模型健康看板:一个状态页应该暴露什么信息

举报
Rolle 发表于 2026/11/15 17:33:06 2026/11/15
【摘要】 当用户说「今天特别慢」的时候,你要的不是一堆日志,而是一张能一眼看出哪个模型在降级的表。但很多状态页做得像装饰品——只有绿点和红点,绿了不代表能用。

当用户说「今天特别慢」的时候,你要的不是一堆日志,而是一张能一眼看出哪个模型在降级的表。但很多状态页做得像装饰品——只有绿点和红点,绿了不代表能用。

四种状态,缺一不可

operational(正常且新鲜)、degraded(成功但慢,或多渠道部分失败)、failed(全部探测失败)、unknown(数据不足或检测暂停)。最关键的是 unknown 必须诚实。

第二,unknown 必须诚实地展示出来。整体状态在存在未知或不支持的目标时,不应该宣称「全部正常」。

degraded 的门槛要具体

成功但响应超过某个秒数就算降级——因为业务上是能感知的。这种「成功但不可用」的状态如果被归成 operational,状态页就失去了预警价值。

一个合格的状态看板至少要区分四种状态:operational(正常)、degraded(成功但慢或多渠道部分失败)、failed(全部探测失败)、unknown(数据不足)。

第一,degraded 的门槛通常是一个具体的延迟阈值——成功但响应超过某个秒数就算降级,因为业务上是能感知的。

探测不能消耗用户额度

健康探测要真实发请求,如果这些请求记在某个 Key 名下,管理员看到的用量就会莫名偏高。正确做法是探测消耗上游额度,但不计入任何用户额度。

正确做法是:探测消耗上游额度,但不计入任何用户额度。

整体状态不能过度宣称

存在未知目标、不支持的目标、检测暂停或空列表时,不应该说「全部正常」。宁可显示「部分未知」,也不要给一个虚假的绿色。

宁可让用户看到「部分未知」,也不要给一个虚假的绿色。

实操:把健康看板的数据接进你自己的监控。

这个接口是公开只读的,不需要 Key,你可以直接接进自己的监控。

curl -s "https://aiminis.info/api/v1/model-health" | python3 -c "
import json, sys
d = json.load(sys.stdin)['data']
print('探测间隔:', d['interval_seconds'], '秒')
for it in d['items']:
    rate = it.get('success_rate')
    rate = 'n/a' if rate is None else f'{rate:.1f}%'
    print(f\"{it['model']:<24} {it['status']:<12} {it['latency_ms']:>6}ms  成功率 {rate}\")
"

# 关键点:这个接口是公开只读的,不需要 Key,
# 但探测消耗的是上游额度,不会扣到任何用户头上。

几个容易踩的坑

  • 把「未知」显示成「正常」,用户信了然后发现调不通。
  • 健康探测的请求被记在某个用户 Key 名下,账单凭空多出一截。
  • 拿 HEAD 探测的网络往返当成模型响应延迟来判断性能。
  • 把上游故障率和本站请求失败率混为一谈,误判故障范围。

小结

技术上的事大多不复杂,难的是把每个异常分支都想清楚。把这份清单存下来,下次排障会快不少。

如果你正在评估方案,可以先注册一个 Key 跑通最小请求,再决定要不要迁移——https://aiminis.info/ 支持按量计费,试用成本很低。

【声明】本内容来自华为云开发者社区博主,不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息,否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0)

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。