平台自监控指标清单

本文是 DataBuff 平台自运维（ingest / web / Doris）指标的权威清单，供运维人员与 产品答疑专家 排障使用。业务 APM 指标（metric_service* 等）不在本文范围。

存储表：metric_platform
Web UI：部署配置 → 安装部署 → 状态（自监控概览 / 接入 / 集群 / 查询 / Doris）
UI 指标说明：各图右上角「?」打开抽屉，内容与本文 §3～§9 含义 / 怎么看 / 相关环境变量 对齐（源码：ai-apm-frontend/.../selfMonitor/metricHelp.ts）
统一查询 API（前端与答疑工具共用）：
- POST /webapi/platform/metrics/query — 时序
- POST /webapi/platform/metrics/summary — 窗口汇总
- POST /webapi/platform/metrics/tagValues — 发现 tag 取值（含 metric 名）
命名源码：ai-apm-common/.../PlatformMetricNames.java
答疑工具：querySelfMonitorMetrics（platform.querySelfMonitorMetrics），内部调用上述同一套 Portal 服务；用于排查 DataBuff 平台自身问题（不是业务 APM）
改环境变量步骤：Docker / K8s 写法见参数配置；容量与调参顺序见性能优化。改完后须重启对应组件（ingest / web / Doris）生效。

1. 数据模型速览

列	含义
`component`	`ingest` 或 `web`
`instance`	进程实例（hostname/pod）；*`doris.` 写成 Doris Host/IP**（不是 web）
`metric`	已带组件前缀的全名，如 `ingest.write.req`、`web.query.trace.fail`
`dim`	稀疏维度：`write.` 为粗粒度信号（`trace`/`metric`/`log`/`other`）；`web.doris..cpu` 为 CPU mode/type（user/softirq/…）；其余 Doris 指标常为空
`cnt` / `val_sum` / `val_*` / `val_gauge`	计数增量、计时求和、极值、水位类 gauge
`ts` / `metric_time`	已闭合的上一分钟桶起点（flush 约在整点后 2s；采样器默认在每分钟第 50 秒写入 gauge）

取值模式 value（查询 API）

value	适用	说明
`cnt`	`.req` / `.fail` / `.drop` / `.bytes` 等计数	`SUM(cnt)`
`avg`	`*.cost_ms`	`SUM(val_sum)/SUM(cnt)`，单位 ms
`gauge`	队列、CPU、heap、alive、pending 等	`REPLACE` 水位
`sum` / `max` / `min`	特殊汇总	少用
`auto`	不确定时	服务端按列启发式

推荐 groupBy

场景	groupBy
默认按实例看趋势	`["instance"]`
Stream Load 按信号	`["dim"]`（`ingest.write.*`，dim=`trace`/`metric`/`log`）
Doris 按节点	`["instance"]`（`web.doris.*`，instance=Doris Host）
Doris CPU 按 mode	`["dim"]`（`web.doris.be.cpu`，dim=user/softirq/…）
KPI 卡片汇总	`["metric"]`

2. 排障速查（现象 → 先看哪些指标）

现象	优先指标	value	说明
无 Trace / 接入失败	`ingest.otel..fail`、`ingest.sw..fail`；对照 `*.req`	`cnt`	入站失败突增
数据延迟 / 积压	`ingest.pipeline..cost_ms`、`ingest.pipeline..drop`、`ingest.write.queue`、`ingest.trace.assembly.pending`	`avg` / `cnt` / `gauge`	对照 `.queue`、`.queue.cap`
Stream Load 失败	`ingest.write.fail`、`ingest.write.drop`；对照 `ingest.write.req`	`cnt`；耗时用 `avg`	`groupBy=dim` 看信号（trace/metric/log）
查询慢 / 报错	`web.query.<domain>.fail`、`web.query.<domain>.cost_ms`	`cnt` / `avg`	domain 见 §7
Doris 不可用	`web.doris.up`、`web.doris.be.alive`、`web.doris.fe.alive`	`gauge`	`up=0` 时 Web 可能进排障模式
集群转发丢数	`ingest.cluster.drop.`、`ingest.cluster.forward..fail`	`cnt`	多实例集群
Ingest/Web OOM 嫌疑	`.system.memory.heap.used` vs `.max`、`.system.gc.`、`*.system.cpu.usage`	`gauge` / `cnt`	双组件都有

