我们经常被问到：“你服务运行的质量如何？“
问题很简单，几个字，但想要回答好并不容易，因为你需要有明确的数据来支持你的结论。
那我们该如何量化我们的服务呢？
使用 USE 方法
通常我们使用 USE 方法来量化我们的硬件资源使用情况，它具体指：
- Utilisation: % time that the resource was busy
- Saturation: amount of work resource has to do, often queue length
- Errors: the count of error events
我们的硬件资源常见检测项包括：
我们来看看一个 Prometheus 关于内存查询的例子：
内存使用率（Utilisation）:
1 - sum( node_memory_MemFree{job=“…”} +
node_memory_Cached{job=“…”} +
node_memory_Buffers{job=“…”})
/ sum(node_memory_MemTotal{job=“…”})
内存饱和（Saturation）:
1e3 * sum(
rate(node_vmstat_pgpgin{job=“…”}[1m]) +
rate(node_vmstat_pgpgout{job=“…”}[1m]))
)
使用 RED 方法
通常我们使用 RED 方法来量化我们后端服务的运行情况（尤其微服务），它具体指：
- Rate: number of requests per second
- Errors: the number of those requests that are failing
- Duration: the amount of time those requests take
使用 Prometheus 查询例子：
// rate:
sum(rate(request_duration_seconds_count{job=“…”}[1m]))
// errors:
sum(rate(request_duration_seconds_count{job=“…”,
status_code!~”2..”}[1m]))
// duration:
histogram_quantile(0.99,
sum(rate(request_duration_seconds_bucket{job=“…}[1m])) by (le))
Google SRE 4 黄金指标
- Latency: time taken to serve a request
- Traffic: how much demand is places on your system
- Errors: rate or requests that are failing
- Saturation: how “full” your services is
对于 Google SRE 的指标是很多公司参考和努力的方向，不过通常我们可以将它简化为 RED 方法。