容量和性能的变化可能来自不同瓶颈，需要沿链路分析。这次讨论围绕监控图表的聚合口径，放在云平台与基础架构的范围内，先保留能核对的线索，再判断它们能支持多大的结论。
名称熟悉，条件仍要重看
关于监控图表的聚合口径，容易忽略的是适用范围。平均值可能隐藏少数请求的长尾延迟，最大值又可能被极少数异常点主导，指标需配合分位数与样本量理解。在容量观察时，先前经验可以提出问题，但不能自动补齐当前缺少的信息。
一个片段不能覆盖整个过程
核对时间窗口、采样频率和缺失数据的处理方式。容量和性能的变化可能来自不同瓶颈，需要沿链路分析。若只留下最突出的瞬间，就可能忽略准备、限制或后续变化。对算力、云资源与运行环境尤其需要把局部与完整任务连起来看。
哪些推断应当暂时停下
不同监控系统的聚合规则可能不一致，图形相似也不意味着数值可以直接比较。当来源没有给出关键条件时，较稳妥的做法是注明未知，而不是为叙述顺畅补上一个未经证实的原因。
用核对问题代替笼统判断
分开记录利用率、等待时间和业务量，不仅比较汇总图。可以把笔记改写为目前能确认什么、还需要验证什么。对于监控图表的聚合口径，这样的记录更容易在新资料出现后修正，也能减少把个别情况扩大到全部场景的误解。
常见问题
理解监控图表的聚合口径，先确认什么？
平均值可能隐藏少数请求的长尾延迟，最大值又可能被极少数异常点主导，指标需配合分位数与样本量理解。
在容量观察时怎样开始？
分开记录利用率、等待时间和业务量，不仅比较汇总图。核对时间窗口、采样频率和缺失数据的处理方式。
什么情况下不宜直接套用结论？
不同监控系统的聚合规则可能不一致，图形相似也不意味着数值可以直接比较。