量化交易系统监控与报警体系
📚 共计 30 章节
01
监控体系总览
为什么需要监控？三大支柱：指标、日志、告警；分层架构：基础设施层、应用层、业务层。
概览
分层
02
核心指标设计
延迟、吞吐量、错误率、饱和度；黄金信号与USE方法。
黄金信号
USE
03
数据采集层
采集器选型：Telegraf、Prometheus Node Exporter、StatsD；频率与性能开销平衡。
采集器
性能
04
时序数据库选型
Prometheus vs InfluxDB vs TimescaleDB；存储模型、压缩率、查询性能对比。
TSDB
对比
05
Prometheus 深度实践
架构解析、Pull模型、服务发现、PromQL入门、告警规则配置。
PromQL
告警
06
Grafana 可视化
数据源配置、面板设计、Dashboard最佳实践、告警通知集成。
仪表盘
告警
07
日志监控体系
ELK/EFK栈搭建，日志采集（Filebeat/Fluentd）、结构化日志、日志告警。
ELK
EFK
08
链路追踪
OpenTelemetry标准，Jaeger/Zipkin部署，Trace与Span概念，采样策略。
OpenTelemetry
采样
09
业务监控
用户行为监控、交易成功率、资金流水对账、风控指标监控。
业务
风控
10
告警体系设计
告警分级P0-P4、告警抑制、聚合、升级机制。
分级
升级
11
告警通知渠道
邮件、短信、钉钉/飞书/企微机器人、电话告警、PagerDuty集成。
多渠道
机器人
12
告警规则编写
PromQL告警表达式、阈值设定、基于趋势的告警、异常检测算法。
PromQL
异常检测
13
告警静默与维护窗口
静默规则配置、维护期间告警屏蔽、自动化静默。
静默
维护
14
监控数据治理
指标命名规范、标签设计原则、数据保留策略、降采样。
规范
降采样
15
高可用监控架构
Prometheus联邦、Thanos/Cortex多租户、Grafana高可用部署。
联邦
Thanos
16
基础设施监控
CPU/内存/磁盘/网络，容器监控(cAdvisor, kube-state-metrics)，K8s集群监控。
容器
K8s
17
中间件监控
Redis、MySQL、Kafka、Nginx关键指标与监控方案。
中间件
Redis
18
量化系统专项监控
交易所API延迟、订单状态同步延迟、持仓偏差、资金费率监控。
量化
API
19
策略运行监控
策略状态机、信号生成延迟、回测与实盘偏差、参数漂移检测。
策略
漂移
20
风险监控
最大回撤监控、杠杆率监控、敞口监控、流动性风险监控。
风控
回撤
21
自动化巡检
定时健康检查脚本、SLA达标率统计、巡检报告生成。
巡检
SLA
22
事件响应机制
On-Call轮值、事件分级响应、SOP文档、事后复盘。
On-Call
SOP
23
监控数据可视化大屏
实时交易大屏、系统健康大屏、风控大屏设计。
大屏
可视化
24
容量规划
基于历史数据的容量预测、压力测试、扩容自动化。
容量
预测
25
混沌工程
故障注入、混沌实验设计、稳态假说、爆炸半径控制。
混沌
故障注入
26
监控成本优化
数据采样、聚合查询优化、存储成本控制、冷热数据分离。
成本
冷热分离
27
告警疲劳治理
减少误报、告警去重、优先级动态调整、告警反馈闭环。
疲劳
去重
28
合规与审计监控
交易日志审计、操作日志审计、数据访问审计、监管报告生成。
审计
合规
29
监控系统自监控
监控系统的可用性、数据完整性校验、告警通道健康检查。
自监控
完整性
30
实战案例：从零搭建
架构设计、技术选型、部署实施、调优迭代全流程。
实战
全流程