核心要点指标时序数值数据维度键值对上下文黄金公式指标命名空间维度唯一监控对象无维度只能看平均值个别异常被掩盖高基数维度是成本杀手请求ID/用户ID禁止做维度这套模型通用Prometheus label、各云厂商维度同理一、指标Metric的4个特征1. 时间序列带时间戳的数据点 → 趋势分析 2. 数值化CPU%/响应时间ms/错误数 3. 资源相关EC2看CPURDS看连接数 4. 保留周期短期排查 长期分析二、标准指标 vs 自定义指标类型来源采集频率成本标准指标云平台自动1-5分钟通常免费自定义指标Agent/SDK上报可配置⚠️ 额外收费三、维度Dimension的4大作用分类按资源分组 过滤定位具体资源 标识区分不同资源 聚合跨资源统计关键认知没有维度只有平均值。平均值会掩盖个别异常。反例10台实例9台CPU10%1台CPU100% 平均CPU 19% → 仪表盘一切正常 实际满载实例上的业务已崩溃 正解按 InstanceId 维度拆分 → 异常实例秒级可见四、黄金公式与数据结构指标 命名空间 维度 唯一监控对象 示例 metric: CPUUtilization namespace: AWS/EC2 dimension: InstanceIdi-12345Prometheus对照理解cpu_utilization{instancei-12345}——同一套指标标签模型。五、维度设计最佳实践避坑重点# ❌ 高基数维度每个值唯一 → 序列爆炸 → 成本失控 dimensions {RequestId: req-8f3a...} # 禁止 dimensions {UserId: u-10086} # 禁止 # ✅ 低基数维度有限取值 → 可控 dimensions { InstanceId: i-12345, # 实例数量有限 Env: prod, # 环境标签 Region: cn-north-1 # 区域 }六、成本优化三板斧合并相近指标减少序列数能用日志提取如从日志聚合计算P99延迟就不用自定义指标数据保留分级近期高分辨率、远期降采样FAQQ1指标和维度什么区别A指标是数值多少维度是上下文哪个。Q2高基数维度为什么危险A每个唯一值生成独立指标序列百万级序列打爆存储与账单。Q3这套概念只适用AWS吗A不。Prometheus的label、Azure的dimension、国内云的维度同一模型。参考来源AWS CloudWatch官方文档、Google SRE Book有用点赞收藏评论区聊聊你被高基数维度坑过的账单。