2.5 仪表盘设计心法
2.5 仪表盘设计心法
本节摘要：仪表盘是把时序数据变成决策图的最后一公里，设计得好不好，直接决定值班人在三秒内能否定位异常。本节不讲炫技图表，讲四条朴素心法：摘要优先、单面板聚焦、分层组织、趋势优先于数字。并给一个完整的支付服务仪表盘模板，逐块拆解设计和告警摆放逻辑。读完你能照套路搭出一块能用的运营看板。
仪表盘是给人看的，不是给你看数据的
当一个新来的值班人打开你的仪表盘，他第一眼要能回答："现在还安全吗？"这一眼如果在三秒内回答不出来，这块仪表盘就失败了。很多团队把仪表盘当成论文答辩现场，把几十个指标白花花铺满一屏，结果值班人第一反应是慌——这恰恰是设计失败。
四个心法，逐个讲。
心法一：摘要写在最上头
仪表盘最顶上一行，应该是整个系统的"一句话健康"。这也是 SRE 叫 "TL;DR 行"的地方，东京城里的红绿灯：放四个最核心的聚合数字或者状态灯——可用性比例、当前错误率、QPS 总量、以及一个"整体健康"的大状态。
值班人扫一眼顶部，绿灯就继续睡，红灯才往下面翻。如果顶部不放摘要，他就得从上到下逐块看，等于让他把每个指标都当告警处理——那和没有仪表盘差别不大。我强烈建议上仪表盘的第一行永远是"安全还是不安全"的整体状态，而不是一堆你不知道先看哪个的曲线。
心法二：单面板聚焦一件事
一个面板（Graph）只讲一件事，不堆多根不同量纲的线。比如"支付接口延迟"是一个面板，你可以放 P50、P95、P99 三条线，因为它们是同一件事的三个视角；但别把"延迟"和"错误率"塞进同一张图——量纲不同，画在一起要么某根缩成直线，要么读图时得做两套心算。
聚焦的另一个意思是不要把一个面板塞进一百个维度，数据带不动的查询，面板打开就要卡，值班人等着加载就先心慌了。
心法三：分层组织，从上到下走依赖
整个看板从上到下按"事前到事后"组织：最上面是整体健康摘要，往中层放基础设施层和应用层指标，再往下是依赖和业务指标。值班人从上往下翻，就像顺着依赖链排查。
我把这些原则拼成一个支付服务模板，你要是照着搭，别死抠数字，重点体会"摘要置顶 + 单面板聚焦 + 层层下钻"的节奏。
要素一：整体健康摘要区
三列：可用性（最近一小时达标比例）、支付错误率（当前）、QPS（实时）。外加一个全局状态灯，绿=无异常，黄=有告警待查，红=有严重告警在处理中。放在顶部。
要素二：延迟与错误区
两个面板：一个"支付延迟分位"（P50/P95/P99 三条曲线），一个"支付错误率 # 错误数"（错误率曲线叠加错误总量柱状图）。都配一份阈值虚线，把告警阈值画在图上，值班人一眼对照"现在顶到线了没"。
要素三：资源与依赖区
三块：主机 CPU/内存、数据库连接池占用、下游依赖调用延迟。各自独立面板，都是"趋势优先、高亮告警级别"。
推理关系：为什么要趋势优先于数字
最后一条心法很关键，也是最常被违反的。很多人喜欢在面板上放一个现在数字（"CPU：45%"），但单个数字 = 没上下文。45% 在平时也许是健康，在双十一高峰也许是危险的临界?恰恰是需要趋势图：曲线能告诉你它在爬升还是回落、离历史峰值多远、拐点在什么时候。趋势优先于快照，是仪表盘铁律。
图 2-2 支付服务仪表盘布局示意
仪表盘组织的错误示范与修正
最常见的错误是"把文档当仪表盘"：加了个 URL 就加一屏图，加个需求就多一块板，看板最终膨胀到几十个照不到人的面板。我的修正建议是：管理者只看一张总览，把详情拆到多个下钻面板里去，而非全塞一张巨图。同时给每个面板设独立告警，面板本身不承担告警职责——告警交给第四章讲的规则系统，看板只负责 display。把"看板只管展示、告警只走规则"这条责任边界划清楚，比任何美化都重要——一旦混在一起，你会得到一张永远在闪的看板，谁也说不清该不该按它动手。
颜色与布局的几条隐含纪律
别小看颜色和位置，它们是值班人扫视的路标。我的建议只有四条，够用：红黄绿三色只用于状态，别用红黄绿去画无关的曲线，否则一屏红会让人分不清谁是故障；重要面板放大、放左上，视线自然从左上角开始扫；同类指标归到同色系，延迟类用暖色、资源类用冷色，快速归类；留白不要塞满，密密麻麻的看板等于没有重点，值班人反而找不到"现在该看哪儿"。颜色一旦定下来就全院统一，别每块看板一套配色，否则每次值班都是在重新学认知。
一块看板从 0 到 1 的落地顺序
别想着一步到位，我第一次搭看板就过度设计了。可复用的顺序是：先只放核心的"整体健康摘要"一行，跑一周；确认这行指标能真实反映健康后，再补"延迟与错误"两个关键面板；稳定后再加资源与依赖层。每加一块，都要问一句"这块图会让值班人做什么决策，不做就不加"。这叫"够用再长"，比一次性铺满再返工省得多。看板是活的，会随着你的排障经验持续修剪——把总没人看的板块直接删掉，也是一种设计能力。最后再补一句提醒:仪表盘的最终裁判是"值班人",不是"展示方"。你把看板搭得再花哨,只要值班人没法在 3 秒内读出健康状态,它就是失败的。所以每次改板之后,别只看图好看,要请一个不看代码的人(甚至非技术同事)过来,让他说"现在哪里红了"——他说得出来,这块板才算真的合格。反过来说,如果连门外汉都能一眼读懂,那这块看板对值守人来说,基本就稳了。
本节要点回顾
- 摘要置顶：顶部放整体健康状态，值班人先看安全不安全。
- 单面板聚焦：一个面板只讲一件事，别混不同量纲。
- 从上到下走依赖：摘要 → 分层(基础设施/应用) → 依赖 → 业务。
- 趋势优先于数字：单值没上下文，曲线才能判断爬升与拐点。
- 阈值画在图上：虚线标告警，值班人一眼对照临不临线。
- 别把文档当看板：总览一张，详情下钻，避免面板膨胀。
- 看板只 display：告警职责交给独立的告警规则系统。
到这里，指标监控"采集—存储—呈现"整条生产线齐了。下一章我们掉头把日志体系这条另一条腿也搭起来——从日志的类型到查询，一一讲透。