序数据，支持灵活的聚合与下钻。
• PromQL：强大的查询语言，可实时计算 TPS、P99 等衍生指标。
• Grafana 告警：内置告警引擎，支持钉钉、邮件、Webhook 等多通道通知。

下图展示了 Prometheus + Grafana 在报表导出服务中的整体监控架构：

3.3 埋点与日志采集

埋点是监控的源头。在报表导出服务中，我们采用 Micrometer（Java 生态）作为指标埋点框架，配合 Logback + ELK 做日志采集。以下是关键埋点策略：

3.3.1 指标埋点（Micrometer）

在代码中通过 Micrometer 的 MeterRegistry 注入以下核心指标：

// 1. 计数器：记录导出请求总数
Counter exportCounter = Counter.builder("report.export.total")
    .tag("type", "excel")
    .register(registry);
exportCounter.increment();

// 2. 计时器：记录导出耗时（自动计算 TPS 和 RT）
Timer exportTimer = Timer.builder("report.export.duration")
    .tag("format", "xlsx")
    .publishPercentiles(0.5, 0.95, 0.99)
    .register(registry);
exportTimer.record(() -> doExport());

// 3. 仪表盘：记录当前排队任务数
Gauge.builder("report.export.queue.size", queueService, QueueService::size)
    .register(registry);

// 4. 分布摘要：记录导出文件大小
DistributionSummary summary = DistributionSummary.builder("report.export.file.size")
    .baseUnit("bytes")
    .publishPercentiles(0.5, 0.95)
    .register(registry);
summary.record(fileSize);

3.3.2 日志采集（Logback + ELK）

日志采用 结构化日志 格式，方便在 Kibana 中做全文检索和聚合分析。Logback 配置示例：

<!-- logback-spring.xml 关键配置 -->
<appender name="JSON_FILE" class="ch.qos.logback.core.rolling.RollingFileAppender">
    <file>logs/report-export.log</file>
    <encoder class="net.logstash.logback.encoder.LogstashEncoder"/>
    <rollingPolicy class="ch.qos.logback.core.rolling.TimeBasedRollingPolicy">
        <fileNamePattern>logs/report-export.%d{yyyy-MM-dd}.log.gz</fileNamePattern>
        <maxHistory>30</maxHistory>
    </rollingPolicy>
</appender>

<logger name="com.example.report" level="INFO" additivity="false">
    <appender-ref ref="JSON_FILE"/>
</logger>

在代码中输出结构化日志时，务必包含 traceId、userId、exportId 等上下文信息：

// 结构化日志示例
log.info("导出任务开始", 
    kv("exportId", exportId),
    kv("userId", userId),
    kv("fileSize", fileSize),
    kv("format", format));

3.4 监控面板设计（Grafana）

一个高效的 Grafana 面板应包含以下 4 个核心区域：

下图展示了 Grafana 面板中针对报表导出服务的典型布局：