1. 应用层监控

1.1 短链跳转

• 跳转 QPS

  • 指标：每秒短链访问次数
  • 目标：单节点 ≥ 5k QPS
  • 告警：超过 80% 峰值 → 告警

• 跳转延迟（RT）

  • P50、P95、P99 响应时间
  • 目标：P95 ≤ 100ms
  • 告警：P95 > 200ms

1.2 短链生成

• 生成 API QPS

  • 指标：每秒生成请求数

• 生成延迟

  • P95 ≤ 300ms

• 生成失败率

  • 占比 ≤ 0.1%
  • 错误码分布：120001（非法URL）、120004（冲突）

1.3 错误率

• 全局错误率

  • (错误请求数 / 总请求数)
  • 阈值：> 1% 告警

• 错误码分布

  • Top 5 错误码实时统计（110004、120005、120006、130003、100003）

2. 数据库监控

2.1 MySQL

• 连接数

  • 当前连接数 vs 最大连接数

• 慢查询

  • 1s 查询次数

• 写入 TPS

  • 每秒写入短链数

• 磁盘空间

  • 表 short_links、click_logs 增长情况

2.2 Redis

• 命中率

  • (hits / (hits+misses))
  • 目标：≥ 90%
  • 告警：< 70%

• 内存使用

  • used_memory vs maxmemory
  • 阈值：超过 80% 告警

• Key 过期率

  • 短链缓存过期是否正常生效

3. 统计系统监控

• 点击日志写入速率

  • 每秒写入数（Kafka / MQ / DB）

• 统计落库延迟

  • 点击行为入库 → 聚合结果展示的延迟
  • 目标：≤ 5s

• PV/UV 偏差

  • 实际 vs 聚合结果
  • 偏差 ≤ 1%

4. API Key 与限流

• API Key 调用次数

  • 每 Key 每分钟调用数

• 限流触发次数

  • 返回 130003 的请求数

• 异常 Key 调用

  • 使用已删除/过期 Key 的请求数

5. 系统资源监控

5.1 应用节点

• CPU 使用率

  • 平均 ≤ 70%
  • 阈值：> 85% 告警

• 内存使用率

  • 平均 ≤ 70%
  • 阈值：> 85% 告警

• GC 延迟

  • 平均 ≤ 50ms
  • 告警：单次 GC > 200ms

5.2 容器/Pod 级

• Pod 副本数（是否自动伸缩正常）
• 重启次数（异常重启需告警）
• 网络延迟与丢包率

6. 可用性与业务监控

• 健康检查接口

  • /health 定期探测 → 返回 200 即可

• 业务 SLA

  • 短链跳转成功率 ≥ 99.9%

• 核心路径监控

  • 首页生成 → 短链跳转 → 统计刷新
  • 自动化探针（Synthetic Monitoring）

• 异常报警

  • 短链跳转错误率 > 1%
  • 短链生成错误率 > 2%
  • Redis 命中率 < 70%
  • DB 慢查询激增

7. 日志与审计

• 访问日志

  • 短链访问记录（短码、IP、UA、时间）

• 错误日志

  • 包含错误码、请求上下文、TraceID

• 安全审计日志

  • 登录失败次数
  • API Key 滥用
  • 短链黑名单拦截

工具建议

• 监控系统：Prometheus + Grafana（实时指标）
• 日志系统：ELK / Loki（集中存储、查询）
• 报警系统：Alertmanager + 飞书/钉钉/Slack
• 链路追踪：Jaeger / OpenTelemetry（跟踪跳转延迟）

📌 这样一份 运维监控指标清单 可以直接作为 SRE/运维的落地方案，用来搭建监控面板和报警规则。