3. Ingest 入站（OTel / SkyWalking）

全名前缀：ingest. + 相对名。协议 × 信号 × 类型：

相对名模板：{otel|sw}.{trace|metric|log}.{req|fail|bytes|cost_ms}

相对名示例	全名示例	value	含义（统计逻辑）
`otel.trace.req`	`ingest.otel.trace.req`	`cnt`	OTLP Trace span 条数（不是 HTTP/gRPC Export 次数）；asRate 时为每秒条数（TPS）
`otel.trace.fail`	`ingest.otel.trace.fail`	`cnt`	协议解析或处理失败（按失败 span/批次累计）；HTTP 层解析失败也会记
`otel.trace.bytes`	`ingest.otel.trace.bytes`	`cnt`	入站 payload 字节累计；与 req 对照可估单条平均大小
`otel.trace.cost_ms`	`ingest.otel.trace.cost_ms`	`avg`	单次 Export / 接收处理耗时（含解析与入队到 pipeline 前；不含后续 Stream Load）
（metric / log 同理）	`ingest.otel.metric.`、`ingest.otel.log.`	同上	`*.req` 分别为 metric 行数、log 条数
（SkyWalking）	`ingest.sw.trace.*` 等	同上	SW：span / JVM metric / log 条数

怎么看

长期为 0：Agent/Collector 未打到 ingest，或防火墙/端口未通。
突增：对照写出队列与 pipeline drop，判断是否过载。
字节涨、req 不涨：单包变大（大 span / 大 log body）。
fail 占比高：优先查 Agent 协议版本、鉴权、payload 损坏。
cost_ms 持续升高：解析慢、下游 pipeline 反压或 CPU 不足。

相关环境变量

环境变量	默认	说明 / 如何调
`INGEST_HTTP_PORT`	`4318`	宿主映射的 OTLP HTTP 端口（容器内 4318）
`INGEST_GRPC_PORT`	`4317`	宿主映射的 OTLP gRPC 端口（容器内 4317）
`INGEST_SKYWALKING_PORT`	`11800`	宿主映射的 SkyWalking Agent gRPC 端口
`INGEST_DORIS_LOG_BODY_MAX_LENGTH`	`1048576`	写入 `log_dc_record.body` 的最大字符数，超长截断；字节涨时可对照是否截断过多

4. Pipeline 与 Trace 组装

相对名：pipeline.<trace|metric|aggregate>.{req|cost_ms|drop|queue|queue.cap} → ingest.pipeline.*。

全名	value	含义（统计逻辑）
`ingest.pipeline.trace.req`	`cnt`	Trace 管道出队并完成处理的 event 数；与入站 req 对照看管道是否跟得上
`ingest.pipeline.trace.cost_ms`	`avg`	从入队到处理结束耗时（ms）；含管道内部排队 + 业务处理
`ingest.pipeline.trace.drop`	`cnt`	环形缓冲满时丢弃的 event 数（背压保护，数据会丢）
`ingest.pipeline.trace.queue`	`gauge`	当前占用；接近 cap 时易触发 drop
`ingest.pipeline.trace.queue.cap`	`gauge`	缓冲容量（与 `INGEST_TRACE_BUFFER_SIZE` 一致）
`ingest.pipeline.metric.` / `ingest.pipeline.aggregate.`	同上	Metric / Aggregate（分钟聚合等异步任务）管道
`ingest.trace.assembly.pending`	`gauge`	等待组装/补齐的 Trace 相关积压
`ingest.trace.drop.ignore`	`cnt`	命中 Trace Ignore 规则而主动丢弃的 span（配置行为，不是故障）

自监控 UI「Pipeline」按行展示：req → cost_ms → drop。queue / queue.cap 仍由采样器写入，供排障与总览使用。

怎么看

drop 非 0：立刻处理——加 buffer、加 tasks，或降上游流量 / 加快写出。
cost_ms 升高且 queue 高：消费慢，考虑加 tasks 或查下游 Doris 写出。
ignore 丢弃升高：核对是否误配 Ignore 规则。

