监控的四个黄金信号是什么？

Question

监控的四个黄金信号是什么？

Accepted Answer

根据Google的SRE书籍，四个黄金信号是**延迟、流量、错误和饱和度**。如果你只能测量用户面向系统的四个指标，就测量这些——它们共同捕捉绝大多数问题。

## 四个信号

```text
LATENCY     how long a request takes
            → split SUCCESSFUL vs FAILED latency (a fast 500 isn't "fast")
            → track percentiles (p50/p95/p99), not averages

TRAFFIC     how much demand the system is under
            → requests/sec, transactions/sec, concurrent sessions

ERRORS      rate of failing requests
            → explicit (HTTP 500) and implicit (wrong content, too slow)

SATURATION  how "full" the system is — its most constrained resource
            → CPU, memory, I/O, queue depth; a leading indicator of trouble
```

## 这四个信号为什么能涵盖大多数问题

延迟和错误是用户**直接感受到的**。流量解释了**负载背景**（10倍流量激增时的延迟尖峰意味着与基线状态不同）。饱和度是**领先指标**——它在延迟和错误出现之前就会上升，给你在用户受伤前发出警告。

```text
saturation climbs → latency rises → errors appear → users complain
     ^ warning here, while there's still time to act
```

## 与USE和RED的对比

黄金信号是三个相关框架之一；它们高度重叠，从不同角度选择相同的关键指标。

```text
GOLDEN  latency, traffic, errors, saturation   → user-facing services (general)
RED     Rate, Errors, Duration                 → request-driven services (a subset)
USE     Utilization, Saturation, Errors        → resources/infra (per device)
```

RED本质上是去掉饱和度的黄金信号，面向请求；USE是以资源为中心的（对每个磁盘、网卡、CPU应用）。对服务使用RED，对硬件使用USE，黄金信号作为通用默认方案。

## 为什么这很重要

监控所有内容会产生噪音和盲点；什么都不监控会让你盲目飞行。黄金信号是经过验证的最小集合，它将仪表板和告警与用户体验相关联，同时仍然能够尽早浮出饱和度——所以你能在事件发生前得到警告，而不是在事后分析中。