本文目录导读：
系统优化工具通常会关注多个维度的指标,但最值得重点关注的往往是那些直接影响系统稳定性、响应速度和资源效率的核心指标，以下是几类关键指标：
CPU 相关指标
- CPU 使用率：整体和单核使用率，持续过高（如 >80%）意味着瓶颈
- 负载均值（Load Average）：1/5/15 分钟负载，反映排队任务量
- 上下文切换次数：过高说明线程竞争激烈
- CPU steal time（虚拟化环境）：反映被宿主机抢占的时间
内存指标
- 可用内存 / 内存使用率：关注是否接近耗尽
- Swap 使用率及换页频率（si/so）：频繁换页是性能杀手
- Page Cache 命中率：影响 I/O 效率
- OOM 事件：内存溢出导致的进程被杀
磁盘 I/O 指标
- IOPS 与吞吐量：是否达到设备上限
- I/O 等待时间（await）：反映磁盘响应延迟
- 磁盘利用率（%util）：持续接近 100% 即为瓶颈
- 队列长度：积压情况
网络指标
- 带宽利用率：是否接近链路上限
- 丢包率、重传率：直接影响可用性
- 连接数（ESTABLISHED/TIME_WAIT）：连接泄漏或耗尽风险
- 延迟（RTT）与抖动
应用/服务层指标
- 响应时间（P95/P99 延迟）：比平均值更能暴露问题
- 错误率 / 失败请求比例
- 吞吐量（QPS/TPS）
- 队列积压与线程池饱和度
系统稳定性指标
- 进程/线程数变化
- 文件描述符使用率
- 系统重启/崩溃次数
- 日志中的错误与告警频率
重点关注原则
- 优先级：P99 延迟、错误率、资源饱和类指标（CPU/内存/磁盘/网络接近上限）应作为第一梯队。
- 趋势优于瞬时值：关注指标的变化趋势和基线偏离，而非单点数值。
- 关联分析：单一指标异常往往不够，需结合上下游（如高延迟 + 高 I/O wait + 低 CPU）定位根因。
- 业务导向：最终以用户体验（延迟、可用性）和成本（资源利用率）为衡量标准。
简言之,饱和度（资源接近上限）、延迟（P99）、错误率和饱和度趋势是最值得优先关注的四类核心信号。
版权声明：本站文章为原创整理，转载请注明出处。