相关环境变量

环境变量	默认	说明 / 如何调
`INGEST_TRACE_TASKS`	`8`	Trace 管道并发消费任务数；积压时可适度加大（注意 CPU）
`INGEST_TRACE_BUFFER_SIZE`	`8192`	Trace 环形缓冲容量；满则 drop。加大可抗突发，占用更多堆
`INGEST_METRIC_TASKS`	`4`	Metric 管道并发
`INGEST_METRIC_BUFFER_SIZE`	`1024`	Metric 环形缓冲
`INGEST_AGGREGATE_TASKS`	`4`	Aggregate 管道并发
`INGEST_AGGREGATE_BUFFER_SIZE`	`1024`	Aggregate 环形缓冲
`INGEST_TRACE_ASSEMBLY_CHECK_INTERVAL_MS`	`2000`	Trace 组装检查调度间隔（ms）
`INGEST_TRACE_IGNORE_RESOURCES`	空	精确匹配 resource / metaHttpUrl 列表（逗号分隔）
`INGEST_TRACE_IGNORE_RESOURCE_REGEX`	空	Java `Matcher#matches` 全串正则列表

调参顺序建议：先加 INGEST_*_BUFFER_SIZE / *_TASKS 解决 drop，再微调写出侧 flush 参数。详见性能优化 · Ingest 管道调优。

5. Stream Load 写出

相对名：write.{req|fail|bytes|cost_ms|queue|drop} → 全名 ingest.write.*。
dim = 粗粒度信号（由 Doris 表名前缀映射）：trace_*→trace，log_*→log，metric_*→metric，其余→other。查询时 groupBy: ["dim"]。同信号多表（如多张 metric_*）的 queue 会加总到同一 dim。

全名	value	含义（统计逻辑）
`ingest.write.req`	`cnt`	Stream Load 成功批次数
`ingest.write.fail`	`cnt`	Stream Load 返回失败（HTTP/业务 Status 非 Success）的批次数；失败批会 requeue，直到成功或触发 drop
`ingest.write.bytes`	`cnt`	成功提交到 Doris 的 NDJSON 字节累计；asRate 时为 bytes/s
`ingest.write.cost_ms`	`avg`	单次 Stream Load HTTP 往返耗时（含 FE 跳转或直连 BE）
`ingest.write.queue`	`gauge`	待刷入 Doris 的行数 = 各线程本地 buffer 行数 + Ready 队列中已打包批的行数
`ingest.write.queue.cap`	`gauge`	Ready 队列容量（批次数）按信号加总；注意与 queue（行数）单位不同，不能直接相除当利用率
`ingest.write.drop`	`cnt`	写出侧主动丢弃：① Ready 队列满，hand-off 整批丢；② 连续 Stream Load 失败达上限后丢弃

Ready 队列为有界队列：thread-local 满 flush-batch-bytes（默认 50MiB）或满 flush-interval-ms（默认 30s）后 hand-off 一整批；队列满则整批丢。

怎么看

任何持续 drop / fail 都意味着数据丢失或写出不健康。先看 queue vs queue.cap、write.fail、Doris alive。
cost_ms 持续 > 数秒：Doris BE 忙、compaction、磁盘或网络问题；对照 web.doris.be.*。
bytes 低但 queue 高：写出卡住。
compaction score 长期偏高：写入过频（小批量）推高 tablet version —— 宜偏大批次、低并发。

相关环境变量

环境变量	默认	说明 / 如何调
`INGEST_DORIS_FLUSH_BATCH_BYTES`	`52428800`（50MiB）	线程本地 buffer 攒满该字节数后 hand-off；越大写频越低、单批越大（有利于 tablet version）
`INGEST_DORIS_FLUSH_INTERVAL_MS`	`30000`	未满批时按时间强制 hand-off 的间隔（ms）
`INGEST_DORIS_MAX_READY_BATCHES`	`32`	Ready 队列容量（批次数）；满则整批丢弃，计入 `write.drop`
`INGEST_DORIS_STREAM_LOAD_MAX_FAILURES`	`3`	单 sink 连续 Stream Load 失败次数上限，超限丢弃当前批并记 `write.drop`
`INGEST_DORIS_TRACE_FLUSH_CONCURRENCY`	`1`	`trace_dc_span` 并行 Stream Load 数；加大吞吐但易推高 Doris tablet version，单 BE 建议保持 1
`INGEST_DORIS_FLUSH_TIMEOUT_MS`	`60000`	单次 Stream Load 等待超时；大批次时可加大，避免误失败
`DORIS_BE_HTTP_HOST`	空	直连 BE 做 Stream Load 的 Host；未配则经 FE 302 跳转
`DORIS_BE_HTTP_PORT`	`8040`	直连 BE 的 HTTP 端口

