目标：为本地/私有化 LLM 部署建立可观测性，覆盖指标采集、日志结构化、可视化面板与报警实践，适用于 vLLM/TGI/llama.cpp 等。

1. 监控范围

• 性能：TTFT、p50/p95/p99 延迟、tokens/s、QPS、并发数。
• 资源：GPU 显存/利用率、CPU、内存、磁盘 I/O、网络。
• 质量：错误率、超时、重试、拒答率、敏感词命中。
• 成本：tokens 消耗、缓存命中率。

2. 指标采集

• vLLM/TGI：自带 Prometheus 端点（如:8000/metrics），包含请求延迟、tokens、显存。
• llama.cpp：可通过--metrics或 exporter（如 telegraf + exec）采集；
• GPU：nvidia-smi --query-gpu=utilization.gpu,memory.used --format=csv；
• 自定义：在网关/业务层增加请求计数、错误率、命中缓存等指标。

3. 日志