2、性能监控指标体系：时延、抖动、丢包率、吞吐量、可用性指标定义与计算

各位好，咱们今天聊聊PTN网络里最核心的几个性能指标。说实话，我刚开始接触PTN的时候，也被这一堆术语搞得有点晕。什么时延、抖动、丢包率，听着都差不多，但实际排查故障时，每个指标指向的问题完全不一样。

我个人习惯把性能指标分成两类：一类是服务质量（QoS）指标，另一类是网络健康度指标。前者直接决定用户体验，后者反映网络本身的运行状态。咱们一个一个来拆解。

2.1 时延（Latency）—— 网络里的“等待时间”

时延，说白了就是数据包从A点跑到B点花了多长时间。单位通常是毫秒（ms）。

我在项目中遇到过一件事：某地市公司的视频会议总是卡顿，用户投诉说“画面一卡一卡的”。我上去一查，端到端时延达到了150ms。嗯，这个数值对于语音和视频来说，已经明显超标了。

时延由三部分组成：

• 处理时延：设备查路由表、做转发决策的时间。一般几微秒到几十微秒。
• 排队时延：数据包在队列里等前面的人先走。这个最不稳定，流量一拥塞就暴涨。
• 传输时延：数据在链路上跑的时间。光纤里光速大约是2×10⁸ m/s，100公里大约0.5ms。

计算公式很简单：

端到端时延 = 处理时延 + 排队时延 + 传输时延

2.2 抖动（Jitter）—— 时延的“忽快忽慢”

抖动，就是时延的变化量。你想想看，如果每个包的时延都是10ms，那很稳定。但如果第一个包5ms，第二个包15ms，第三个包又变成8ms……这种忽快忽慢的感觉，就是抖动。

为什么抖动这么重要？因为语音和视频业务对抖动极其敏感。人耳能感知的抖动阈值大约在30ms以内，超过这个值，声音就会变得“断断续续”或者“金属声”。

抖动的计算方式：

抖动 = |当前包时延 - 前一个包时延|

实际工程中，我们通常取一段时间内的平均抖动值，或者用峰峰值（最大时延 - 最小时延）来评估。

2.3 丢包率（Packet Loss Rate）—— 数据“失踪”了

丢包率，就是发送的包中有多少没到达目的地。公式：

丢包率 = (丢失包数 / 总发送包数) × 100%

丢包的原因主要有三个：

• 队列溢出：缓冲区满了，新来的包直接扔掉。这是最常见的原因。
• 链路故障：光纤断了、光模块坏了，导致大量丢包。
• CRC错误：数据在传输过程中被干扰，校验失败后被丢弃。

我记得有一次，某条链路的丢包率在0.1%左右徘徊。按说这个数值不算高，但用户反映业务时好时坏。我仔细一查，发现丢包是突发性的——平时不丢，一到业务高峰期就猛丢。这就是典型的队列溢出问题。

2.4 吞吐量（Throughput）—— 管道到底能跑多快

吞吐量，就是单位时间内成功传输的数据量。单位是bps（bit per second），或者更常用的Mbps、Gbps。

这里有个容易混淆的概念：带宽和吞吐量。带宽是理论最大值，吞吐量是实际能达到的值。打个比方，带宽是高速公路的限速120km/h，吞吐量是你实际开到的速度——可能因为堵车只能开到60km/h。

吞吐量的计算：

吞吐量 = 成功传输的数据量 / 传输时间

我建议大家在监控吞吐量时，重点关注两个值：

• 峰值吞吐量：一天中最高的时候，看是否接近带宽上限。
• 平均吞吐量：长期趋势，用于做容量规划。

2.5 可用性（Availability）—— 网络到底“靠谱”吗

可用性，衡量网络在给定时间内能正常提供服务的能力。公式：

可用性 = (总时间 - 故障时间) / 总时间 × 100%

通常用“几个9”来表示：

可用性计算时要注意：故障时间怎么定义？ 是设备完全宕机才算，还是丢包超过某个阈值也算？我见过不少运维团队，把“设备能ping通”当作可用，结果业务其实已经中断了——因为路由表坏了，数据根本转发不出去。

2.6 五个指标的关系——别孤立看问题

最后说一句，这五个指标不是孤立的。它们之间经常互相影响：

• 丢包率高了，TCP会重传，导致吞吐量下降。
• 吞吐量接近带宽上限，排队时延增加，抖动也会变大。
• 可用性下降，往往伴随着大量丢包和时延飙升。

所以，排查问题时，我习惯把五个指标放在一张图上一起看。比如：

• 如果时延和抖动同时升高，大概率是拥塞。
• 如果只有丢包率升高，其他正常，可能是链路误码或光模块问题。
• 如果吞吐量突然掉到0，那不用说了——设备挂了。

嗯，这一章的内容就到这里。下一章咱们聊聊怎么用工具把这些指标抓出来，以及如何搭建一套实用的监控系统。