6. 集群（多 Ingest 实例）

全名	value	含义（统计逻辑）
`ingest.cluster.member.count`	`gauge`	当前 ingest 集群感知到的成员数
`ingest.cluster.leader`	`gauge`	本节点是否 Leader（0/1）；部分协调任务仅 Leader 执行
`ingest.cluster.effective`	`gauge`	集群模式是否真正生效（0/1）；enabled 但 ZK 不可用时可能为 0
`ingest.cluster.forward.<stream>.req`	`cnt`	本机按分区把流量转发给其他成员的出站成功
`ingest.cluster.forward.<stream>.fail`	`cnt`	转发出站失败
`ingest.cluster.forward.<stream>.bytes`	`cnt`/`sum`	转发字节
`ingest.cluster.forward.<stream>.cost_ms`	`avg`	转发耗时
`ingest.cluster.forward.in.<stream>.req` / `.fail`	`cnt`	其他实例转发到本机的入站
`ingest.cluster.drop.<stream>`	`cnt`	集群转发路径上丢弃（对端不可达、队列满等）

<stream> 为分区流名。可用 tagValues + metricPrefixes: ["ingest.cluster."] 发现实际名字。

怎么看

forward.fail / cost_ms 升高：对端宕机、网络或对端积压。
drop 与 forward.fail 一起看，区分出站失败还是本地直接丢。
入站 fail 升高：本机处理不过来或协议错误。

相关环境变量

环境变量	默认	说明 / 如何调
`INGEST_CLUSTER_ENABLED`	`false`	是否启用多实例集群模式；关闭则无跨实例转发
`ZK_CONNECT_STRING`	空	ZooKeeper 连接串，用于成员发现/选主
`INGEST_CLUSTER_GRPC_PORT`	`18112`	实例间转发 gRPC 端口

7. Web 查询 API

相对名：query.<domain>.{req|fail|cost_ms} → web.query.*。
domain 由 URI 归类（见 PlatformQueryMetricsFilter）：

domain	典型路径
`trace`	`/webapi/trace*`
`metric`	`/webapi/metric*`
`log`	`/webapi/log*`
`alarm`	`/webapi/alarm`、`monitor`
`ai`	`/webapi/api/v1/ai*`、`/mcp`
`portal`	`service`、`cockpit`、`platform*` 等
`other`	其余 `/webapi/**`

全名示例	value	含义（统计逻辑）
`web.query.trace.req`	`cnt`	该 domain API 请求量
`web.query.trace.fail`	`cnt`	HTTP status ≥ 400
`web.query.trace.cost_ms`	`avg`	平均耗时（含 Doris 查询与业务组装）

怎么看

cost_ms 升高：查 Doris 负载、扫描范围、慢 SQL；对照 web.doris.be / fe 与 query_scan_*。
fail 升高：对照 web 日志与 web.doris.up；排障模式下部分查询会失败。

8. 进程资源（ingest / web 各一份）

相对名相同，前缀分别为 ingest. / web.：

相对名	value	含义（统计逻辑）
`system.cpu.usage`	`gauge`	进程 CPU 使用率（%）
`system.memory.heap.used`	`gauge`	JVM 堆已用字节；对照 heap.max
`system.memory.heap.max`	`gauge`	JVM 堆上限（`-Xmx`）
`system.thread.count`	`gauge`	JVM 存活线程数（管道 tasks、Stream Load 并发、gRPC 都会影响）
`system.gc.count.<GcName>`	`cnt`	GC 次数增量
`system.gc.time.<GcName>`	`cnt`	GC 耗时增量（ms）

