从 Logs 到 KPI

欢迎回到第 14 章的学习。在上一节，我们学习了从 Metrics 到 KPI。现在我们要学习从 Logs 到 KPI。

本节将学习：日志统计、错误日志分析、用户行为分析、以及 KPI 提取。

日志统计

从 Logs 到 KPI 的作用是什么？ 从日志数据中提取关键绩效指标，量化系统行为和用户体验。

日志统计的作用是什么？ 统计日志数量，评估系统活动和负载。

如何进行日志统计？ 使用 LogQL：

• count_over_time：时间窗口内日志数量
• rate：日志速率
• sum：日志总数
• avg：平均日志量

LogQL 统计示例：

# 统计日志数量（5 分钟内）
count_over_time({job="order-service"}[5m])

# 日志速率（每秒）
rate({job="order-service"}[5m])

# 按服务统计日志数量
sum(count_over_time({job=~".+"}[5m])) by (job)

# 平均日志量
avg(count_over_time({job="order-service"}[5m]))

错误日志分析

错误日志分析的作用是什么？ 分析错误日志，评估系统可靠性和问题频率。

如何进行错误日志分析？ 使用 LogQL：

• 过滤错误日志：level="error"
• 统计错误数量：count_over_time(...)
• 分析错误类型：by (error_type)
• 计算错误率：错误日志数 / 总日志数

LogQL 错误分析示例：

# 过滤错误日志
{job="order-service"} |= "error"

# 统计错误数量
count_over_time({job="order-service"} |= "error" [5m])

# 错误类型分布
sum(count_over_time({job="order-service"} |= "error" [5m])) by (error_type)

# 计算错误率
sum(count_over_time({job="order-service"} |= "error" [5m])) 
/ 
sum(count_over_time({job="order-service"}[5m]))

# 错误趋势
rate({job="order-service"} |= "error" [5m])

用户行为分析

用户行为分析的作用是什么？ 分析用户行为日志，评估用户体验和业务转化。

如何进行用户行为分析？ 从日志中提取：

• 用户操作：action、path
• 操作时间：timestamp
• 操作结果：status、result
• 用户标识：user_id、session_id

LogQL 用户行为分析示例：

# 用户操作统计
sum(count_over_time({job="order-service"} | json | action != "" [5m])) by (action)

# 用户转化分析（注册到下单）
count_over_time({job="order-service"} | json | action="order_created" [1d])
/
count_over_time({job="order-service"} | json | action="user_registered" [1d])

# 用户会话分析
sum(count_over_time({job="order-service"} | json | session_id != "" [5m])) by (session_id)

# 操作完成率
sum(count_over_time({job="order-service"} | json | status="success" [5m]))
/
sum(count_over_time({job="order-service"} | json | action != "" [5m]))

KPI 提取

KPI 提取的作用是什么？ 从日志中提取关键绩效指标，量化业务目标。

如何进行 KPI 提取？ 建立提取规则：

• 日志统计 → 活动 KPI
• 错误日志 → 错误率 KPI
• 用户行为 → 转化率 KPI
• 操作日志 → 完成率 KPI

KPI 提取示例：

Grafana Dashboard 配置示例：

{
  "panels": [
    {
      "title": "Amount of system activity",
      "targets": [
        {
          "expr": "sum(count_over_time({job=\"order-service\"}[5m]))"
        }
      ]
    },
    {
      "title": "error rate",
      "targets": [
        {
          "expr": "sum(count_over_time({job=\"order-service\"} |= \"error\" [5m])) / sum(count_over_time({job=\"order-service\"}[5m]))"
        }
      ]
    },
    {
      "title": "User conversion rate",
      "targets": [
        {
          "expr": "count_over_time({job=\"order-service\"} | json | action=\"order_created\" [1d]) / count_over_time({job=\"order-service\"} | json | action=\"user_registered\" [1d])"
        }
      ]
    }
  ]
}

本节小结

在本节中，我们学习了从 Logs 到 KPI：

第一个是日志统计。 统计日志数量，评估系统活动和负载。

第二个是错误日志分析。 分析错误日志，评估系统可靠性和问题频率。

第三个是用户行为分析。 分析用户行为日志，评估用户体验和业务转化。

第四个是 KPI 提取。 从日志中提取关键绩效指标，量化业务目标。

从 Logs 到 KPI 流程： 收集 Logs → 日志统计 → 错误分析 → 行为分析 → 提取 KPI → 追踪监控。

这就是从 Logs 到 KPI。通过从 Logs 到 KPI，我们能够从日志数据中提取关键绩效指标。

在下一节，我们将学习 KPI Dashboard 设计。学习如何设计 KPI Dashboard。