面经策

新项目要上线了，你会关注哪些指标，为什么？ ​

  • 标签：后端、场景题

🏛 业务架构师 ​

新项目上线关注哪些指标——我会分业务指标、技术指标、安全合规三层答，并且强调核心观点：技术指标是手段，业务指标才是目的，两者要建立因果关联。

业务指标（北极星）

  • 核心转化漏斗：访问 → 注册 → 下单 → 支付成功率（支付成功率是最诚实的健康度指标，它掉说明哪里坏了）
  • GMV / 客单价 / 复购（留存比拉新更说明产品价值）
  • 用户投诉量与客诉关键词（最直接的质量反馈渠道）

技术指标（围绕可用性、性能、容量三件事）

  • 可用性：错误率、接口成功率、告警次数——目标先定 SLO（如 99.9%）
  • 性能：RT 的 P95/P99（平均值会骗人）、慢查询数
  • 容量水位：CPU/内存/磁盘/网络利用率、QPS 峰值 vs 容量极限的比值——水位超 60% 就该预警扩容，别等打挂
  • 依赖健康：第三方接口成功率、MQ 堆积量

为什么定这些（回答题干的"为什么"）

  • 新系统最大风险是未知流量模式：预估峰值的 3 倍容量冗余 + 压测验证
  • P99 比平均值重要：平均值掩盖长尾，而流失的往往是长尾那 1% 的用户
  • 支付成功率每掉 0.1% 都是直接资损，它是技术指标和业务指标的交汇点

安全与合规（新项目容易漏）

  • 异常请求量（攻击探测）、敏感操作审计日志完整性、个人信息处理合规（个保法要求）
  • 数据备份是否真的可恢复（没验证过恢复的备份等于没有备份）

收尾（架构师视角）：上线前我会准备一张"作战仪表盘"：一屏看全业务漏斗 + 核心技术指标 + 水位，并约定告警阈值和值班响应机制。没有度量就没有管理——上线第一周的核心任务不是功能迭代，是把系统的真实行为度量清楚，为后续所有决策提供地基。

🏗 系统架构师 ​

新项目上线，我关注的指标按三层金字塔组织，每层回答不同问题。

第一层：用户体验指标（北极星，为什么活看它）

  • 可用性：成功率（非 5xx 占比），目标 99.9%+
  • 延迟：P50/P95/P99 响应时间——P99 比平均值重要，平均值会掩盖长尾，"平均 50ms 但 P99 3s"的接口用户体验是差的
  • 错误率按类型拆：业务错误（参数错）vs 系统错误（5xx、超时），分开看才能定位

第二层：应用与资源指标（定位问题在哪）

  • QPS/TPS 与并发：容量的直接体现，和压测基线对比，水位超 60% 告警
  • JVM：GC 频率与停顿时间（Full GC 必须 0）、堆使用趋势（持续上涨=泄漏前兆）、线程数与线程池队列水位
  • 资源饱和度：CPU 利用率与 load、内存、磁盘 IO、网络带宽、TCP 连接数、文件描述符
  • 依赖健康：DB 慢查询数与连接池等待、Redis 命中率与超时率、MQ 堆积量、第三方接口成功率——新生系统的故障 80% 来自依赖

第三层：业务指标（证明价值与发现异常）

  • 核心转化漏斗：下单量、支付成功率、注册转化
  • 业务异常信号：验证码发送量突增（被刷）、订单创建与支付比例异常——业务指标常常比技术指标更早发现故障与攻击

配套关注：

  • 日志与追踪：日志量突增/ERROR 率、Trace 采样率，出问题能不能 5 分钟定位
  • 容量水位：按当前增长速度外推，什么时候到瓶颈（提前扩容）
  • 告警质量：上线首周告警降噪，只保留"需要人响应"的告警，防止狼来了

一句话：用户看成功率和 P99，系统看水位和依赖，业务看转化和异常信号——三层齐备才叫可运维。

💻 全栈开发专家 ​

新项目上线，我关注三层指标，并且先定告警阈值再上线。

第一层：技术健康（黄金四指标）

  1. 流量：QPS/TPS——容量基线的起点。
  2. 延迟：RT 的 P50/P95/P99——平均值会骗人，P99 才暴露长尾问题。
  3. 错误：错误率（5xx/业务异常码）、日志 ERROR 量。
  4. 饱和度：CPU/内存使用率、线程池活跃度与队列水位、DB/Redis 连接池使用率、MQ 堆积量。

第二层：JVM 与中间件

  • GC 频率与耗时（jvm.gc.pause、FGC 次数），Full GC 一次都是事故预警。
  • 慢 SQL 数量、Redis 命中率（低于 90% 要审）、MySQL 主从延迟。

第三层：业务指标（最重要也最常被漏）

  • 下单量/支付成功率/关键转化漏斗——技术指标全绿但支付成功率跌了，系统照样是"故障"状态。
  • 核心业务量环比同比突变告警（跌 50% 可能是上游 bug 静默失败）。

为什么这么定

  • 饱和度指标决定还能不能扛增长：队列水位 80% 告警，留出扩容反应时间。
  • P99 而非均值：用户抱怨的永远是长尾。
  • 告警要可行动：每条告警对应明确的 runbook（谁处理、怎么处理），否则就是噪音，一周后大家都麻木。

落地：Prometheus + Grafana 大盘（技术+业务同屏）+ 告警分级（P0 电话、P1 群消息），上线前先做一次压测拿到基线数据，阈值 = 基线 × 1.5。