怎么看

heap.used 接近 heap.max：加大堆或降流量，否则 GC 频繁 / OOM。
GC time 突增伴随 heap 锯齿：堆偏小或短命对象过多（队列积压）。
CPU 长期高位：加大副本/任务数前先确认是否写出或查询热点。

相关环境变量

环境变量	默认（建议）	说明 / 如何调
`JAVA_TOOL_OPTIONS`	ingest 推荐 `-Xms1g -Xmx4g`；web 推荐 `-Xms512m -Xmx1536m`	JVM 启动参数（含 `-Xmx`）；heap 打满时优先调这项

9. Doris 自监控（由 web 采样）

前缀 web.doris.。由 web 采样，instance = Doris 节点 Host（IP）（不是 web 进程 hostname）。

全名	value	groupBy	含义（统计逻辑）
`web.doris.up`	`gauge`	instance=FE Host	Web 对配置 FE 的 JDBC/探活是否通（0/1）
`web.doris.be.alive`	`gauge`	instance=BE Host	`SHOW BACKENDS` 该节点是否 Alive
`web.doris.fe.alive`	`gauge`	instance=FE Host	`SHOW FRONTENDS` 该节点是否 Alive
`web.doris.fe.is_master`	`gauge`	instance=FE Host	是否 Master；元数据写入、tablet 调度等只在 Master
`web.doris.be.cpu`	`gauge`	dim=mode	BE CPU 各 mode 占比 %（user/system/idle/…；同节点合计 ≈ 100）
`web.doris.be.tablet_num`	`gauge`	instance	Tablet 数；过多加重元数据与 compaction
`web.doris.be.used_pct`	`gauge`	instance	磁盘占用 %
`web.doris.be.running_tasks`	`gauge`	instance	当前运行任务数

另有一批从 FE/BE Prometheus 映射的指标（逻辑名见 DorisSelfMonitorMapper），落库为 web.doris.<fe|be>.<logical>[.<label>]（刮取时带角色前缀）。

官方含义（Doris 监控指标）与平台名对照：

平台名	官方 Prometheus	官方含义（摘要）	怎么看 / 调参关联
`…fe.edit_log_write`	`doris_fe_edit_log{type="write"}`	元数据日志写入次数；看斜率	频率异常升高：DDL/导入事务/副本调度过密
`…fe.image_write.<type>`	`doris_fe_image_write`	生成元数据镜像成功/失败	failed 不应出现，需人工介入
`…fe.txn_request.<type>`	`doris_fe_txn_counter`	导入事务 begin/success/failed/reject	failed/reject 升高对照 `ingest.write.fail`
`…fe.query_success`	`doris_fe_query_total`	所有查询请求累积计数	骤降：FE 不可用或客户端连不上
`…be.process_mem_bytes`	`doris_be_memory_allocated_bytes`	BE 进程物理内存（VmRSS）	持续升高查 compaction、SegmentCache、导入并发
`…be.stream_load.<type>`	`doris_be_stream_load`	`receive_bytes` / `load_rows`	receive 有量但 load_rows 不涨 → 导入失败/卡事务
`…be.txn_request.*`	`doris_be_stream_load_txn_request`	Stream Load 事务 begin/commit/rollback	rollback 升高对照 memtable_flush、`write.fail`
`…be.memtable_flush_*`	`doris_be_memtable_flush_*`	memtable 刷盘次数/耗时（µs）	duration 斜率升高常伴随 `write.cost_ms` 升高
`…be.compaction_bytes_total.*`	`doris_be_compaction_bytes_total`	compaction 处理的 input rowset 磁盘字节	Score 偏高 → 偏大 `FLUSH_BATCH_BYTES`、低 `TRACE_FLUSH_CONCURRENCY`
`…be.tablet_*_max_compaction_score`	同名	最大 Base/Cumulative Compaction Score	越高堆积越重，可能拖慢查询/写入
`…be.query_scan_bytes/rows`	`doris_be_query_scan_*`	Olap 表读取字节/行（RawRowsRead）	突增对照 `web.query.*.cost_ms`、segment_read
`…be.segment_read.*`	`doris_be_segment_read`	读取 segment 个数/行数	与 query_scan 一起看读放大
`….jvm_heap_size_bytes.`	`jvm_heap_size_bytes`	JVM 堆 max/used/committed	FE `-Xmx` 过大易拖垮主机
`…be.cpu`（dim=mode）	`doris_be_cpu`	`/proc/stat`；平台归一成各 mode 占比 %	user+system 长期很高：扩 BE 或降写入频率
`….process_fd_`	`doris_be_process_fd_num_*`	文件句柄 used / limit	used 接近 hard limit 需调 ulimit
`….thread_pool.`	`doris_fe/be_thread_pool_*`	各类线程池活跃任务数	某池长期打满：对应路径堆积
`…be.engine_requests_total.*`	`doris_be_engine_requests_total`	BE 引擎侧各类请求累计	关注失败类后缀是否升高
`…be.async_delta_writer.*`	`doris_be_async_delta_writer_*`	异步 delta writer 队列/等待	queue 升高常与 memtable flush、磁盘 IO 相关

