---

引言

架构思维：通用架构模式_从设计到代码构建稳如磐石的系统
架构思维：通用架构模式_稳如老狗的SDK设计最佳实践

架构思维：通用架构模式_怀疑下游的设计思路与最佳实践

我们以“防备上游、做好自己、怀疑下游”的准则，分别从系统设计、部署和代码层面，介绍了如何构建高可用后台系统。但再完善的防护也难保万无一失，真正的挑战在于在用户感知之前，第一时间发现问题。

接下来我们将从监控的角度出发，教你如何设计微服务监控，帮助快速、自动地暴露故障，保障系统稳定运行。

什么是监控

监控是指对系统运行状态数据持续审查，并设定阈值，对超出阈值的指标发出告警的机制。如下所示，监控数据通常以 时间（X 轴） 与 指标值（Y 轴） 的曲线图形式展示：

X 轴：时间间隔（秒或分钟）
Y 轴：该间隔内汇聚的指标（数量、平均值、最大值等）

---

三大常见监控类型

1. 次数监控

用于统计某个事件或方法的调用次数，比如接口被调用次数、某段逻辑执行次数。

图 2：次数监控示例
Y 轴：指定间隔内总调用次数

2. 性能监控

关注接口或依赖调用的延迟，常用指标有：

• 平均耗时（AVG） = 总耗时 / 调用次数
• 最大耗时（Max） = 区间内单次最长耗时
• TPn（如 TP999）= 排序后第 n‰ 位置的耗时值

通常将 Avg、Max、TP99X 三者合并展示：

3. 可用率监控

计算指定区间内业务执行成功的比例。

在可用率判断中，要区分：

• 业务异常（如参数校验失败）：不算失败，不降可用率
• 非业务异常（如网络超时、空指针）：算失败，需降可用率并报警

阈值设置需结合接口级别和 SLA，核心接口可设 100%，其他接口可适当放宽。

---

落地监控

业务

1. 服务入口

• 次数监控

  1. 基于压测瓶颈设阈值告警，并配合限流
  2. 按调用方维度统计，快速定位流量异常来源
  3. 同环比监控，自动识别突增

• 性能监控

  1. 必要时只告警 Avg、Max、TP999（或 TP9999）
  2. 按调用方分层监控，排查使用差异
  3. 基于入参（如批量大小）分段监控，辅助优化策略

• 可用率监控

  1. 接口级与调用方级双重告警
  2. 按业务/非业务异常判定成功与否
  3. 阈值分级：重要接口近乎 100%，普通接口可降至 95%

2. 服务内部

• 聚焦核心与可疑方法，避免监控点过多导致告警疲劳
• 监控 JVM（Young/Full GC、堆内存使用）、RPC 线程池剩余数、进程存活状态
• 机器层面：CPU、内存使用率与负载（Load）监控

3. 服务依赖

• 对每个下游依赖统一埋点监控（可用率、性能、次数）
• 注意解析 RPCResult 等包装返回，防止“隐性”失败漏报
• Java 应用可通过 AOP 或框架拦截（如 MyBatis Interceptor）统一实现

---

监控时间间隔的取舍

• 秒级监控最优，能最快暴露故障
• 但存储成本高（1s 数据量是 1min 的 60 倍）
• 若系统同时支持秒级和分钟级，生产环境推荐秒级，测试或存储受限时可降至分钟级

---

小结

• 三大基础指标：次数、性能、可用率
• 三层架构落地：入口、内部、依赖
• 补充监控：JVM、线程池、进程、机器资源
• 阈值与时序：结合 SLA、接口重要度，优先秒级