⚡

系统监控与性能指标管理Skill metrics

此技能专注于监控系统健康、追踪性能指标并分析数据，用于优化系统和交易执行，关键词包括监控、性能指标、API性能、WebSocket健康、交易执行、错误率、警报、DevOps、量化交易、实时流。

DevOps 0 次安装 1 次浏览 更新于 3/9/2026

name: 指标 描述: “系统指标、遥测和性能监控” 表情符号: “📈”

指标 - 完整API参考

监控系统健康，跟踪性能指标，并分析遥测数据。

聊天命令

系统指标

/指标                               显示当前指标
/指标 系统                        CPU、内存、延迟
/指标 api                           API性能统计
/指标 ws                            WebSocket健康

交易指标

/指标 交易                        交易执行统计
/指标 填充率                      填充率指标
/指标 延迟                        订单延迟统计
/指标 错误                        错误率

自定义指标

/指标 跟踪 <名称> <值>         跟踪自定义指标
/指标 查询 <名称>                 查询指标历史
/指标 警报 <名称> > 100           设置指标警报

导出与报告

/指标 导出 csv                    导出到CSV
/指标 报告 每日                  生成每日报告
/指标 仪表板                    打开指标仪表板

TypeScript API参考

创建指标服务

import { createMetricsService } from 'clodds/metrics';

const metrics = createMetricsService({
  // 收集
  collectInterval: 5000,  // 毫秒
  retention: '30d',

  // 存储
  storage: 'sqlite',
  dbPath: './metrics.db',

  // 导出
  enablePrometheus: true,
  prometheusPort: 9090,
});

// 开始收集
await metrics.start();

系统指标

const system = await metrics.getSystemMetrics();

console.log('=== 系统健康 ===');
console.log(`CPU使用率: ${system.cpuUsage}%`);
console.log(`内存: ${system.memoryUsed}MB / ${system.memoryTotal}MB`);
console.log(`运行时间: ${system.uptimeHours}小时`);
console.log(`活跃连接: ${system.activeConnections}`);
console.log(`事件循环延迟: ${system.eventLoopLag}毫秒`);

API指标

const api = await metrics.getApiMetrics();

console.log('=== API性能 ===');
console.log(`总请求数: ${api.totalRequests}`);
console.log(`每秒请求数: ${api.requestsPerSecond}`);
console.log(`平均延迟: ${api.avgLatency}毫秒`);
console.log(`P50延迟: ${api.p50Latency}毫秒`);
console.log(`P95延迟: ${api.p95Latency}毫秒`);
console.log(`P99延迟: ${api.p99Latency}ms`);
console.log(`错误率: ${api.errorRate}%`);

console.log('
按端点:');
for (const endpoint of api.byEndpoint) {
  console.log(`  ${endpoint.path}: ${endpoint.avgLatency}毫秒 (${endpoint.calls} 次调用)`);
}

WebSocket指标

const ws = await metrics.getWebSocketMetrics();

console.log('=== WebSocket健康 ===');
console.log(`活跃连接: ${ws.activeConnections}`);
console.log(`每秒消息数: ${ws.messagesPerSecond}`);
console.log(`平均消息大小: ${ws.avgMessageSize} 字节`);
console.log(`重连次数: ${ws.reconnections}`);
console.log(`丢弃消息数: ${ws.droppedMessages}`);

console.log('
按订阅源:');
for (const feed of ws.byFeed) {
  console.log(`  ${feed.name}: ${feed.messagesPerSecond}/秒, ${feed.latency}毫秒延迟`);
}

交易执行指标

const trades = await metrics.getTradeMetrics();

console.log('=== 交易执行 ===');
console.log(`总订单数: ${trades.totalOrders}`);
console.log(`填充率: ${trades.fillRate}%`);
console.log(`部分填充率: ${trades.partialFillRate}%`);
console.log(`拒绝率: ${trades.rejectionRate}%`);
console.log(`平均填充时间: ${trades.avgFillTime}毫秒`);
console.log(`平均滑点: ${trades.avgSlippage}%`);

console.log('
按平台:');
for (const platform of trades.byPlatform) {
  console.log(`  ${platform.name}:`);
  console.log(`    填充率: ${platform.fillRate}%`);
  console.log(`    平均延迟: ${platform.avgLatency}毫秒`);
}

