组合指标：哪些数字合看，哪些必须分开
多产品最容易犯的错，是用一个合并数字掩盖某条线的亏损。本篇给出必须分开算的四类指标、可以合看的三类指标、共享成本的三种分摊口径，以及连续三个月低于阈值时的观察与决策规则，并给出六个数字的最小仪表盘。
tag
指标
共 10 篇文章。
Micrometer 可观测性
系统讲解 Micrometer 可观测性：MeterRegistry 与 Counter/Gauge/Timer/DistributionSummary 四大计量器、标签与高基数陷阱、Spring Boot Actuator 自动埋点、@Timed/@Counted 注解、Observation API 统一指标与链路追踪、Prometheus 暴露与 exemplar，并附生产治理实践。
开源度量与分析
本文讲开源度量体系与分析工程，回答 CHAOSS 指标怎么组织、数据从哪采集、贡献者留存怎么算、生态健康度看什么。覆盖度量三层结构、采集工具链选型、身份合并与数据清洗、贡献者漏斗与队列留存分析、看板设计，以及指标误用的典型反模式、规避方法与落地顺序。
开源社区运营与贡献者漏斗
本文讲开源社区运营与贡献者漏斗，回答新人为什么来了就走、如何设计新手上路流程、社区指标该怎么看。覆盖贡献者漏斗各层级的转化设计、issue 与 PR 的标签体系、沟通渠道选型、行为准则执行、社区活动与内容运营，给出自动化欢迎流程与响应时效目标，并总结可复用的运营节奏。
《AI Agent 工程实战》13.2 指标与看板：延迟/成功率/成本/工具错误
把 13.1 的 span 数据聚合成四类指标：延迟分位（P50/P95/P99）、成功率、每 run 成本、按工具名分组的错误率，讲清平均值为何被长尾骗、直方图与摘要的差别、以及 run_id 当标签会炸掉时序库的基数问题；给出四块看板布局。真跑 200 次模拟 run，打印分位表与错误工具 Top 榜。
日志与指标存储：可观测性后端、Grafana 与成本治理
以 ClickHouse 构建可观测性后端，覆盖日志表设计、指标 rollup 预聚合、Kafka 摄入管道、Grafana 数据源与查询模式、索引与投影加速、冷热分层与 TTL 成本治理，以及高基数与查询熔断防护，并给出可落地的生产容量规划方法。
链上数据分析：Dune、The Graph 子图与链上指标
系统讲解链上数据分析：链上数据的获取与索引、Dune Analytics 的 SQL 分析、The Graph 子图的索引与 GraphQL 查询、常用链上指标（TVL/活跃/费用/Gas）、协议分析的指标体系，以及自建索引器的工程路径。
可观测性与错误追踪：日志、Trace 与告警闭环
系统讲解现代应用可观测性体系：日志、指标与链路追踪（三支柱）、结构化日志与上下文注入、OpenTelemetry 集成、边缘函数与 Serverless 的可观测性挑战（日志聚合/冷启动/分布式追踪）、错误追踪与 Sourcemap 还原、告警规则与 SLO、以及可观测性闭环与成本控制。
模型评估与基准：从分类指标到 LLM-as-Judge
模型评估是机器学习工程中最容易被低估的环节，指标选错会让整个迭代方向出错。本文系统讲解评估体系：分类指标（准确率/精确率/召回/F1/AUC-ROC）、回归与概率校准（Brier/ECE）、生成式评估（BLEU/ROUGE/人工/LLM-as-Judge）、评测集构建（Golden set/对抗样本）、离线与在线评估（A/B 测试/影子部署）、模型卡与基准报告，以及持续评估流程中的常见陷阱。
游戏商业核心指标详解
游戏商业核心指标详解，介绍游戏制作人需要关注的指标，包括 ARPU、LTV、ARPPU、MAU、DAU、新用户转换率、留存率、用户生命周期价值等。