双方都有的 JVM / 线程池等同样带 fe. / be. 前缀

取值语义：Prometheus counter（及名称启发式认定的累计项）在 web 刮取时转为相邻两次刮取的差值再写入；gauge 仍为瞬时值。首次刮取仅建基线、不落差值。

例外：web.doris.be.cpu 先对 jiffies 做差值，再按 mode 归一成百分比写入，不要再当绝对 jiffies 解读。

Doris 连接相关环境变量

环境变量	默认	说明 / 如何调
`DORIS_FE_HOST`	`127.0.0.1`	Doris FE 地址，需与 ingest / web 一致
`DORIS_FE_HTTP_PORT`	`8030`	FE HTTP 端口
`DORIS_FE_QUERY_PORT`	`9030`	FE MySQL/JDBC 查询端口
`DORIS_BE_HTTP_HOST` / `DORIS_BE_HTTP_PORT`	空 / `8040`	见 §5 Stream Load

写出侧调参（INGEST_DORIS_*）直接影响 BE 的 stream_load / compaction / memtable 指标，见 §5。

实际环境以时间窗内 tagValues(tag=metric, metricPrefixes=["web.doris."]) 发现的名为准。UI 指标说明抽屉会展示上述含义摘要。

10. 概览 KPI 卡片（怎么算）

卡片标题	相关指标	含义
入站 TPS	`ingest.otel..req`、`ingest.sw..req`	时间窗内入站 req 总和 ÷ 窗口秒数；覆盖 OTel / SW 的 trace·metric·log
写出失败	`ingest.write.fail`	窗口内 Stream Load 失败批次数；非 0 时到接入页按 dim 看信号
Doris 磁盘占用	`web.doris.be.used_pct`	BE 磁盘占用 % 的窗口汇总
查询失败	`web.query.*.fail`	各业务域查询 API（HTTP≥400）失败次数汇总

11. 环境变量速查（按指标域）

修改方式：Docker 用 docker-compose.override.yml 在对应服务 environment 下追加；K8s 改 Deployment/ConfigMap。细节见参数配置。

指标域	主要环境变量	典型动作
入站端口	`INGEST_HTTP_PORT` / `GRPC` / `SKYWALKING`	端口不通时检查宿主映射
Pipeline drop / 积压	`INGEST__TASKS`、`INGEST__BUFFER_SIZE`	先加 buffer/tasks
Trace Ignore	`INGEST_TRACE_IGNORE_*`	误丢时核对规则
写出 drop / fail / 慢	`INGEST_DORIS_FLUSH_*`、`MAX_READY_BATCHES`、`TRACE_FLUSH_CONCURRENCY`、`STREAM_LOAD_MAX_FAILURES`	大批次、低并发优先；失败查 Doris
集群	`INGEST_CLUSTER_ENABLED`、`ZK_CONNECT_STRING`、`INGEST_CLUSTER_GRPC_PORT`	多实例才需要
JVM	`JAVA_TOOL_OPTIONS`	heap 打满时加大 `-Xmx`
Doris 连通	`DORIS_FE_`、`DORIS_BE_HTTP_`	`up=0` / Stream Load 失败时核对

