场景概览 - 可观测与问题排查

本场景介绍如何从模型调用、租户范围和基础资源三个视角定位吞吐、时延、失败、排队和资源异常。

适用角色

• 运营管理员、模型提供方、最终用户

场景目标

• 先确认影响范围和时间范围，再选择正确监控入口。
• 将错误对应到请求、模型、作业、节点或设备。
• 形成可复核且不包含完整凭据的排障证据。

场景流程

主线： 明确现象和时间 → 定位问题层级 → 收集关联证据 → 修复并复测

阶段	核心结果
1. 明确现象	用户、模型、部署、作业和时间范围被准确记录
2. 定位层级	问题归入调用、部署、调度、节点、设备或权限层
3. 收集证据	日志、事件、监控和配置在同一时间线相互对应
4. 修复复测	处理动作明确，原始请求或工作负载复测通过

开始前准备

• 准备脱敏后的请求、实例或作业标识。
• 明确租户、地域、模型和时间范围。

推荐阅读顺序

1. 确认影响范围
2. 检查调用或作业状态
3. 下钻到节点和设备
4. 记录证据并复测

文档索引

文档	说明
问题排查流程	问题分流、通用排查顺序、完成检查和监控截图

完成检查

用途： 以下检查是本场景的退出条件，用于判断是否已经取得可观察、可复核的结果，以及是否可以进入下一场景。它不是操作步骤的重复；任一项不满足时，请返回对应功能文档的“常见失败分支”排查。

检查项	通过标准
1	问题对象、时间范围和可复现现象已经记录。
2	日志、事件、监控或配置证据将问题定位到明确层级和对象。
3	修复或规避动作执行后，原始请求或工作负载复测通过且没有同类持续错误。