延迟细分

const latency = await metrics.getLatencyBreakdown();

console.log('=== 延迟细分 ===');
console.log(`总订单延迟: ${latency.total}毫秒`);
console.log(`  信号处理: ${latency.signalProcessing}毫秒`);
console.log(`  订单构建: ${latency.orderConstruction}毫秒`);
console.log(`  网络往返: ${latency.networkRoundTrip}毫秒`);
console.log(`  交易所处理: ${latency.exchangeProcessing}毫秒`);
console.log(`  确认: ${latency.confirmation}毫秒`);

错误指标

const errors = await metrics.getErrorMetrics();

console.log('=== 错误率 ===');
console.log(`总错误数: ${errors.totalErrors}`);
console.log(`错误率: ${errors.errorRate}%`);
console.log(`每小时错误数: ${errors.errorsPerHour}`);

console.log('
按类型:');
for (const type of errors.byType) {
  console.log(`  ${type.name}: ${type.count} (${type.percentage}%)`);
}

console.log('
按平台:');
for (const platform of errors.byPlatform) {
  console.log(`  ${platform.name}: ${platform.errorRate}%`);
}

自定义指标

// 跟踪自定义指标
metrics.track('edge_detected', 1, {
  market: 'trump-2028',
  edgeSize: 0.05,
});

// 增加计数器
metrics.increment('trades_executed');

// 设置仪表
metrics.gauge('active_positions', 5);

// 记录时间
const timer = metrics.startTimer('order_execution');
// ... 执行订单 ...
timer.end();

// 直方图
metrics.histogram('slippage', 0.003, {
  platform: 'polymarket',
});

查询指标

const query = await metrics.query({
  metric: 'edge_detected',
  period: '7d',
  aggregation: 'sum',
  groupBy: 'market',
});

console.log('按市场边缘检测:');
for (const row of query.results) {
  console.log(`  ${row.market}: ${row.value} 次检测`);
}

指标警报

// 设置警报阈值
metrics.setAlert({
  metric: 'error_rate',
  condition: '>',
  threshold: 5,  // > 5% 错误率
  window: '5m',
  action: 'notify',
});

metrics.setAlert({
  metric: 'latency_p99',
  condition: '>',
  threshold: 1000,  // > 1000毫秒
  window: '1m',
  action: 'escalate',
});

// 警报处理程序
metrics.on('alert', (alert) => {
  console.log(`🚨 警报: ${alert.metric} ${alert.condition} ${alert.threshold}`);
  console.log(`  当前值: ${alert.currentValue}`);
});

导出指标

// 导出到CSV
await metrics.export({
  format: 'csv',
  metrics: ['api_latency', 'trade_fill_rate', 'error_rate'],
  period: '30d',
  outputPath: './metrics-export.csv',
});

// 导出到Prometheus
const prometheusFormat = metrics.toPrometheus();

// 导出到JSON
const jsonMetrics = await metrics.toJSON({
  period: '24h',
});

生成报告

const report = await metrics.generateReport({
  type: 'daily',
  include: ['summary', 'api', 'trades', 'errors'],
});

console.log('=== 每日指标报告 ===');
console.log(`日期: ${report.date}`);
console.log(`
摘要:`);
console.log(`  运行时间: ${report.summary.uptime}%`);
console.log(`  总请求数: ${report.summary.totalRequests}`);
console.log(`  总交易数: ${report.summary.totalTrades}`);
console.log(`  错误率: ${report.summary.errorRate}%`);
console.log(`
亮点:`);
for (const highlight of report.highlights) {
  console.log(`  - ${highlight}`);
}

实时流

// 实时流指标
const stream = metrics.stream(['cpu', 'memory', 'latency']);

stream.on('data', (data) => {
  console.log(`CPU: ${data.cpu}%, 内存: ${data.memory}MB, 延迟: ${data.latency}毫秒`);
});

// 停止流
stream.stop();

指标类型

类型 描述 示例
计数器 单调增加 trades_total
仪表 点时间值 active_positions
直方图 分布 latency_ms
计时器 持续时间测量 order_execution_time

内置指标

类别 指标
系统 cpu_usage, memory_used, uptime, connections
API request_count, latency_p50/p95/p99, error_rate
WebSocket messages_per_sec, lag, reconnections
交易 orders_total, fill_rate, slippage, execution_time
错误 error_count, error_rate_by_type

最佳实践

  1. 监控延迟百分位数 — P99比平均值更重要
  2. 主动设置警报 — 在用户注意到之前发现问题
  3. 跟踪自定义指标 — 特定于业务的KPI
  4. 每日审查报告 — 早期发现趋势
  5. 导出进行分析 — 使用外部工具进行深入挖掘