12. 答疑专家怎么查 / 怎么修

先读本文选指标与 value / groupBy，并对照对应节的「怎么看」「相关环境变量」。
用 getCurrentTimeRange 取 fromTime/toTime（yyyy-MM-dd HH:mm:ss）。
调用工具 querySelfMonitorMetrics（与 UI 同一套 Portal API）：
- mode=series → 等价 /platform/metrics/query
- mode=summary → 等价 /platform/metrics/summary
- mode=list → 等价 /platform/metrics/tagValues（默认 tag=metric）
不要用 queryMetricData（业务指标表）查自监控；不要手写 JDBC 拼 metric_platform。平台巡检时基本不推荐 queryDorisBusinessData；若偶发查配置/业务表，禁止 SELECT COUNT(*) 等全表聚合。
用户要求修复时：按本文「相关环境变量」与参数配置、性能优化调整官方变量（推荐 docker-compose.override.yml），重启对应 DataBuff 容器，再用本工具复查；勿以「只读」拒绝平台自运维变更。

查询参数对应关系

工具 / API 字段	说明
`metrics`	精确全名列表，如 `["ingest.write.fail"]`
`metricPrefixes` / `metricSuffixes`	前缀/后缀过滤，如 `["ingest.otel."]` + `[".fail"]`
`components`	`ingest` / `web`
`instances` / `dims`	过滤实例或 dim
`groupBy`	`instance` / `dim` / `metric` / `component`
`value`	`cnt` / `avg` / `gauge` / `auto`…
`stepSeconds`	时序步长，默认 60

示例

写出失败按信号：

json

{
  "mode": "series",
  "fromTime": "2026-08-05 20:00:00",
  "toTime": "2026-08-05 21:00:00",
  "metrics": ["ingest.write.fail"],
  "groupBy": ["dim"],
  "value": "cnt",
  "components": ["ingest"]
}

发现近期出现过的 Doris 指标名：

json

{
  "mode": "list",
  "fromTime": "...",
  "toTime": "...",
  "metricPrefixes": ["web.doris."],
  "tag": "metric",
  "limit": 80
}

Doris 连通按 FE 实例：

json

{
  "mode": "series",
  "fromTime": "...",
  "toTime": "...",
  "metrics": ["web.doris.up", "web.doris.be.alive", "web.doris.fe.alive"],
  "groupBy": ["instance"],
  "value": "gauge",
  "components": ["web"]
}

13. 相关代码与 UI

区域	路径
指标命名	`ai-apm-common/.../platform/PlatformMetricNames.java`
查询 SQL	`ai-apm-common/.../storage/PlatformMetricQueryBuilder.java`
Portal API	`ai-apm-web/.../portal/PlatformMetricPortalController.java`
前端页	`ai-apm-frontend/src/views/selfMonitor/`
UI 指标说明	`ai-apm-frontend/src/views/selfMonitor/metricHelp.ts`
表结构	`deploy/common/sql/migrations/V007__metric_platform.sql`

平台自监控指标清单 ​

1. 数据模型速览 ​

2. 排障速查（现象 → 先看哪些指标） ​

3. Ingest 入站（OTel / SkyWalking） ​

4. Pipeline 与 Trace 组装 ​

5. Stream Load 写出 ​

6. 集群（多 Ingest 实例） ​

7. Web 查询 API ​

8. 进程资源（ingest / web 各一份） ​

9. Doris 自监控（由 web 采样） ​

10. 概览 KPI 卡片（怎么算） ​

11. 环境变量速查（按指标域） ​

12. 答疑专家怎么查 / 怎么修 ​

查询参数对应关系 ​

示例 ​

13. 相关代码与 UI ​

平台自监控指标清单

1. 数据模型速览

2. 排障速查（现象 → 先看哪些指标）

3. Ingest 入站（OTel / SkyWalking）

4. Pipeline 与 Trace 组装

5. Stream Load 写出

6. 集群（多 Ingest 实例）

7. Web 查询 API

8. 进程资源（ingest / web 各一份）

9. Doris 自监控（由 web 采样）

10. 概览 KPI 卡片（怎么算）

11. 环境变量速查（按指标域）

12. 答疑专家怎么查 / 怎么修

查询参数对应关系

示例

13. 相关代码与 UI