一、运营指标
用户指标数据，通过可以衡量用户体验的的核心行为表现数据指标来衡量效果
业务性能监控，各API状态等后台不可见的算法流程和内容
举例：
新闻产品：首页推荐结果的点击率、各类新闻的占比等（拟合推荐策略效果）
电商产品：单店日销售额、促销产品影响面（评估促销收益比）
云服务产品：云服务可用率、云服务作业成功率
游戏产品：业务规则监控（用户胜率、攻击频率上限）、系统可靠性监控
由于业务规则监控取决于业务方自己的业务属性较多，下文举例系统可靠性监控。
【1】请求数，请求到达速率
【2】正常响应数，正常响应占比
【3】错误响应数，错误响应占比
【4】响应延时
【5】消息队列长度，排队堆积时间、消息量
互联网系统根据计算机网络模型，可靠性监控可以分为下面4层。
【1】应用层：用户访问的前端页面、后端接口请求
【2】服务层：db，中间件等各种进程
【3】硬件层：cpu，内存，磁盘，网络
可靠性监控思考：
【1】不应该用采集的难度决定你使用什么指标去告警。
例如：很多情况下cpu使用率可能是最好采集的，但是未必是最值得告警的。
【2】不要给运维他们想要的告警，而是要做“真正”想要的告警。
例如：运维告诉你它需要对db进程的cpu使用率超过x%的时候告警，它给你的是一个他认为最优的解决方案。但是他真正想要的是知道db服务是否有异常，cpu使用率超过x%未必是最好的告诉你服务是否出现异常的指标。
二、规则告警
告警规则：根据历史数据定义一个正常波动区间，超出波动区间就报警。
告警策略主要字段：名称、资源类型、监控对象、告警级别、告警策略（根据资源类型展示不同的数据信息）、监控指标对象、告警指标间处理逻辑、触发条件、告警频率、状态、最近改变时间
吿警方式：
短信、电话：成本高，实时性好，到达率高
办公APP：成本低，实时性中，到达率中
邮件：成本低，实时性差，到达率高
告警收敛：
【1】服务运营指标收敛策略：按服务名、运营指标去重
【2】模块告警收敛策略：按照集群名称做去重
【3】接口告警收敛策略：按照接口名称做去重
【4】告警频率收敛策略：按照M分钟N次限制告警
【5】不同时段区分告警方式策略：工作日/非工作日，白天/夜晚区分
【6】逐层上报告警策略：先模块负责人告警，n分钟未恢复升级，m分钟未恢复再升级
【7】黑白跳动策略：当系统由正常变为异常，异常恢复正常都通报
是否告警：
曲线平滑：故障一般是对近期趋势的一个破坏，视觉上来说就是不平滑
绝对值的时间周期性：静态或者动态设置最近一段时间的最低值、最高值
波动的时间周期性：假设两个曲线不重合，在相同时间点的波动趋势和振幅也是类似的（即不同时间段的上、下限值的差是一致的）
波动回归正常值：当曲线开始回升到历史范围的时候，一般可以确认这个时间段是真的故障了。同时也可优统计误警率，漏警率。
告警自动消除：
告警的实质就是“把人当服务用”。在一些事情还没有办法做到程序化执行的时候，用告警通知人的方式去干预系统达到修正的目的。后续通过收集异常问题，并制定相应的自动化解决方案，实现告警的自动消除。
三、产品画像
产品画像，可以结合已有的运营指标、研发指标、部署指标、故障指标去实现云服务产品画像。
在选取指标时，需要注意：
【1】指标真实有效，即服务可用率，故障率等指标的归属责任方式明确的
【2】指标同步时，明确指标状态、流程，避免数据在同步过程中变为2份数据。一般也采用ETL离线同步的方式，结合全量表同步与增量表同步。
