跳到主要内容

关键性能指标

介绍​

在分布式系统中，**关键性能指标（Key Performance Indicators, KPIs）**是衡量系统健康状态的核心参数。Jaeger作为分布式追踪工具，通过收集和分析这些指标帮助开发者快速定位性能瓶颈。本文将介绍Jaeger中最常用的四类KPI及其实际应用场景。

初学者提示

KPIs就像汽车的仪表盘——它们不会直接解决问题，但能告诉你"哪里可能出了问题"。

1. 请求延迟(Latency)​

概念解析​

延迟指从请求发出到收到响应的时间差，通常以毫秒(ms)为单位。Jaeger会记录以下关键数据：

代码示例​

通过Jaeger UI查询延迟百分位数：

go
// 示例：记录HTTP请求延迟
func handleRequest(w http.ResponseWriter, r *http.Request) {
    start := time.Now()
    defer func() {
        latency := time.Since(start)
        trace.RecordLatency(latency.Milliseconds())
    }()
    // 处理逻辑...
}
典型值参考
  • 优秀：<200ms
  • 可接受：200-500ms
  • 需优化：>500ms

2. 错误率(Error Rate)​

核心指标​

  • HTTP错误码分布（4xx/5xx）
  • 业务逻辑错误（如支付失败）
  • 超时错误

实际案例​

电商系统中，当支付服务的错误率突增时：

  1. Jaeger显示错误集中在/api/payment端点
  2. 追踪发现是库存服务响应超时导致
  3. 解决方案：增加库存服务实例

3. 吞吐量(Throughput)​

关键指标​

指标类型描述单位
请求速率每秒请求数(QPS)req/s
数据吞吐每秒处理数据量MB/s
并发连接数同时活跃的连接数count
注意

高吞吐量不一定代表系统健康，需结合错误率和延迟综合分析。

4. 资源利用率(Resource Usage)​

监控维度​

  1. CPU使用率：container_cpu_usage_seconds_total
  2. 内存占用：container_memory_working_set_bytes
  3. 磁盘I/O：container_fs_reads_bytes_total
bash
# Prometheus查询示例
sum(rate(container_cpu_usage_seconds_total[1m])) by (pod_name)

实战：订单系统分析​

假设发现订单提交延迟升高：

  1. 查看P99延迟从150ms升至800ms
  2. 错误率稳定在0.2%未波动
  3. 吞吐量从50 QPS降至30 QPS
  4. 资源监控显示数据库CPU达到90%

结论：数据库成为瓶颈，需优化查询或扩容。

总结​

指标类型监控重点工具集成
延迟P90/P99百分位Prometheus
错误率错误分类统计Grafana
吞吐量流量趋势分析Jaeger UI
资源使用阈值告警AlertManager

延伸学习​

  1. 实践练习：在Jaeger中设置一个包含以下条件的仪表盘：

    • 当P99延迟 > 500ms 且 错误率 > 1%时触发告警
    • 对比日/周同比流量变化

  2. 推荐阅读：

    • 《分布式系统观测：从指标到洞察》
    • Jaeger官方文档中的"Performance Tuning"章节
记住

永远不要孤立地看待单个指标！系统的真实状态需要多维度指标交叉验证。